F
requent pattern
mining
memegang peranan penting pada proses
Association
Rule Mining
. Namun
frequent pattern
mining
seringkali menghasilkan sejumlah
besar
fre
quent itemsets
dan
rule
, sehingga mengurangi efisiensi dan keefektifan
dari proses
mining
karena
user
harus menyaring sejumlah besar
rule
hasil
mining
untuk
menemukan
rule
yang penting
[7]
.
Hasil dari
association rule mining
dapat
digunakan
un
tuk memahami
pola
yang
terjadi sehingga membantu dal
am proses
pengambilan keputusan
.
Minimum support merupakan jumlah kemunculan
minimum suatu item dalam basis data yang telah ditentukan oleh user
.
Penggunaan
min
imum
sup
port
sama (tunggal) untuk semua
item
secara
impli
sit
mengasumsikan bahwa semua
item
pa
da
basis data
memiliki sifat dan
frekuensi
yang sama. Padahal pada kenyataannya,
item
yang berbeda memiliki kriteria
yang
berbeda dengan mempertimbangkan
kepentingannya.
Untuk itu, dalam penelitian
ini akan digunakan al
goritma
Conditonal Frequent Pattern Growth++
(
CFP
Growth++)
.
C
FP
Growth++
merupakan algoritma yang
digunakan untuk
menggambarkan
pola keterkaitan antar item
pada proses
association rule mining
.
Penelitian ini menerapkan struktur
MIS
tree
u
ntuk men
cari
freq
uent itemsets
dengan mengguna
kan
multiple minimum support
.
MIS
tree
adalah struktur pohon
yang dikembangkan serupa dengan struktur
FP
tree
.
Hasil penelitian
menunjukkan bahwa
association rule mining
dengan menggunakan algoritma
CFP
Growth++
mampu menghasil
kan sejumlah
rule
yang menyertakan
item
sering dan
item
jarang di dalam basis data transaksi Data Mining , Association Rule Mining , CFP - Growth++ , Frequent Itemsets , Multiple Minimum Support .