ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI

Transkripsi

1 Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: Yogyaarta, 7 Juni 26 ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI Rully Soelaiman, Ni Made Arini WP Faultas Tenologi Informasi, Institut Tenologi Sepuluh Nopember (ITS), Surabaya, 6 rully@its-sby.edu ABSTRAKSI Penggalian data sangat penting untu proses pengumpulan data dan untu penyimpanan data. Di sisi lain, data mentah yang tersedia sangatlah besar sehingga analisis manual tida lagi memunginan untu menangani masalah data. Permasalahan utama dari penggalian data adalah munculnya beberapa strutur data baru yang dimasudan untu memperbaii efisiensi dari penggalian data. Dan tida satu pun dari strutur data tersebut yang mampu menangani semua masalah penggalian data. Fold-Growth merupaan salah satu dari metode penggalian pola asosiasi dengan menggunaan strutur data SOTrieIT (Support Ordered-Trie Itemset) dalam proses penggalian itemset yang frequent. SOTrieIT adalah sebuah strutur data yang dapat melauan estrasi -itemset dan 2-itemset dari semua transasi dalam basis data. Dengan menggunaan basis data transasi yang terdiri dari ode transasi, dan ode dari barang yang di beli, algoritma ini aan diproses untu menghasilan pola asosiasi. Pada penelitian ini, algoritma FOLDgrowth aan dibagi dalam empat tahapan utama yaitu, tahapan penggalian -itemset frequent dan 2-itemset frequent, tahap pemangasan item-item yang tida frequent, membangun FP-tree, dan tahapan penggalian semua itemset frequent. Berdasaran uji coba, yang melibatan dataset sinteti, dapat disimpulan bahwa secara umum durasi eseusi dan utilisasi memori Fold-Growth lebih ecil dibandingan dengan FP-Growth. Kata Kunci:, SOTrieIT, Fold-Growth, pola asosiasi, penggalian data, strutur data.. PENDAHULUAN Penggalian data merupaan upaya untu melauan estrasi pola informasi atau pengetahuan yang menari dari sejumlah besar data. Pola informasi atau pengetahuan dapat diataan menari apabila pola atau pengetahuan tersebut merupaan pola yang non-trivial, implisit, belum dietahui sebelumnya, dan bermanfaat. Dalam penggalian dan menganalisis pola asosiasi aan ditemuan atribut-atribut yang menunjuan ondisi dimana atribut-atribut tersebut sering muncul bersamaan dalam suatu data yang diberian. Penggalian pola asosiasi ini biasanya sering digunaan dalam menganalisis data transasi. Ada beberapa algoritma yang digunaan dalam upaya untu memperbaii inerja penggalian pola asosiasi tapi, algoritma-algoritma tersebut hanya mampu menangani ondisi tertentu saja dan memilii eurangan dalam ondisi lainnya. Sedangan, dalam penggalian data efetivitas dan efisiensi sangatlah diperluan. Dalam pemelitian ini aan dilauan analisis inerja algoritma dan algoritma Foldgrowth yang menggunaan strutur data SOTrieIT pada penggalian pola transasi. Definisi permasalahan, algoritma dan FPgrowth, serta strutur data SOTrieIT aan dijelasan di bagian 2. Bagian 3 aan menjelasan hasil beberapa uji coba dan analisis esperimen. Bagian 4 aan menyajian simpulan dan emunginan pengembangan. 2. METODE Di bagian ini algoritma FOLD-growth dan aan dijabaran, serta penjelasan mengenai strutur data SOTrieIT. 