Watch and Learn ! : 2016

Algoritma Apriori adalah algoritma paling terkenal untuk menemukan pola frekuensi tinggi. Pola frekuensi tinggi adalah pola-pola item di dalam suatu database yang memiliki frekuensi atau support di atas ambang batas tertentu yang disebut dengan istilah minimum support.

Pola frekuensi tinggi ini digunakan untuk menyusun aturan assosiatif dan juga beberapa teknik data mining lainnya.

Algoritma Apriori dibagi menjadi beberapa tahap yang disebut iterasi atau pass. Tiap iterasi menghasilkan pola frekuensi tinggi dengan panjang yang sama dimulai dari pass pertama yang menghasilkan pola frekuensi tinggi dengan panjang satu. Di iterasi pertama ini, support

dari setiap item dihitung dengan men-scan database. Setelah support dari setiap item didapat, item yang memiliki support diatas minimum support dipilih sebagai pola frekuensi tinggi dengan panjang 1 atau sering disingkat 1-itemset. Singkatan k-itemset berarti satu set yang terdiri dari k item.

Iterasi kedua menghasilkan 2-itemset yang tiap set-nya memiliki dua item. Pertama dibuat kandidat 2-itemset dari kombinasi semua 1-itemset. Lalu untuk tiap kandidat 2-itemset ini dihitung support-nya dengan men-scan database. Support disini artinya jumlah transaksi

dalam database yang mengandung kedua item dalam kandidat 2-itemset. Setelah support dari semua kandidat 2-itemset didapatkan, kandidat 2-itemset yang memenuhi syarat minimum support dapat ditetapkan sebagai 2-itemset yang juga merupakan pola frekuensi tinggi dengan panjang 2.

Untuk selanjutnya pada iterasi ke-k dapat dibagi lagi menjadi beberapa bagian :

Pembentukan kandidat itemset, Kandidat k-itemset dibentuk dari kombinasi (k-1)-itemset yang didapat dari iterasi sebelumnya. Satu ciri dari algoritma Apriori adalah adanya pemangkasan kandidat k-itemset yang subset-nya yang berisi k-1 item tidak termasuk dalam pola frekuensi tinggi dengan panjang k-1.
Penghitungan support dari tiap kandidat k-itemset. Support dari tiap kandidat k-itemset didapat dengan men-scan database untuk menghitung jumlah transaksi yang memuat semua item di dalam kandidat k-itemset tsb. Ini adalah juga ciri dari algoritme Apriori dimana diperlukan penghitungan dengan scan seluruh database sebanyak k-itemset terpanjang.
Tetapkan pola frekuensi tinggi. Pola frekuensi tinggi yang memuat k item atau k-itemset ditetapkan dari kandidat k-itemset yang support-nya lebih besar dari minimum support.
Bila tidak didapat pola frekuensi tinggi baru maka seluruh proses dihentikan. Bila tidak, maka k ditambah satu dan kembali ke bagian 1.

Pada contoh kali ini menggunakan dataset titanic.raw.data untuk mengetahui itemset dari yang selamat sebagai pola frequent tertinggi

1. Load titanic raw data pada jendela R Studio

2. Untuk melihat sampel dari dataset

3. Melihat summary

4. Install library yang dibutuhkan untuk

Klo blm ada cek disini, jika muncul tulisan error in library, maka langsung download dari packages

5. Buat apriori dari titanic.raw dgn variabel aturan.semua

6. Untuk melihat hasil dari apriori variabel aturan.semua

7. Buat variabel aturan yang berisi apriori menggunakan parameter dari survived dgn nilai minimal lenght 2, min support 0.005 dan min confident 0.8

8. Untuk membulatkan 3 angka dibelakang koma

Mengecek

9. Mengurutkan nilai lift di variabel aturan

Cek

10. Untuk melihat nilai confidence 1(yg pasti) yang diambil dari array 1&2 yg nilai confidence nya 1 (sudah pasti yg selamat)

11. Dari aturan.urut ditata vertikal dan horizontal

12. Untuk melihat hasilnya ketik view(subset.matrix)

13. Untuk cek, jd untuk menyamakan rules secara horizontal dan vertikal, jd misal rules vertikal (class=2nd,age=chils,survived=yes) sama kayak yg horizontal berarti nilainya bakal TRUE