Source Code Data Mining Asosiasi Apriori Laravel

Landasan Teori

Data Mining

Data mining adalah suatu proses pengerukan atau pengumpulan informasi penting dari suatu data yang besar. Proses data mining seringkali menggunakan metode statistika, matematika, hingga memanfaatkan teknologi artificial intelligence. Tujuannya bukan sekadar mengolah data, tetapi menemukan pengetahuan yang dapat digunakan untuk memahami pola, membuat prediksi, atau mendukung pengambilan keputusan.

Langkah-langkah Data Mining

1. Memahami masalah.
2. Mengumpulkan dan memahami data.
3. Membersihkan data.
4. Melakukan transformasi atau preprocessing.
5. Memilih metode analisis.
6. Menjalankan model atau algoritma.
7. Mengevaluasi hasil.
8. Menginterpretasikan pola yang ditemukan.

Association Rule

Aturan asosiasi berfungsi menemukan pola-pola, asosiasi dan hubungan antara data tersebut dan dapat menemukan fakta yang sebelumnya tidak diketahui atau bahkan tidak diperhatikan oleh sebuah perusahaan. Metode atau konsep ini digunakan untuk membantu proses analisis secara lebih terstruktur sesuai dengan data, kriteria, dan tujuan permasalahan yang dihadapi.

Langkah-langkah Asosiasi

1. Menyiapkan data transaksi.
2. Menentukan minimum support.
3. Menemukan frequent itemset.
4. Membentuk aturan asosiasi.
5. Menghitung confidence.
6. Menghitung lift.
7. Memilih aturan yang relevan.

Apriori

Algoritma Apriori adalah algoritma yang digunakan untuk menghitung aturan asosiasi antar objek. Aturan asosiasi menjelaskan bagaimana dua atau lebih objek terkait satu sama lain. Metode atau konsep ini digunakan untuk membantu proses analisis secara lebih terstruktur sesuai dengan data, kriteria, dan tujuan permasalahan yang dihadapi.

Dengan kata lain, algoritma apriori adalah algoritma berbasis aturan asosiasi yang menganalisis apakah orang yang membeli produk A juga membeli produk B.

Algoritma ini dikemukakan oleh ilmuwan R. Agrawal dan Srikant pada tahun 1994. Algoritma ini kebanyakan digunakan untuk analisis keranjang belanja dan membantu menemukan produk yang dapat dibeli bersama.

Apriori juga dapat digunakan di bidang perawatan kesehatan untuk menemukan reaksi obat untuk pasien.

Pada data mining, algoritma Apriori banyak digunakan untuk menemukan data yang paling sering muncul dalam sebuah database. Item data transaksi pada database membentuk itemset.

Itemset yang paling sering muncul dipilih oleh algoritma Apriori agar dapat digunakan untuk menentukan aturan asosiasi yang menyoroti tren umum dalam database.

Langkah-langkah Apriori

1. Menentukan minimum support dan confidence.
2. Menghitung support setiap item.
3. Memilih item yang memenuhi minimum support.
4. Membentuk kandidat itemset.
5. Menghitung support kandidat.
6. Mengulangi proses hingga tidak ada frequent itemset baru.
7. Membentuk aturan asosiasi.
8. Menghitung confidence dan lift.