2. Berdasaran [3], penggalian itemset yang frequent dengan menggunaan algoritma FP-Growth aan dilauan dengan cara membangitan strutur data Tree atau disebut dengan FP-Tree. Metode FPgrowth melibatan tiga tahapan utama yaitu, (a) tahap pembangitan conditional pattern base, (b) tahap pembangitan conditional FP-tree, dan (c) tahap pencarian frequent itemset. Algoritma FPgrowth dapat dilihat pada Gambar. a) Tahap Pembangitan Conditional Pattern Base Conditional pattern base merupaan subdatabase yang berisian prefix path (himpunan item terurut yang mengawali -itemsets), dan suffix pattern (-itemsets). Misalnya, sebuah itemset yang telah terurut berdasaran support descending order {I 6, I 3, I, I 3, I 6 }, apabila I 6 merupaan suffix pattern maa, I 6, I 3, I, I 3 adalah prefix path. Pembangitan conditional pattern base didapatan melalui FP-tree yang telah dibangun berdasaran sebuah basis data transasi. b) Tahap Pembangitan Conditional FP-tree Pada tahap ini, support count untu tiap item pada setiap conditional pattern base aan dijumlahan, emudian item yang memilii jumlah support count lebih besar sama dengan min_sup aan dibangitan menjadi sebuah tree yang disebut dengan conditional FP-tree. c) Tahap Pencarian Frequent Itemset Pada tahap ini, apabila Conditional Fp-tree merupaan single path, maa aan didapatan frequent itemsets dengan melauan ombinasi item untu setiap Conditional Fp-tree. Jia buan single path maa, aan dilauan pembangitan FP- Growth secara reursif. Input: FP-tree Tree Output: R t seumpulan lengap pola frequent Method: (Tree,null) Procedure: (Tree,α) { F-3

2 Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: Yogyaarta, 7 Juni 26 : if Tree mengandung single path P; 2:then untu tiap ombinasi (dinotasian β) dari node-node dalam path P do 3:bangitan pola β α dengan support = minimum support dari node-node dalam β; 4:else untu tiap ai dalam header dari Tree do { 5:bangitan pola 6:bangun β= a i α dengan 7:if support = a i.support Tree β=ø 8:then panggil (Tree,β) } } Gambar. Algoritma 2.2 Algoritma FOLD-Growth merupaan hasil gabungan dari algoritma FOLDARM dan FP- Growth. Pada algoritma FOLD-growth ini, diharapan dapat menggabungan euntungan dari algoritma FOLDARM yang memilii inerja cepat pada saat uuran itemset frequent masimum ( max ) adalah ecil atau max dengan euntungan dari algoritma FP-Growth yang memilii inerja yang cepat pada saat max >. Algoritma FOLD-growth ditunjuan pada gambar 2. Dalam algoritma FOLD-growth ini dibagi menjadi empat tahapan utama yaitu (a) penggalian L dan dengan menggunaan SOTrieIT, (b) L 2 pemangasan item-item yang tida frequent, (c) membangun FP-tree menggunaan transasitransasi yang telah dipangas dan, (d) penggalian itemset frequent dengan algoritma. : Menggunaan SOTrie untu menemuan dan L 2 dengan cepat 2: if L = L2 = then 3: algoritma dihentian 4: end if 5: for transaction T D do 6: Hilangan item yang tida memberian ontribusi pada L dimana > 2, menggunaan L dan L2 7: Urutan item berdasaran support terbesar 8: Bangun/Ubah FP-tree dengan T yang telah dipangas dan diurutan 9: end for : Jalanan algoritma pada FPtree yang dibangun Gambar 2. Algoritma Tahap Penggalian L dan L dengan Menggunaan SOTrieIT 2 Pada tahap ini, dilauan scan basis data sebanya satu ali untu membaca transasitransasi yang ada dalam basis data. Untu setiap transasi aan dibangitan semua emunginanemunginan -itemset dan 2-itemset yang emudian dicatat dalam SOTrieIT. Tahap Pemangasan Item-item yang Tida