Professional Documents
Culture Documents
TUGAS DATA MINING Nadya
TUGAS DATA MINING Nadya
TUGAS DATA MINING Nadya
(201755202028)
transaks
i A B C D E F G H I
1 0 0 1 1 1 0 0 0 0
2 2 0 0 0 0 1 0 0 0
3 0 1 0 1 0 1 1 0 0
4 0 0 1 1 1 0 1 0 0
5 1 1 1 0 0 0 0 1 0
6 1 1 0 0 0 1 1 0 0
7 0 0 1 1 0 0 1 0 0
8 0 0 1 0 0 0 1 1 0
9 1 0 0 0 0 1 0 0 1
10 0 1 0 1 0 0 0 0 1
5 4 5 5 2 4 5 2 2
5. Φ=3, maka kita dapat menentukan frekuen item set. Dari tabel diatas diketahui total ϕ
untuk transaksi k=1, semuanya lebih besar dari ϕ. Maka :
F1={{A},{B},{C},{D},{F},{G}}
Untuk k=2 (2 unsur), diperlukan tabel untuk tiap – tiap pasang item. Himpunan yang
mungkin terbentuk adalah :
{{A,B},{A,C},{A,D},{A,F},{A,G},{B,C},{B,D},{B,F},{B,G},{C,D},{C,F},{C,G},
{D,F},{D,G},{F,G}}.
Tabel – tabel untuk calon 2 item set :
T A B f T A C f T A D f
1 0 0 S 1 0 1 S 1 0 1 S
2 2 0 S 2 2 0 S 2 2 0 S
3 0 1 S 3 0 0 S 3 0 1 S
4 0 0 S 4 0 1 S 4 0 1 S
5 1 1 P 5 1 1 P 5 1 0 S
6 1 1 P 6 1 0 S 6 1 0 S
7 0 0 S 7 0 1 S 7 0 1 S
8 0 0 S 8 0 1 S 8 0 0 S
9 1 0 S 9 1 0 S 9 1 0 S
10 0 1 S 10 0 0 S 10 0 1 S
Ʃ 2 Ʃ 1 Ʃ 0
T A F f T A G f T B C f
1 0 0 S 1 0 0 S 1 0 1 S
2 2 1 P 2 2 0 S 2 0 0 S
3 0 1 S 3 0 1 S 3 1 0 S
4 0 0 S 4 0 1 S 4 0 1 S
5 1 0 S 5 1 0 S 5 1 1 P
6 1 1 P 6 1 1 P 6 1 0 S
7 0 0 S 7 0 1 S 7 0 1 S
8 0 0 S 8 0 1 S 8 0 1 S
9 1 1 P 9 1 0 S 9 0 0 S
10 0 0 S 10 0 0 S 10 1 0 S
Ʃ 3 Ʃ 1 Ʃ 1
T B D f T B F f T B G f
1 0 1 S 1 0 0 S 1 0 0 S
2 0 0 S 2 0 1 S 2 0 0 S
3 1 1 P 3 1 1 P 3 1 1 P
4 0 1 S 4 0 0 S 4 0 1 S
5 1 0 S 5 1 0 S 5 1 0 S
6 1 0 S 6 1 1 P 6 1 1 P
7 0 1 S 7 0 0 S 7 0 1 S
8 0 0 S 8 0 0 S 8 0 1 S
9 0 0 S 9 0 1 S 9 0 0 S
10 1 1 P 10 1 0 S 10 1 0 S
Ʃ 2 Ʃ 2 Ʃ 2
T C D f T C F f T C G f
1 1 1 P 1 1 0 S 1 1 0 S
2 0 0 S 2 0 1 S 2 0 0 S
3 0 1 S 3 0 1 S 3 0 1 S
4 1 1 P 4 1 0 S 4 1 1 P
5 1 0 S 5 1 0 S 5 1 0 S
6 0 0 S 6 0 1 S 6 0 1 S
7 1 1 P 7 1 0 S 7 1 1 P
8 1 0 S 8 1 0 S 8 1 1 P
9 0 0 S 9 0 1 S 9 0 0 S
10 0 1 S 10 0 0 S 10 0 0 S
Ʃ 3 Ʃ 0 Ʃ 3
T D F f T D G f T F G f
1 1 0 S 1 1 0 S 1 0 0 S
2 0 1 S 2 0 0 S 2 1 0 S
3 1 1 P 3 1 1 P 3 1 1 P
4 1 0 S 4 1 1 P 4 0 1 S
5 0 0 S 5 0 0 S 5 0 0 S
6 0 1 S 6 0 1 S 6 1 1 P
7 1 0 S 7 1 1 P 7 0 1 S
8 0 0 S 8 0 1 S 8 0 1 S
9 0 1 S 9 0 0 S 9 1 0 S
10 1 0 S 10 1 0 S 10 0 0 S
Ʃ 1 Ʃ 3 Ʃ 2
