BAB II KONSEP DAN DEFINISI

dokumen-dokumen yang mirip
Metodologi Algoritma A Priori. Metodologi dasar algoritma a priori analisis asosiasi terbagi menjadi dua tahap :

BAB I PENDAHULUAN. Keberadaan minimarket di kota-kota besar sangat dibutuhkan bagi. masyarakat khususnya di daerah perumahan. Bagi sebagian besar

RINGKASAN SKRIPSI MODUL PERKALIAN

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

PENERAPAN ALGORITMA APRIORI UNTUK MEMPEROLEH ASSOCIATION RULE ANTAR ITEMSET BERDASARKAN PERIODE PENJUALAN DALAM SATU TRANSAKSI

BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR

BAB 4 HASIL DAN PEMBAHASAN

BAB II TINJAUAN PUSTAKA

3. Sebaran Peluang Diskrit

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BAB II TINJAUAN PUSTAKA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1. Distribusi Seragam Diskrit

BAB 2 TINJAUAN PUSTAKA

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus

CATATAN KULIAH RISET OPERASIONAL

PENGEMBANGAN BUKU KOMIK FISIKA POKOK BAHASAN NEWTON BERBASIS KONSTRUKTIVISME UNTUK MENINGKATKAN MOTIVASI BELAJAR SISWA

BAB 3 METODE PENELITIAN

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

BAB II LANDASAN TEORI

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

BAB II LANDASAN TEORI

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

FISIKA. Kelas X GETARAN HARMONIS K-13. A. Getaran Harmonis Sederhana

Aturan assosiatif biasanya dinyatakan dalam bentuk : {roti, mentega} {susu} (support = 40%, confidence = 50%)

BAB ELASTISITAS. Pertambahan panjang pegas

BAB III METODE PENELITIAN (BAHAN DAN METODE)

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB IV APLIKASI PADA MATRIKS STOKASTIK

SATUAN ACARA PERKULIAHAN ( SAP )

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure

BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR 1

Aplikasi diagonalisasi matriks pada rantai Markov

Assocation Rule. Data Mining

ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE

ASSOCIATION RULES PADA TEXT MINING

Analisis Varians = Analysis of Variance = ANOVA

Association Rule. Ali Ridho Barakbah

Solusi Pengayaan Matematika Edisi 16 April Pekan Ke-4, 2005 Nomor Soal:

ANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA)

BAB IV Solusi Numerik

- Persoalan nilai perbatasan (PNP/PNB)

K13 Revisi Antiremed Kelas 11 Kimia

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

BAB III METODE SCHNABEL

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

2.1 Bilangan prima dan faktorisasi prima

BAB 3 RUANG BERNORM-2

A 8 Penggunaan Algoritma T-Apriori* Untuk Pencarian Association Rule Pada Data Spatio-Temporal

Analisis Varians = Analysis of Variance = ANOVA

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

PENGARUH GAYA PADA SIFAT ELASTISITAS BAHAN

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

BAB 3 LANGKAH PEMECAHAN MASALAH

Kurikulum 2013 Kelas 11 Kimia

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si

BAB II TINJAUAN PUSTAKA. Turban mendefinisikan Decision Support System sebagai sekumpulan

ANALISIS DISKRIMINAN

BAB III METODE PENELITIAN (BAHAN DAN METODE)

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

3.1 TEOREMA DASAR ARITMATIKA

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

BAB 2 TINJAUAN PUSTAKA

TUGAS I RANCANGAN PERCOBAAN BAB I

BAB 2 LANDASAN TEORI

BAB III HASIL DAN PEMBAHASAN

OSN 2014 Matematika SMA/MA

SISTEM INFORMASI PEMBELIAN DAN PENJUALAN OBAT (Studi Kasus : Apotek Adi Cipta Parma Jl. Sirnarasa no.49 Cimahi) Oleh : Bella Hardiyana, S.

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK

Optimasi Non-Linier. Metode Numeris

KARAKTERISTIK POHON FUZZY

a. Integral Lipat Dua atas Daerah Persegi Panjang

BAB I PENDAHULUAN Latar Belakang

Neural Network menyerupai otak manusia dalam dua hal, yaitu:

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Transkripsi:

6 BAB II KONSEP DAN DEFINISI Pada bab ini aan dijelasan onsep dan definisi-definisi yang digunaan dalam metode pada penelitian ini. 2.1 DATA TRANSAKSI isalan = { 1, 2, 3,..., } adalah himpunan semua produ yang dijual oleh suatu swalayan. Di mana j adalah produ (item) e -j. Untu suatu transasi e-i nilai dari j adalah : ij ij = 1, jia item e-j dibeli pada transasi e-i = 0, jia item e-j tida dibeli pada transasi e-i dengan i = 1,2,..., N dan j = 1,2,..., Sehingga untu suatu database transasi dapat ditabulasian dalam bentu sebagai beriut : 6

