PERBANDINGAN ASOSSIATION RULE BERBENTUK BINER DAN FUZZY C-PARTITION PADA ANALISIS MARKET BASKET DALAM DATA MINING

Abstract

PERBANDINGAN ASOSSIATION RULE BERBENTUK BINER DAN FUZZY C-PARTITION PADA ANALISIS MARKET BASKET DALAM DATA MINING

ABSTRAK

Salah satu analisis dalam data mining adalah market basket analysis untuk menganalisa kecenderungan pembelian suatu barang yang berasosiasi dengan barang yang lain. Dalam tulisan ini membahas aturan asosiasinya dengan mempertimbangkan jumlah item barang yang dibeli dalam satu transaksi. Asumsinya adalah keterkaitan pembelian suatu barang dengan barang yang lain dalam satu transaksi akan semakin kecil jika jumlah item barang yang dibeli semakin banyak. Tulisan ini menganalisa asosisasi antar item barang dengan membuat tabel transaksi dalam bentuk nilai fuzzy set dibandingkan dengan analisa asosiasi yang biasa dilakukan dalam bentuk biner. Berdasarkan analisis terhadap data yang digunakan memberikan hasil support dan confidence yang cenderung lebih kecil tetapi lebih realistis dibanding aturan asosisasi biasa. Keywords: analisis market basket, association rule, data mining, fuzzy c-partition.

COMPARISON OF ASSOCIATION RULE WITH BINARY AND FUZZY C-PARTITION FORM AT MARKET BASKET ANALYSIS ON DATA MINING

ABSTRACT

One analysis in data mining is market basket analysis to analyze the purchase of a good trends associated with other items. In this paper discussing the association rules by considering the number of items purchased in one transaction. The assumption is that the purchase of a good relationship with the other items in one transaction will be smaller if the number of items purchased items more and more. This paper analyzes the association between the items of goods by making the transaction table in the form of fuzzy sets of values to compare with analysis of the usual associations in binary form. Based on the analysis of the data used to support and confidence of which tend to be smaller but more realistic than usual asosisasi rules. Keywords: market basket analysis, association rule, data mining, fuzzy c-partition.