Frequent Dalam tahap ini, aan dilauan pemangasan pada setiap transasi yang ada dalam basis data dengan menggunaan L dan L 2. Untu setiap transasi T, pada itemset L yang terdapat dalam transasi tersebut dimana panjang lebih dari L 2, aan dilauan pengecean dengan menggunaan L dan L 2. Sehingga, untu item-item yang dianggap tida frequent aan dilauan pemangasan. Sebuah item diataan tida frequent apabila nilai support count-nya urang dari batas minimum support yang telah ditentuan oleh pengguna. Setelah dilauan pemangasan terhadap transasi T, maa item-item yang terdapat dalam transasi tersebut aan diurutan berdasaran nilai support count yang paling besar. Dengan menggunaan L dan L 2 yang didapatan melalui SOTrieIT, maa aan dihasilan Ordered Frequent Items yang telah dipangas. Tahap Pembangunan FP-tree Pada tahapan ini, aan dilauan pembangunan FP-Tree dengan menggunaan data transasi T yang telah dipangas dan diurutan berdasaran nilai support count. Dengan perolehan Frequent Items setelah dipangas dan diurutan, maa aan dibangun FP-Tree. Tahap Penggalian Itemset Frequent Setelah tahap pembangunan FP-tree selesai, dilanjutan dengan tahap penggalian itemset frequent dengan menggunaan algoritma pada FP-tree tersebut. Tabel. Basis data transasi TID Item AC 2 BC 3 ABC 4 ABCD Himpunan pola asosiasi yang ditemuan berdasaran basis data transasi pada tabel dan dengan minimum support dan minimum confidence adalah 5% dalam proses penggalian reursif di atas, dapat dilihat pada Gambar 3. Pola asosiasi {} {3} Support:.75 Confidence: Pola asosiasi {3} {} Support:.75 Confidence:.75 Pola asosiasi {2} {3} Support:.75 Confidence: Pola asosiasi {3} {2} Support:.75 Confidence:.75 Gambar 3. Pola Asosiasi berdasaran tabel 2.3 Strutur Data SOTrieIT SOTrieIT memilii dua tingatan dari nodenode Tree yang menyataan bahwa tiap node w memilii sebuah label l yang dinyataan sebagai item dan sebuah notasi j yang menyimpan nilai support count yang berhubungan. Setiap node pohon terhubung pada beberapa item yang terdapat dalam itemset I (dinotasian dengan a i I ) maa, untu wi mengacu pada node yang memilii hubungan dengan a i I. Himpunan SOTrieIT dimunginan memilii parent node yang berbeda-beda seperti w, w 2,..., w N, yang dibangun dari sebuah basis data untu menyimpan support count dari semua -itemset dan 2-itemset. Maa, digunaan node husus yang dinamaan ROOT untu menghubungan semua SOTrie bersama-sama. Hasil SOTrieIT berdasaran F-4

3 Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: Yogyaarta, 7 Juni 26 basis data transasi pada tabel dapat dilihat pada Gambar 4. DA ROOT C(4) A(3) B(3) D() D() C(3) B(2) D() C(3) D() Gambar 4. Hasil SOTrieIT berdasaran Tabel 3. UJI COBA Uji coba ini meliputi uji coba ebenaran dan uji coba inerja. Semua esperimen dilauan pada sebuah PC dengan prosesor Intel Pentium 4 CPU 2.8 GHz, memori 52 MB RAM, VGA Card NVIDIA GeForce4 MX 44 dengan AGP8X. Sistem operasi yang digunaan adalah Microsoft Windows 2 Professional (5., Build 295). Kedua algoritma diimplementasian menggunaan bahasa pemprograman Java. Uji Coba Kebenaran Uji coba ebenaran dilauan untu menguji validitas sistem apliasi. Basis data transasi pada Tabel digunaan untu uji coba ini. Setelah dilauan uji coba ternyata pola yang dihasilan oleh edua algoritma sama dengan pola asosiasi dalam gambar 3 dan paper [4]. Uji