Simulasi Data - METODE PENELITIAN - penerapan data mining untuk analisis pola pembelian

BAB III METODE PENELITIAN

3.6 Simulasi Data

Penulis akan melakukan simulasi data secara manual dan menggunakan aplikasi Ms. Excel untuk menerapkan algoritma Apriori pada data transaksi pembelian di Toko Diengva.

3.6.1 Data Transaksi

Pada simulasi ini data yang digunakan hanyalah tujuh sampel data dan bukan seluruh data. Berikut ini adalah data yang akan digunakan pada simulasi :

Tabel 3.1 Data Transaksi

Transaksi Item

1 Serum Bioaqua, HN Cream, Pensil Alis, Soflen, Air Soflen 2 Set Rantang, Soflen, Air Soflen

3 Tumbler, Air Soflen, Soflen 4 Soflen, Theraskin, Pensil Alis 5 Parfum, Air Soflen, Dolby 6 Air Soflen, Dolby, Temulawak

7 HN Cream, Pensil Alis, Dolby, Sepatu, Lipstik

Berdasarkan tabel transaksi diatas maka didapat tabel representasi data berupa item yang ada pada transaksi tersebut yaitu :

Tabel 3.2 Representasi Data Transaksi

Transaksi Item

1 Serum Bioaqua

1 HN Cream

1 Pensil Alis

1 Soflen

1 Air Soflen 2 Set Rantang

2 Soflen

2 Air Soflen

3 Tumbler

3 Air Soflen

3 Soflen

4 Soflen

4 Theraskin 4 Pensil Alis

5 Parfum

5 Air Soflen

5 Dolby

6 Air Soflen

6 Dolby

6 Temulawak

7 HN Cream

7 Pensil Alis

7 Dolby

7 Sepatu

7 Lipstik

3.6.2 Bentuk Tabular Data Transaksi

Selanjutnya apabila dibuat ke dalam bentuk tabular, data transaksi diatas akan terlihat seperti Tabel 3.3.

Tabel 3.3 Bentuk Tabular Data Transakasi

Item Transaksi

1 2 3 4 5 6 7 ∑ Serum Bioaqua (A) 1 0 0 0 0 0 0 1

HN Cream (B) 1 0 0 0 0 0 1 2

Pensil Alis (C) 1 0 0 1 0 0 1 3

Soflen (D) 1 1 1 1 0 0 0 4

Air Soflen (E) 1 1 1 0 1 1 0 5

Set Rantang (F) 0 1 0 0 0 0 0 1

Tumbler (G) 0 0 1 0 0 0 0 1

Theraskin (H) 0 0 0 1 0 0 0 1

Parfum (I) 0 0 0 0 1 0 0 1

Dolby (J) 0 0 0 0 1 1 1 3

Temulawak (K) 0 0 0 0 0 1 0 1

Sepatu (L) 0 0 0 0 0 0 1 1

Lipstik (M) 0 0 0 0 0 0 1 1

3.6.3 Pembentukan 1 Itemset

Berikut ini adalah pembentukan 1 itemset berdasarkan bentuk tabular data transaksi diatas. Dimana pembentukkan 1 itemset bertujuan untuk mengetahui nilai support dari masing-masing item dalam transaksi yang ada. Proses pembentukan 1 itemset dilakukan menggunakan persamaan (2.1) yaitu:

Support (A) = × 100%

Tabel hasil pembentukan 1 itemset dari bentuk data tabular pada Tabel 3.3 dapat dilihat pada Tabel 3.4.

Tabel 3.4 Hasil Pembentukan 1 Itemset Nama Jumlah Support Serum Bioaqua (A) 1 14,29%

HN Cream (B) 2 28,57%

Pensil Alis (C) 3 42,86%

Soflen (D) 4 57,14%

Air Soflen (E) 5 71,43%

Set Rantang (F) 1 14,29%

Tumbler (G) 1 14,29%

Theraskin (H) 1 14,29%

Parfum (I) 1 14,29%

Dolby (J) 3 42,86%

Temulawak (K) 1 14,29%

Sepatu (L) 1 14,29%

Lipstik (M) 1 14,29%

Setelah terbentuk nilai support dari setiap item maka analis dapat menentukan nilai minimum support (frekuensi kemunculan item) yang akan digunakan, (Kusrini &

Luthfi, 2009). Berdasarkan tabel hasil pembentukkan 1 itemset maka penulis menentukan nilai minimum support yang digunakan adalah 40%. Dimana item yang memenuhi nilai minimum support adalah Pensil Alis (C), Soflen (D), Air Soflen (E), dan Dolby (J).

