Analisis Keranjang Belanja dengan Algoritma Apriori Klasik pada Data Mining

Putra, Tri Dharma (2020) Analisis Keranjang Belanja dengan Algoritma Apriori Klasik pada Data Mining. Universitas Bhayangkara Jaya.

[img] Text (Plagiarism checker)
6.PCX - Report _Tri Dharma Putra Apriori_JKI2_tayang.pdf

Download (260kB)

Abstract

Association Rule Mining is an area of data mining that focus on pruning candidate keys, to find frequent item set. For example, a set of items, such as milk and bread, that appear frequently together in a transaction data set is a frequent itemset. A subsequence, such as buying first PC, then a digital camera, and then a memory card, if it occurs frequently in a shopping history database, is a (frequent) sequential pattern, also knwon as market basket analysis. This paper describes the step by step classical apriori on market basket analysis. Keywords: apriori algorithm, frequent item set, market basket analysis, association rule Abstrak Penambangan Aturan Asosiasi adalah area data mining yang fokus pada pemangkasan kunci kandidat, untuk menemukan frequent itemset. Sebagai contoh, satu set item, misalnya susu dan roti, yang muncul sering bersama-sama di set data transaksi adalah frequent itemset. Berikutnya, pelanggan, misalnya membeli PC dahulu, lalu kamera digital, lalu kartu memori, jika ini sering terjadi dalam riwayat basisdata belanja, adalah pola sekuensial berurutan (sering), juga dikenal sebagai analisis keranjang belanja. Tulisan ini menjelaskan langkah demi langkah algoritma apriori klasik pada analisis keranjang belanja. Kata kunci: algoritma apriori, frequent itemset, analisis keranjang belanja, aturan asosiasi

Item Type: Other
Subjects: Teknologi dan Ilmu Terapan > Teknik Informatika
Divisions: Fakultas Teknik > Teknik Informatika
KODE PRODI: Informatika
Creators:
CreatorsNIM/NIDN
Putra, Tri Dharma0302117101
Depositing User: Tri Dharma Putra
Date Deposited: 22 Dec 2020 06:44
Last Modified: 22 Dec 2020 06:44
URI: http://repository.ubharajaya.ac.id/id/eprint/6361

Actions (login required)

View Item View Item