Coba Kinerja Uji coba inerja dilauan untu menguji ehandalan inerja algoritma dibandingan pada sejumlah basis data transasi sinteti dari berbagai uuran dan distribusi data. Pengujian ini dilauan berdasaran dari segi ecepatan, jumlah node yang dibangun. Pengujian pertama dilauan terhadap himpunan data T25I2NKDK, yang terdiri dari. transasi dengan. item yang berbeda. Rata-rata jumlah item dalam sebuah transasi adalah 25 dan rata-rata jumlah panjang Large Itemset adalah 2. Gambar 5 menunjuan durasi eseusi dari alogritma dan untu duungan minimum.5% hingga 4%. Berdasaran grafi tersebut, selalu berjalan lebih cepat daripada. Gambar 6 menunjuan jumlah node yang dihasilan dari edua algoritma untu duungan minimum.5% hingga 4%. Berdasaran grafi tersebut, dapat dilihat bahwa algoritma menghasilan node lebih sediit dibandingan FPgrowth (%) Fold-Growth Gambar 5. Durasi eseusi T25I2NKDK (min_support.5%-4%) DB (%) Fold-Growth FP-Growth Gambar 6. Jumlah node T25I2NKDK (min_support.5%-4%) Hal ini diarenaan algoritma telah melalui proses pemangasan terlebih dahulu dan menjadi lebih efisien dalam hal penyimpanan data. Pengujian edua dilauan terhadap himpunan data T25I2N75DK, yang terdiri dari transasi dengan 75 item yang berbeda. Ratarata jumlah item dalam sebuah transasi adalah 25 dan rata-rata jumlah panjang Large Itemset adalah 2. Gambar 7 menunjuan durasi eseusi dari edua algoritma untu Dataset T25I2N75DK untu minimum support 25% hingga 5%. Berdasaran grafi tersebut, selalu berjalan lebih cepat daripada. Gambar 8 menunjuan jumlah node yang dihasilan dari edua algoritma untu data set T25I2N75DK dengan minimum support 25% hingga 5%. Berdasaran grafi tersebut, dapat dilihat bahwa algoritma menghasilan node lebih sediit dibandingan. Hal ini diarenaan algoritma telah melalui proses pemangasan terlebih dahulu dan menjadi lebih efisien dalam hal penyimpanan data. Pengujian etiga dilauan terhadap himpunan data T25I2N75D, yang terdiri dari transasi dengan 75 item yang berbeda. Ratarata jumlah item dalam sebuah transasi adalah 25 dan rata-rata jumlah jumlah panjang Large Itemset yang ditemuan adalah 2. Gambar 9 menunjuan durasi eseusi dari edua algoritma untu Dataset T25I2N75D untu minimum support 35% hingga 8%. Berdasaran grafi tersebut, selalu berjalan lebih cepat daripada. Gambar menunjuan jumlah node yang dihasilan dari edua algoritma untu data set F-5

4 Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: Yogyaarta, 7 Juni 26 T25I2N75D dengan minimum support 35% hingga 8%. Berdasaran grafi tersebut, dapat dilihat bahwa algoritma menghasilan node lebih sediit dibandingan. Pengujian eempat dilauan terhadap himpunan data T2I2N32KD64K, yang terdiri dari 64. transasi dengan 32. item yang berbeda. Rata-rata jumlah item dalam sebuah transasi adalah 2 dan rata-rata jumlah jumlah panjang Large Itemset yang ditemuan adalah 2. time (ms) D2A Minimum Support FOLD-growth FP-Growth Apriori Gambar 7. Durasi eseusi T25I2N75DK (min_support 25%-5%) D2B Minimum Support FOLD-growth FP-Growth Gambar 8. Jumlah node T25I2N75DK (min_support 25%-5%) time (ms) D3A Supprt threshold FOLDgrowth FPgrowth.75.8 Gambar 9. Durasi eseusi T25I2N75D (min_support 35%-8%) Gambar menunjuan durasi eseusi dari edua algoritma untu Dataset T2I2N32KD64K untu minimum support 25% hingga 5%. Berdasaran grafi tersebut, selalu