3.6.4 Pembentukan 2 Itemset

Berdasarkah hasil pembentukkan 1 itemset diatas terdapat 4 item yang lebih besar dari nilai minimum support. Maka himpunan dari kombinasi 2 itemset yang mungkin terbentuk adalah sebagai berikut:

{C,D}, {C,E}, {C,J}, {D,E}, {D,J},

{E,J}

Berdasarkan himpunan tersebut dapat dibentuk tabel untuk calon 2 itemset, dimana:

T = Transaksi f = frekuensi

p = barang yang dibeli secara bersamaan s = barang yang dibeli secara terpisah

Tabel 3.5 Tabel Calon 2 Itemset

{C,D} {C,E} {C,J}

T C D F T C E F T C J f

1 1 1 p 1 1 1 P 1 1 0 s

2 0 1 s 2 0 1 S 2 0 0 s

3 0 1 s 3 0 1 S 3 0 0 s

4 1 1 p 4 1 0 S 4 1 0 s

5 0 0 s 5 0 1 S 5 0 1 s

6 0 0 s 6 0 0 S 6 0 1 s

7 1 0 s 7 1 0 S 7 1 0 s

∑ 2 ∑ 1 ∑ 0

{D,E} {D,J} {E,J}

T D E F T D J F T E J f

1 1 1 p 1 1 0 S 1 1 0 s

2 1 1 p 2 1 0 S 2 1 0 s

3 1 1 p 3 1 0 S 3 1 0 s

4 1 0 s 4 1 0 S 4 0 0 s

5 0 1 s 5 0 1 S 5 1 1 p

6 0 0 s 6 0 0 S 6 0 1 s

7 0 0 s 7 0 0 S 7 0 0 s

∑ 3 ∑ 0 ∑ 1

Berdasarkan bentuk tabular data calon 2 itemset diatas, dilakukan pencarian nilai support dari 2 itemset. Pencarian nilai support 2 itemset bertujuan untuk mengetahui frekuensi kemunculan 2 itemset dibeli secara bersamaan. Nilai support pada Tabel 3.6 didapat melalui perhitungan menggunakan persamaan (2.3) dibawah ini:

Support ( , ) = ^∑

∑ × 100%

Tabel 3.6 Hasil nilai Support 2 itemset Kombinasi 2 Itemset Jumlah Support

{C,D} 2 29%

{C,E} 1 14%

{C,J} 0 0%

{D,E} 3 43%

{D,J} 0 0%

{E,J} 1 14%

Telah dijelaskan oleh penulis bahwa nilai minimum support yang digunakan adalah 40% maka kombinasi yang memenuhi nilai minimum support adalah {D,E} karena nilai support nya 43% atau lebih dari 40%.

3.6.5 Menghitung Nilai Support x Confidence Algoritma Apriori

Berdasarkan kombinasi 2 itemset yang terbentuk maka didapat aturan hubungan yang ada yaitu :

1. Jika membeli D maka membeli E 2. Jika membeli E maka membeli D

Selanjutnya menghitung nilai support dan confidence. Berikut ini adalah perhitungan nilai support dan confidence dari aturan yang didapat, dimana nilai support didapat dari persamaan (2.3) dan confidence didapat dari persamaan (2.4)

Support ( , ) = ^∑

∑ × 100%

Confidence = P (B | A) = ^∑

∑ × 100%

Tabel 3.7 Perhitungan nilai Support dan Confidence

Support Confidence

Jika membeli D maka

membeli E (3/7)*100% = 43% (3/7)/(4/7)*100% = 75%

Jika membeli E maka

membeli D (3/7)*100% = 43% (3/7)/(5/7)*100% = 60%

Setelah didapat nilai support dan confidence untuk masing-masing kandidat, dilakukan perkalian antar support dan confidence, dimana kandidat yang diambil adalah kandidat yang memiliki nilai support ≥ 40% dan confidence ≥ 60%, sehingga didapat tabel sebagai berikut:

Tabel 3.8 Kandidat yang Mencapai Nilai Support dan Confidence

Support Confidence Support x

Confidence

Jika membeli D maka membeli E 43% 75% 32%

Jika membeli E maka membeli D 43% 60% 26%

Setelah didapat hasil perkalian antar support dan confidence, maka akan dipilih yang hasil perkaliannya paling besar karena perkalian tersebut merupakan rule yang digunakan saat penjualan. Namun, karena pada hasil perkalian diatas bernilai sama maka semuanya bisa dijadikan rule, yaitu :

1. “Jika membeli Soflen (D) maka membeli Air Soflen (E) dengan support 43% dan confidence 75%”.

