Pembentukan Minimal Non-Redundant Association
advertisement
12 mining minimal non-redundant association rules tidak terlihat. Meskipun begitu, mining minimal nonredundant association rules mampu menghasilkan aturan asosiasi yang mengandung informasi lebih banyak yang tidak dihasilkan oleh aplikasi penelitian sebelumnya (Widodo 2004). Terbentuknya aturan asosasi tersebut merupakan keunggulan lain yang dimiliki mining minimal nonredundant association rules. Berdasarkan hasil perbandingan, mining minimal non-redundant association rules memiliki keunggulan dibandingkan mining association rules pada penelitian sebelumnya (Widodo 2004). Keunggulan dalam waktu eksekusi, penggunaan sumberdaya komputasi dan hasil aturan asosiasi yang dihasilkan. Pada penelitian ini, keunggulan mining non-redundant association rules hanya terlihat pada proses pembentukan minimal nonredundant association rules saja. Algoritma Close tidak memperlihatkan keunggulannya karena sifat data transaksi yang tidak padat dan berkorelasi lemah. menghasilkan aturan asosiasi yang tidak berulang dengan anteseden yang minimal dan konsekuen yang maksimal, 2 menghasilkan aturan asosasi yang lebih banyak mengandung informasi dari basis data. Jika dihasilkan aturan asosiasi 001 → 003 (mie instant → susu) maka akan dihasilkan juga aturan asosasi 003 → 001 (susu → mie instant) dengan informasi nilai support yang sama tetapi nilai confidence yang berbeda, 3 efisiensi terhadap waktu eksekusi dan penggunaan sumberdaya komputasi. Waktu eksekusi pembentukan aturan asosiasi tercepat adalah 2 detik yang terjadi pada nilai minsup terbesar, yaitu 5 % sedangkan waktu eksekusi paling lama sekitar 43 detik terjadi pada nilai minsup terkecil, yaitu 0,5 %. Data transaksi dalam penelitian ini memiliki sifat data yang tidak padat dan berkorelasi rendah, sehingga algoritma Close membutuhkan waktu eksekusi lebih lama. Semakin kecil nilai minsup, maka semakin lama waktu yang dibutuhkan untuk membentuk generators dan frequent closed itemsets. KESIMPULAN DAN SARAN Saran Aplikasi mining minimal non-redundant association rules yang telah dihasilkan dapat dicobakan dengan menggunakan data yang bersifat padat dan memiliki korelasi tinggi, sehingga mining minimal non-redundant association rules dapat memperlihatkan keunggulannya. Aplikasi mining minimal non-redundant association rules yang telah dihasilkan, dapat dikembangkan dengan menggunakan algoritma lain untuk membentuk generators dan frequent closed itemsets yang lebih sedikit pada data yang bersifat jarang. Kesimpulan Penelitian ini menerapkan teknik minimal non-redundant association rules mining menggunakan generators dan frequent closed itemsets untuk membentuk aturan asosisi yang tidak berulang. Algoritma Close menggunakan teknik pruning terhadap closed itemset lattice, untuk membentuk generators dan frequent closed itemsets. Minimal non-redundant association rules mining menghasilkan aturan asosiasi yang mengandung informasi lebih banyak dibandingkan dengan mining association rules. Pada penelitian ini, mining minimal nonredundant association rules mampu menghasilkan aturan asosiasi 003, 009 → 008 (susu, pelengkap roti → snack) dengan nilai support 0,7 % dan confidence 78,67 % untuk nilai minsup 0,5 % dan mincof 75 % sedangkan mining association rules tidak menghasilkan aturan tersebut. Berdasarkan hasil penelitian, dapat dinyatakan keunggulan minimal nonredundant association rules mining sebagai berikut: 1 DAFTAR PUSTAKA Bastide Y, Pasquier N, Taouil Lakhal L. 2000. Mining Redundant Association Frequent Closed Itemsets. Pascal University. R, Stumme G, Minimal NonRules using France: Blaise Godin R, Missaoui R, Alaoui H. 1995. Incremental Concept Formation Algorithms based on Galois (Concept) Lattices. Computational Intelligence: 246267.