PEMBUATAN PROTOTYPE PERANGKAT LUNAK DATA MINING BERBASIS WEB UNTUK PENGGALIAN KAIDAH ASOSIASI (MINING ASSOCIATION RULES) BERDASARKAN ALGORITMA APRIORI MENGGUNAKAN PHP

Tomi Listiawan


DOI: https://doi.org/10.29100/insp.v8i15.3

Abstract


Ketersediaan data dari suatu database transaksional, telah mendorong pengembangan teknik-teknik yang secara otomatis dapat menemukan asosiasi produk atau item-item yang tersimpan dalam database. Teknik penemuan aturan asosiasi antar produk yang tersimpan dalam database inilah yang dikenal dengan teknik mining association rules. 

   Banyak teori dan algoritma yang dikembangkan untuk melakukan teknik mining association rules. Salah satu algoritma yang dikembangkan adalah Apriori. Metode atau algoritma apriori ini mempunyai tujuan utama untuk mencari maksimal frequent itemset. Frequent itemset inilah yang selanjutnya di-generate menjadi aturan-aturan asosiatif, yang sebelumnya sama sekali tidak muncul dalam database, menjadi suatu informasi berharga untuk bahan pertimbangan proses pengambilan keputusan.

Algoritma apriori yang merupakan interpretasi teknik mining association rules, akan di implementasikan dalam suatu perangkat lunak berbasis web. Perangkat lunak ini dibuat dengan menggunakan seperangkat komputer  berprosesor Intel Celeron 1,86GHz, memori 512 MHz, dan dengan kapasitas hardisk 80 GB. Software (perangkat lunak) yang digunakan meliputi software desain web Macromedia Dreamweaver, pengolah database MySQL, webserver Apache, browser Mozilla Firefox, bahasa pemrograman PHP, serta editor PHPEdit-06.

Pada uji coba perangkat lunak yang diterapkan pada beberapa data yang berbeda, diperoleh suatu kesimpulan bahwa waktu yang diperlukan untuk proses penggalian kaidah asosiasi sangat tergantung pada jumlah kemunculan setiap item pada transaksi, jumlah transaksi, minimum support, dan minimum confidence. Sedangkan semakin kecil nilai minimum support dan minimum confidence yang dimasukkan, maka aturan asosiasi yang dihasilkan akan semakin banyak, demikian pula sebaliknya.


Article Metrics :