6. Jumlah frekuensi item set harus lebih besar atau sama dengan jumlah frekuensi item set Ʃ
>= ϕ. Dari tabel di atas maka didapat :
F2={{A,F},{C,D},{C,G},{D,G}}
Kombinasi dari item set F2 dapat kita gabungkan menjadi calon 3-itemset. Untuk k=3,
himpunan yang mungkin terbentuk adalah : F3={C,D,G}
T C D G f
1 1 1 0 S
2 0 0 0 S
3 0 1 1 S
4 1 1 1 P
5 1 0 0 S
6 0 0 1 S
7 1 1 1 P
8 1 0 1 S
9 0 0 0 S
10 0 1 0 S
Ʃ 2
Dari tabel diatas didapat F3={ }, karena tidak ada Ʃ >= ϕ sehingga F4, F5, F6, F7 juga
merupakan himpunan kosong.
7. Rule yang dipakai adalah if x then y, dari langkah 6 diperoleh 1 buah Fk yaitu F2.
8. Menentukan (ss-s) antecedent dan s sebagai consequent dari Fk diatas. Maka :
F2={{A,F},{C,D},{C,G},{D,G}}
Maka dapat disusun :
Untuk {A, F}
- Jika (ss-s) = A, jika s = F, Maka If buy A then buy F
- Jika (ss-s) = F, jika s = A, Maka If buy F then buy A
Untuk {C, D}
- Jika (ss-s) = C, jika s = D, Maka If buy C then buy D
- Jika (ss-s) = D, jika s = C, Maka If buy D then buy C
Untuk {C, G}
- Jika (ss-s) = C, jika s = G, Maka If buy C then buy G
- Jika (ss-s) = G, jika s = C, Maka If buy G then buy C
Untuk {D, G}
- Jika (ss-s) = D, jika s = G, Maka If buy D then buy G
- Jika (ss-s) = G, jika s = D, Maka If buy G then buy D
9. Kita mendapatkan 8 rule, yaitu :
- If buy A then buy F
- If buy F then buy A
- If buy C then buy D
- If buy D then buy C
- If buy C then buy G
- If buy G then buy C
- If buy D then buy G
- If buy G then buy D
10. Langkah selanjutnya yaitu membuat tabel kandidat dan menentukan support dan
confidence :
If antecdent then consequent support confidence
If buy A then buy F 30% 60%
If buy F then buy A 30% 75%
If buy C then buy D 30% 60%
If buy D then buy C 30% 60%
If buy C then buy G 30% 60%
If buy G then buy C 30% 60%
If buy D then buy G 30% 60%
If buy G then buy D 30% 60%
11. Setelah didapat support dan confedence, lakukan perkalian antara keduanya dimana
diambil >=65% confidence, sehingga :
12. Pilih hasil perkalian yang terbesar, maka itulah yang merupakan rule yang dipakai pada
saat menjual. Karena hasil perkalian hanya terdapat 1, maka itulah yang bisa dijadikan
rule.
- Jika membeli F maka akan membeli A dengan support 30% dan confidence 75%