2. “Jika membeli Air Soflen (E) maka membeli Soflen (D) dengan support 43% dan confidence 60%”.

Dari dua aturan diatas dapat ditarik kesimpulan apabila melakukan persediaan Soflen maka lakukan persediaan juga terhadap Air Soflen.

29 BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Implementasi Nilai Minimum Support 2%

Untuk mendapatkan pengetahuan yang ingin dicari oleh penulis, penulis menggunakan tools Rapid Miner 7.1 sebagai alat untuk menerapkan Algoritma Apriori dengan minimum support 2% dan minimum confidence 30%.

4.1.1 Implementasi Algoritma Apriori Menggunakan Rapid Miner

Pembentukkan proses Algoritma Apriori pada Rapid Miner dapat dilihat pada gambar 4.1.

Gambar 4. 1 Pembentukkan Proses Algoritma Apriori

Selanjutnya memasukkan nilai minimum support dan minimum confidence pada proses Algoritma Apriori dapat dilihat pada gambar 4.2

Gambar 4. 2 Memasukkan Nilai Minimum Support dan Minimum Confidence

Dengan menggunakan tools Rapid Miner 7.1 untuk menerapkan Algoritma Apriori dengan nilai minimum support dan minimum confidence yang telah ditentukan menghasilkan aturan seperti pada gambar 4.3.

Gambar 4. 3 Hasil Penerapan Algoritma Apriori

Hasil gambar diatas menunjukkan bahwa terdapat 4 aturan yang memenuhi aturan minimum support 2% dan minimum support 30% dari hasil penerapan Algoritma Apriori menggunakan Rapid Miner 7.1.

4.1.2 Implementasi Algoritma Apriori Menggunakan Ms. Excel

Implementasi Algoritma Apriori menggunakan Ms. Excel bertujuan untuk mencari perbedaan antara penerapan perhitungan didalam Ms. Excel dengan menggunakan tools Rapid Miner 7.1. Perhitungan Nilai Support keseluruhan Data Perhitungan nilai support dilakukan untuk mengetahui nilai kemungkinan kemunculan satu item dalam keseluruhan total transaksi. Tabel 4.1 berikut ini adalah peritungan nilai support Algoritma Apriori dari 1625 data menggunakan Ms.

Excel. Proses pembentukan 1 itemset dilakukan menggunakan persamaan (2.1) yaitu:

