Penerapan Data Mining Menggunakan Algoritma Apriori Untuk Menentukan Pola Golongan Penyandang Masalah Kesejahteraan Sosial

Abstract

Penyandang Masalah Kesejahteraan Sosial (PMKS) menjadi satu dari sekian masalah yang terdapat di daerah perkotaan, sebab dapat mengganggu pembangunan kota, ketertiban umum, keamanan dan stabilitas. Sejauh ini langkah yang dilakukan sementara masih terfokus dengan cara penanganan PMKS, masih belum mengarah untuk mencegah. Menentukan pola golongan PMKS merupakan salah satu cara yang dapat dilakukan. Algoritma Apriori memiliki fungsi untuk membantu menemukan pola yang terdapat pada data (frequent pattern mining) untuk menentukan frequent itemset yang menggunakan metode Association Rule dalam data mining. Dalam penghitungan secara manual yang dilakukan maka didapat pola kombinasi antara lain 3 rules yang memiliki nilai minimum support 15% dengan confidence tertinggi 100% menggunakan Algoritma Apriori. Dalam menguji Algoritma Apriori digunakan aplikasi RapidMiner. RapidMiner merupakan satu dari beberapa software pengolah data mining, misalnya menganalisis teks, mengekstrak pola data set kemudian dikombinasikan menggunakan metode statistik, database, dan kecerdasan buatan agar didapat informasi yang tinggi berasal dari olahan data. Hasil yang didapat dari pengujian perbandingan pola antar golongan PMKS. Dari pengujian menggunakan aplikasi RapidMiner dan penghitungan secara manual Algoritma Apriori, maka disimpulkan dengan kriteria pengujian, bahwa pola (rules) golongan dengan nilai confidence (c) penghitungan manual Algoritma Apriori dapat dibilang tidak mendekati hasil pengujian aplikasi RapidMiner, maka dapat dikatakan tingkat keakuratan pengujian rencah, hanya 37,5%.

Using a Partition System to Improve the Performance of the Apriori Algorithm in Speeding Up Itemset Frequency Search Process

“…Prinsip metode apriori adalah jika suatu itemset sering muncul (frequent), maka semua subset dari itemset tersebut juga harus sering muncul dalam suatu dataset [1]. Pada algoritma ini calon (k+1)-itemset dihasilkan oleh penggabungan dua itemset pada domain atau ukuran k. Calon (k+1)itemset yang mengandung frekuensi subset yang jarang muncul atau dibawah threshold akan dipangkas dan tidak dipakai dalam menentukan aturan asosiasi [2], [3]. Sesuai dengan aturan asosiasi, algoritma apriori juga menggunakan minimum support dan minimum confidence untuk menentukan aturan itemset, mana yang sesuai untuk digunakan dalam pengambilan keputusan dan menetapkan kebijakan [4].…”

Penerapan Algoritma Apriori Dalam Menganalisis Pola Minat Beli Konsumen Di Coffee Shop

“…Dengan menggunakan Python, kita dapat memanipulasi, membersihkan, dan menganalisis dataset kopi dengan mudah. Selain itu, Python juga menyediakan berbagai library yang berguna untuk analisis data seperti 'NumPy', 'Pandas', dan 'Matplotlib', yang akan membantu kita dalam memahami dan memvisualisasikan hubungan antara variabel-variabel terkait [15]. Data Mining menjadi sebuah metode yang cukup kategoris untuk direkomendasikan dalam penyelesaian masalah terhadap penjualan produk makanan dan minuman, terlebih Algoritma Apriori [16].…”

Analisis Untuk Memprediksi Stok Aset Di Pt. Xyz Menggunakan Algoritma Apriori

“…Data Mining adalah studi tentang kumpulan data untuk menemukan koneksi yang tidak terduga dan meringkas data dengan membedakan data sebelumnya dengan cara yang dapat dimengerti dan membantu pemilik data [12].…”