7 Tabel 2.1. Format Data Transasi Item 1 2 Transasi 1 11 K 12 1 2 21 K 22 2 N N1 N 2 K N Contoh 1 : = { 1, 2, 3} 1= Roti, 2 = Keju 3= Susu Jia transasi 1 memuat item Roti dan eju tetapi tida memuat susu, maa nilai 11= 1, 12 = 1, 13 = 0. isal = { 1, 2, 3,..., } adalah himpunan semua item-item yang diamati dan A, B serta A B =, A dan B saling lepas (mutually elusive), A = { 1, 2,..., p }, B = ( 1, 2,..., q }, p q, p, q. Aturan asosiasi berbentu jia A maa B. Intepretasinya adalah jia seorang membeli item yang ada di A maa ia aan membeli item yang ada di B. Dari contoh 1, misalnya A = { 1, 2}, B = { 3}, maa aturannya jia seorang pelanggan membeli roti dan eju, maa ia aan membeli susu.

8 2.2 DEFINISI Beriut ini adalah definisi-definisi yang perlu dietahui dalam metode aidah asosiasi Definisi 1 transasi. Itemset adalah himpunan dari item-item yang terbeli pada suatu Contoh : {susu, roti}, {roti}, {susu roti eju} Definisi 2 -itemset adalah itemset yang memilii ardinalitas. contoh : { susu, roti, eju} = 3-itemset { roti, eju}=2-itemset isalan = { 1, 2, 3,..., } himpunan dari item dan A = {,,,..., } adalah sebuah -itemset, A,. 1 2 3 p Nilai dari suatu -itemset A = { 1, 2, 3,..., p } untu suatu transasi adalah {,,... } = 1, jia semua item yang ada di himpunan tersebut terjual pada trasasi e-i 1 2 p 1 442 4 43 = 0, jia paling tida satu item dari himpunan tersebut tida terjual pada transasi e-i

9 atau secara matematis nilai dari itemset A = { 1, 2, 3,..., p } untu suatu transasi e-i nilai dari suatu -itemset adalah : {,,,..., } = 1 2 3 p a λ ia ; λ = {indes pada A } Definisi 3 Sebuah itemset A diataan superset dari itemset B bila setiap anggota dari B adalah anggota A juga. Sebalinya B adalah subset dari A Contoh : A = { 1, 2, 3}, maa A superset dari itemset-itemset beriut : { 1, 2},{ 1, 3},{ 2, 3},{ 1},{ 2},{ 3} Definifisi 4 Itemset frequency adalah jumlah transasi yang berisi itemset tertentu isal A adalah itemset dan λ = { integer pada A }, maa: Itemset frequency (A) = N (1) ia i= 1 a λ Itemset frequency dapat juga diartian berapa ali item-item yang ada pada itemset tersebut terbeli secara bersamaan dalam suatu observasi. Itemset dibentu dari join antar item yang diamati. Untu lebih jelasnya dapat dijelasan pada Gambar 2.1 :

10 isalan ada lima buah item A, B, C, D, E, maa itemset yang terbentu adalah 1-itemset 2-itemset 3-itemset 4-itemset 5-itemset Gambar 2.1. Kemunginan Itemset yang Terbentu dari Lima Item Jadi, untu item sebanya, itemset yang terbentu adalah sebanya 1 2 3... i i= 1 C C C C C + + + + =.

11 Definifisi 5 Support dari suatu itemset A adalah proporsi dari ejadian semua item di himpunan A terbeli secara bersamaan. Dirumusan dengan itemset frequency( A) S( A) = total transasi 1 N ia i = 1 a λ = N (2) Dalam pemrosesannya, penelitian ini bertujuan untu memilih itemset yang sering dibeli oleh pelanggan (itemset yang frequent) dari sebanya Ci itemset yang terbentu. Oleh arena hal tersebut, diperluan suatu i = 1 indiator untu membedaan antara itemset yang frequent dan tida. Indiator yang dimasud adalah minimum support. Definifisi 6 inimum support adalah support minimum yang dicapai suatu itemset yang frequent. Nilai dari minimum support diberian oleh piha manajemen minimaret. Nilai dari minimum support berbeda untu tiap minimaret atau supermaret

12 Definifisi 7 Suatu itemset A diataan frequent jia dan hanya jia memilii support lebih besar dari minimum support. 1 N ia N i = 1 a λ S( A) minimum support minimum support