Source Code Data Mining Asosiasi Metode Fp-Growth PHP

Data mining sebagai sebuah disiplin ilmu yang sebagian besar terbuka bagi dunia. Sebagian besar kita bahkan tidak pernah menyadari bahwa hal itu terjadi. Tapi setiap kali kita mendaftarkan diri sebagai anggota toko grosir, berbelanja menggunakan kartu kredit, atau menjelajahi web, sebenarnya kita sedang membuat data. Data ini disimpan dalam komputer besar dan kuat milik sebuah perusahaan yang kita setujui setiap harinya. Berlandaskan pada kumpulan data tersebut ada pola-indikator kepentingan, kebiasaan, dan perilaku kita. Data mining memungkinkan orang untuk menemukan dan menafsirkan pola tersebut, untuk membantu mereka membuat keputusan yang lebih tepat dan lebih baik dalam melayani pelanggan mereka. (Matthew North, 2012).

Algoritma FP-Growth merupakan pengembangan dari algoritma Apriori. Algoritma Frequent Pattern Growth (FP-Growth) adalah salah satu alternatif algoritma yang dapat digunakan untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam sebuah kumpulan data. (Samuel D, 2008).

Pada algoritma FP-Growth menggunakan konsep pembangunan tree, yang biasa disebut FP-Tree, dalam pencarian frequent itemset bukan menggunakan generate candidate seperti yang dilakukan pada algoritma Apriori. Dengan menggunakan konsep tersebut, algoritma FP-Growth menjadi lebih cepat daripada algoritma Apriori. (Erwin, 2009).

Algoritma FP-Growth memiliki tahapan-tahapan yang harus dilewati agar dapat memberikan hasil yang maksimal, tahapan-tahapan tersebut (Jiawei Han, 2006), yaitu:

1. Tahap pembangkitan conditional pattern base.
2. Tahap pembangkitan conditional FP-Tree.
3. Tahap pencarian frequent itemset.

Association rules merupakan suatu proses pada data mining untuk menentukan semua aturan asosiatif yang memenuhi syarat minimum untuk support (minsup) dan confidance (minconf) pada sebuah database. Kedua syarat tersebut akan digunakan untuk interesting association rules yang dibandingkaan dengan batasan yang telah ditentukan, yaitu minsup dan minconf.

Komponen Source Code

Adapun komponen source code antara lain:

• Login, membatasi user yang bisa menggunakan aplikasi.
• Data Transaksi, mengolah data transaksi yang bisa ditambah, ubah, hapus, maupun import langsung dari file csv.
• Perhitungan, melakukan proses perhitungan algoritma, yang hasilnya dapat dicetak langsung.
• Hasil Asosiasi, Hasil perhitungan berupa aturan asosiasi (Cssociation Rule).
• Ubah Password, mengubah password yang hanya bisa dilakukan oleh user dan login, dengan memasukkan password lama dan password baru.