BAB I PENDAHULUAN 1.1 Latar Belakang Penggunaan data

BAB I
PENDAHULUAN
1.1
Latar Belakang
Penggunaan data mining ditujukan untuk menemukan pola-pola baru dan berguna
dari sekumpulan data yang ada. Salah satu fungsionalitas dalam data mining adalah
fungsionalitas asosiasi yang digunakan untuk menghasilkan rule asosiasi. Penemuan rule
asosiasi yang dilakukan pada [1],[2] lebih difokuskan pada penggalian rule asosiasi pada
konsep satu level dengan melibatkan data yang tersimpan di basis data yang biasa disebut
primitive level concept.
Pada penemuan rule asosiasi pada konsep satu level sangat susah untuk
menemukan rule asosiasi yang benar-benar kuat dan menarik pada primitive level concept
karena strong association dengan support yang tinggi, sering muncul pada konsep level
atas, daripada di konsep level bawah. Contohnya pada asosiasi antara bar-code, karena
untuk tiap data item rata-rata kemunculannya relatif kecil sehingga item seperti ini tidak
akan muncul dalam penemuan frequent itemset dikarenakan support-nya yang kecil.
Selain itu, penemuan rule asosiasi pada konsep satu level menggunakan satu minimum
support yang jika ditetapkan terlalu rendah akan mengakibatkan muncul banyak rule
yang tidak berarti. Sebaliknya, jika menetapkan batasan minimum support terlalu tinggi
akan mengakibatkan kehilangan rule-rule yang berarti.
Untuk memenuhi kebutuhan tersebut, dibutuhkan sebuah metode yang dapat
digunakan untuk menemukan rule asosiasi multi-level yang tidak hanya menemukan rule
pada konsep multi-level tetapi juga mampu menemukan rule asosiasi yang benar-benar
informatif. Salah satu metode yang dapat digunakan untuk penemuan rule asosiasi multilevel adalah metode top-down progressive deepening yang tidak hanya menemukan rule
pada level yang berbeda tetapi juga rule asosiasi yang berguna karena kefleksibelannya
dalam pemusatan perhatian pada kumpulan data yang berbeda dan penggunaan threshold
yang bervariasi untuk level yang berbeda dengan memanfaatkan konsep hirarki untuk
mendefinisikan urutan pemetaan dari sekumpulan konsep level rendah (low-level
concept) sampai level yang lebih tinggi (higher-level concept / konsep yang lebih umum).
1
2
Metode ini akan diimplementasikan menggunakan algoritma ML-T2L1 yang mewarisi
beberapa teknik optimasi yang digunakan pada penemuan rule asosiasi [4].
1.2
Perumusan Masalah
Dengan mengacu pada latar belakang masalah di atas, maka permasalahan yang
akan dibahas dan diteliti adalah :
1.
Bagaimana menerapkan metode top-down progressive deepening pada algoritma
ML-T2L1 untuk menghasilkan frequent pattern yang di dalamnya terdapat itemitem yang didefinisikan dalam konsep hirarki, yang kemudian akan menghasilkan
association rule yang diinginkan.
2.
Menganalisa keluaran perangkat lunak yang meliputi frequent itemset dan rule
asosiasi.
1.3 Tujuan
Tujuan dari pengerjaan tugas akhir ini adalah :
1. Menghasilkan sebuah perangkat lunak untuk
mengimplementasikan metode top-
down progressive deepening pada algoritma ML-T2L1 untuk kepentingan analisis.
2. Melakukan pengujian pada data transaksi dan menganalisa hasil implementasi yang
berupa frequent itemset dan rule asosiasi
1.4 Batasan Masalah
Batasan masalah untuk tugas akhir ini adalah sebagai berikut :
1. Data masukan adalah basis data transaksi.
2. Data input telah melalui proses pre-processing.
3. Konsep hirarki telah disediakan sebelumnya yang biasanya terdapat dalam tabel
deskripsi item.
4. Parameter – parameter yang digunakan untuk menganalisa keluaran yaitu : penentuan
minimum support terhadap waktu proses, penentuan minimum support terhadap
jumlah frequent itemset yang dihasilkan, penentuan minimum confidence terhadap
jumlah rule asosiasi yang dihasilkan, pengaruh penentuan minimum confidence
3
terhadap rule asosiasi yang dihasilkan, pengaruh penambahan jumlah transaksi
terhadap waktu proses.
1.5 Metode Penyelesaian Masalah
Metode yang digunakan dalam penyelesaian tugas akhir ini :
1. Mencari informasi dengan studi pustaka dan referensi dari berbagai sumber seperti
artikel, informasi dari buku maupun internet.
2. Mempelajari konsep metode top-down progressive deepening pada algoritma MLT2L1 yang akan digunakan dalam implementasi perangkat lunak
3. Melakukan analisis penerapan metode top-down progressive deepening pada
algoritma ML-T2L1 dalam perancangan perangkat lunak
4. Melakukan implementasi perancangan perangkat lunak
5. Melakukan pengujian perangkat lunak dengan memasukkan data yang akan
dievaluasi serta mencatat hasil keluaran program
6. Pengambilan kesimpulan dan penyusunan laporan tugas akhir.
1.6
Sistematika Penulisan
Tugas Akhir ini disusun dengan sistematika pembahasan sebagai berikut :
BAB I
PENDAHULUAN
Bab ini memaparkan latar belakang dilakukannya penelitian, perumusan
masalah yang akan dibahas, pembatasan masalah, tujuan yang ingin dicapai
melalui penelitian ini, metode penyelesaian masalah dan sistematika
pembahasan.
BAB II
DASAR TEORI
Bab ini berisi penjelasan mengenai data mining, asosiasi multi-level, dan
konsep metode top-down progressive deepening.
BAB III
ANALISA DAN PERANCANGAN SISTEM
Bab ini menguraikan tentang tahapan yang dilakukan untuk membangun
perangkat lunak sebagai pembantu dalam mendapatkan data untuk proses
analisa, alur kerja (work flow) dari perangkat lunak yang dibuat, bagaimana
keterhubungan antar objek dan kelas-kelas yang terbentuk.
4
BAB IV IMPLEMENTASI DAN HASIL PENGUJIAN
Bab ini menyajikan Berisi tentang implementasi hasil analisa dan perancangan
sistem ke dalam bentuk pemrograman aplikasi. Melakukan pengujian terhadap
aplikasi menggunakan kasus yang sederhana.
BAB V
KESIMPULAN DAN SARAN
Berisi kesimpulan dari hasil penelitian tugas akhir ini serta saran-saran untuk
pengembangan lebih lanjut.