<![CDATA[Algoritma apriori menggunakan pendekatan iteratif dimana k-itemset digunakan untuk mengeksplorasi (k+1)-itemset. Calon (k+1)-itemset yang mengandung frekuensi subset yang jarang muncul atau dibawah threshold akan dipangkas dan tidak dipakai menentukan aturan asosiasi. Aturan asosiasi berbentuk if antecedent then consequent. Implementasi algoritma apriori didahului dengan persiapan database transaksi serta penentuan batas minimum support dan confidence. Algoritma apriori akan menemukan kombinasi dengan cara iterasi yaitu scaning database berulang-ulang, memasangkan satu item dengan item lainnya dan mencatat jumlah kemunculan kombinasi dalam keseluruhan transaksi. Frequent itemset ditentukan dengan memilih itemset yang nilai kemuculannya diatas atau sama dengan nilai minimum support dan kemudian menjadi calon aturan asosiasi. Persentase nilai support dan confidence dari masing-masing calon aturan asosiasi kemudian dihitung. Aturan asosiasi yang berlaku dipilih dari yang memenuhi syarat minimum support dan confidence. Penelitian ini membuktikan bahwa algoritma apriori cocok diimplementasikan untuk mencari frequent itemset pada keranjang belanja. Aturan asosiasi yang dibentuk dari frequent itemset tersebut dapat dipakai sebagai pendukung keputusan dalam penjualan.]]>
Copyrights © 2016