berjalan lebih cepat daripada. Gambar 2 menunjuan jumlah node yang dihasilan dari edua algoritma untu data set T2I2N32KD64K dengan minimum support % hingga 9%. Berdasaran grafi tersebut, dapat dilihat bahwa algoritma menghasilan node lebih sediit dibandingan D3B Support threshold FOLDgrowth FPgrowth.75.8 Gambar. Jumlah node T25I2N75D (min_support 35%-8%) D4A (%) Gambar. Durasi eseusi T2I2N32KD64K (min_support %-9%) D4B support (%) Gambar 2. Jumlah node T2I2N32KD64K (min_support %-9%) Mushroom Apriori Gambar 3. Durasi eseusi Mushroom (min_support %-2%) Pengujian elima dilauan terhadap himpunan data Mushroom, yang merupaan basis data transasi yang diperoleh melalui FIMI Repository. Dataset ini terdiri dari urang lebih 9 F-6

5 Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: Yogyaarta, 7 Juni 26 transasi dengan rata-rata panjang transasi adalah 25 item. Gambar 3 menunjuan durasi eseusi dari edua algoritma untu Dataset Mushroom untu minimum support 2% hingga %. Berdasaran grafi tersebut, selalu berjalan lebih cepat daripada. Gambar 4 menunjuan jumlah node yang dihasilan dari edua algoritma untu data set Mushroom dengan minimum support 2% hingga %. Berdasaran grafi tersebut, dapat dilihat bahwa algoritma menghasilan node yang sama dengan. Pengujian eenam dilauan terhadap himpunan data CSC, yang merupaan basis data transasi yang diperoleh melalui ARMiner Project. Dataset ini terdiri dari urang lebih 3 transasi dengan rata-rata panjang transasi adalah 25 item. Gambar 5 menunjuan durasi eseusi dari edua algoritma untu Dataset CSC untu minimum support % hingga %. Berdasaran grafi tersebut, selalu berjalan lebih cepat daripada. Mushroom menggunaan dataset asli (didapatan melalui FIMI Repository), ternyata dihasilan sejumlah itemset frequent yang bervariasi. Jumlah dan panjang dari itemset frequent yang dihasilan bergantung pada uuran datasets dan juga bergantung pada nilai minimum support yang ditentuan oleh user. Pengujian pertama, untu dataset T25I2NKDK (D) dengan nilai minimum support adalah.5 % dan % maa, untu algoritma FOLD-growth,, dan Apriori aan ditemuan frequent itemset seperti pada gambar CSC Gambar 6. Jumlah CSC (min_support %-%) 4 2 Frequent Itemsets found in D No. of Frequent -itemsets Gambar 4. Jumlah node Mushroom (min_support %-2%) CSC Gambar 7. Frequent Itemset yang Ditemuan di Dataset D (min_support.5%, %) Apriori Gambar 5. Durasi eseusi CSC (min_support %-%) Gambar 6 menunjuan jumlah node yang dihasilan dari edua algoritma untu data set CSC dengan minimum support % hingga %. Berdasaran grafi tersebut, dapat dilihat bahwa algoritma menghasilan node lebih sediit dibandingan. Hal ini diarenaan algoritma telah melalui proses pemangasan terlebih dahulu dan menjadi lebih efisien dalam hal penyimpanan data. Uji Coba Frequent Itemset Dengan Tertentu Berdasaran dengan hasil pengujian dengan menggunaan dataset sinteti mapun dengan No. of Frequent -Itemsets Frequent Itemsets Found in D Gambar 8. Frequent Itemset yang Ditemuan di Dataset D2 (min_support 25%, 35%, dan 5%) Pengujian edua, untu dataset T25I2N75DK (D2) dengan minimum support adalah 25 %, 35 %, dan 5 % maa, untu algoritma FOLD-growth,, dan Apriori aan ditemuan frequent itemset seperti pada gambar 8. Pengujian etiga, untu dataset T25I2N75D (D3) dengan minimum support adalah 2 %, 25 %, dan 3 % maa, untu algoritma FOLD-growth,, dan Apriori aan ditemuan frequent itemset seperti pada gambar 9. F-7

6 Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: Yogyaarta, 7 Juni 26 Pengujian eempat, untu dataset T2I2N32KD64K (D4) dengan minimum support adalah.25%, dan.% maa, untu algoritma FOLD-growth,, dan Apriori aan ditemuan frequent itemset seperti pada gambar 2. Pengujian elima, untu dataset Mushroom dengan minimum support adalah 3%, 45% dan 65% maa, untu algoritma FOLD-growth, FPgrowth, dan Apriori aan ditemuan frequent itemset seperti pada gambar 2. No. of Frequent -Itemsets Frequent Itemsets Found in D Gambar 9. Frequent Itemset yang Ditemuan di Dataset D3 (min_support 2 %, 25 %, dan 3 %) No. of Frequent -itemsets Frequents Itemsets found in D Gambar 2. Frequent Itemset yang Ditemuan di Dataset D4 (min_support. 25 %, dan. %) No. of Frequent -Itemsets Frequent Itemsets Found in Mushroom Gambar 2. Frequent Itemset yang Ditemuan di Dataset Mushroom (min_support 3 %, 45%, dan 65 %) Pengujian eenam, untu dataset CSC dengan minimum support adalah.5 %, 2.5 % dan 5 % maa, untu algoritma FOLD-growth,, dan Apriori aan ditemuan frequent itemset seperti pada gambar 22. Berdasaran dengan hasil pengujian dengan menggunaan dataset sinteti mapun dengan menggunaan dataset asli (didapatan melalui FIMI Repository dan ARMiner Project), ternyata dihasilan sejumlah itemset frequent yang 5 bervariasi. Jumlah dan panjang dari itemset frequent yang dihasilan bergantung pada uuran datasets dan juga bergantung pada nilai minimum support yang ditentuan oleh user. No. of Frequent -Itemsets Frequent Itemsets found in CSC Gambar 22. Frequent Itemset yang Ditemuan di Dataset CSC (min_support.5%, 2.5% dan 5%) 4. SIMPULAN Dari hasil uji coba, beberapa simpulan yang bisa diambil adalah:. berhasil diimplementasian. 2. Durasi eseusi, salabilitas, reliabilitas, dan utilisasi memori lebih bai daripada. 3. Jumlah frequent itemsets mulanya meningat secara divergen seiring meningatnya panjang pola yang telah diperoleh, lalu di titi ulminasi jumlah pola aan menurun arena mengalami onvergensi pembentuan pola masimal. 4. Duungan minimum berbanding terbali dengan panjang masimum pola, dengan jumlah pola untu panjang pola yang sama, dan dengan total jumlah pola yang diperoleh secara esponensial. 5. Semain besar rata-rata jumlah item dalam suatu transasi, maa semain besar durasi eseusi untu duungan minimum yang sama dan semain dini onvergensi untu pembentuan pola masimal. DAFTAR PUSTAKA [] Goethals, B., Survey on Frequent Pattern Mining, HIIT Basic Research Unit, Department of Computer Science, University of Helsini, Finland, 23. [2] Han, J., Micheline, K., Data Mining: Concepts and Techniques, Simon Fraser University, Morgan Kaufmann Publisher, 2. [3] Han, J., Pie, J., Yin, Y., Mining Frequent Patterns without Candidate Generation, School of Computing Science, Simon Fraser University, 2. [4] Woon, Y.K., Ng, W.K., Lim, E.P, A Support- Ordered Trie for Fast Frequent Itemset Discovery, IEEE Transactions on Knowledge and Data Engineering, Vol. 6, No. 7, pg , 24. [5] Woon, Y.K., Ng, W.K., Das, A., Fast Online Dynamic Association Rule Mining, Proc. Second Int l Conf. Web Information System Eng., pp , 2. [6] Zhao, Q., Bhowmic, S.S., Association Rule Mining: A Survey, Nanyang Technological University, Singapore, 23. F-8