Support (A) = × 100%

Tabel 4.1 Nilai Support Seluruh Item Item Jumlah Nilai Support

Spa 35 2,15%

Scholar 48 2,95%

ParfumTokyo 25 1,54%

TurtleCoral 1 0,06%

ScullopCaramel 2 0,12%

Theraskin 162 9,97%

Celana 42 2,58%

SerumHanasui 33 2,03%

MaskerMata 62 3,82%

MaskerBibir 49 3,02%

Naturgo 146 8,98%

Temulawak 37 2,28%

PensilAlis 153 9,42%

HipUpCream 2 0,12%

Samyuwan 62 3,82%

biogold 1 0,06%

RingHp 10 0,62%

Pingset 6 0,37%

SabunBeras 31 1,91%

KissProft 14 0,86%

CreamRose 8 0,49%

minyakKemiri 1 0,06%

Orotan 9 0,55%

Bando 4 0,25%

Dolby 53 3,26%

HNCream 89 5,48%

BabyLips 1 0,06%

Lipstik 117 7,20%

SkinAqua 1 0,06%

Catokan 86 5,29%

Maskara 70 4,31%

Baju 127 7,82%

Tas 171 10,52%

SponBedak 49 3,02%

Vaseline 30 1,85%

KartuRiseller 4 0,25%

Tabel 4.1 Nilai Support Seluruh Item Item Jumlah Nilai Support

Mangkok 4 0,25%

Kutek 35 2,15%

ObatJerawat 39 2,40%

FairNPink 13 0,80%

Hena 12 0,74%

AdhaCream 8 0,49%

Eyeliner 199 12,25%

BuluMata 97 5,97%

LemBuluMata 48 2,95%

Dompet 128 7,88%

AirSoflen 80 4,92%

SerumWardah 6 0,37%

Collagen 64 3,94%

Shampo 7 0,43%

Jaket 56 3,45%

Bedak 26 1,60%

MaskerHelloKitty 3 0,18%

Kissproof 9 0,55%

Concealer 1 0,06%

Soflen 98 6,03%

Topi 1 0,06%

Jilbab 46 2,83%

Sepatu 81 4,98%

BodySpa 15 0,92%

Permen 162 9,97%

Parcel 1 0,06%

CetakanAlis 27 1,66%

KeranjangBaju 18 1,11%

Bros 1 0,06%

MinyakBulus 11 0,68%

HairClip 3 0,18%

MakeupTools 2 0,12%

PewarnaRambut 1 0,06%

PenjepitBuluMata 31 1,91%

Liptin 38 2,34%

Botol 36 2,22%

VitaminRambut 2 0,12%

Kuas 2 0,12%

Tabel 4.1 Nilai Support Seluruh Item Item Jumlah Nilai Support

TasKosmetik 11 0,68%

SabunGove 85 5,23%

TempatSoflen 5 0,31%

SerumAnimate 31 1,91%

SabunPepaya 1 0,06%

MaskerKomedo 26 1,60%

Waterprof 19 1,17%

MaskerHidung 20 1,23%

Masker 60 3,69%

Sendal 60 3,69%

Cristalx 2 0,12%

ParfumLaundry 16 0,98%

Lulur 5 0,31%

Kaos 24 1,48%

Ciput 21 1,29%

Foundation 14 0,86%

RakTas 5 0,31%

JamTangan 57 3,51%

KuasMasker 36 2,22%

BlackWalet 18 1,11%

Gamis 67 4,12%

Tunik 6 0,37%

Aloevera 16 0,98%

PaketZaitun 2 0,12%

Mukena 5 0,31%

SetMakeup 17 1,05%

Gantungan 29 1,78%

BlushOn 16 0,98%

Eyeshadow 23 1,42%

CaseHp 31 1,91%

KotakTisu 2 0,12%

Termos 4 0,25%

VoucerIndosat 22 1,35%

Tumbler 45 2,77%

PastaGigi 14 0,86%

Tongsis 2 0,12%

Amplop 8 0,49%

Wardah 3 0,18%

Tabel 4.1 Nilai Support Seluruh Item Item Jumlah Nilai Support

Boneka 15 0,92%

JepitanFoto 2 0,12%

RakKosmetik 2 0,12%

Kemeja 1 0,06%

Ertos 3 0,18%

SabunFruitamint 9 0,55%

Benang 2 0,12%

VoucerAxis 16 0,98%

HiasanDinding 18 1,11%

Bunga 4 0,25%

BungkusKado 6 0,37%

CetakanHena 1 0,06%

Dress 3 0,18%

LampuJamur 4 0,25%

Horden 13 0,80%

MesinJahit 8 0,49%

MaskerBioaqua 8 0,49%

BuketBunga 10 0,62%

Headshet 9 0,55%

Kacamata 86 5,29%

Sprei 10 0,62%

PelindungKabel 5 0,31%

KabelData 1 0,06%

Flashdisk 0 0,00%

BBBioaqua 0 0,00%

CreamLeher 0 0,00%

KeripikPisang 0 0,00%

KeripikNanas 0 0,00%

KeripikNangka 0 0,00%

SewaPaperFlower 8 0,49%

SetRantang 2 0,12%

CukaApel 1 0,06%

VoucerXL 8 0,49%

TaliRambut 0 0,00%

Pouch 2 0,12%

Panggangan 3 0,18%

Timbangan 3 0,18%

SendalBulu 2 0,12%

Tabel 4.1 Nilai Support Seluruh Item Item Jumlah Nilai Support

MaskerRorec 31 1,91%

Panci 4 0,25%

Teko 3 0,18%

Toples 1 0,06%

TempatAqua 3 0,18%

TehSosro 3 0,18%

TakaraPopato 5 0,31%

Kacang 5 0,31%

Sprite 4 0,25%

Pilus 2 0,12%

TelurGabus 1 0,06%

StickBalado 1 0,06%

TempatBumbu 1 0,06%

Wafer 2 0,12%

Fanta 1 0,06%

Coca-Cola 1 0,06%

Kelambu 1 0,06%

Ampau 2 0,12%

KameraKogan 3 0,18%

KotakMakan 1 0,06%

Kalung 49 3,02%

Cincin 36 2,22%

RakSerbaGuna 1 0,06%

Jam 1 0,06%

Mic 3 0,18%

KipasKarakter 8 0,49%

BoxPakaian 1 0,06%

JepitRambut 8 0,49%

AsahanPisau 2 0,12%

PopSocket 7 0,43%

SetRak 2 0,12%

BehelGigi 1 0,06%

Bandana 19 1,17%

JarumPentul 5 0,31%

MaskerBabySkin 2 0,12%

Rantang 3 0,18%

Sisir 2 0,12%

KukuPalsu 6 0,37%

Tabel 4.1 Nilai Support Seluruh Item Item Jumlah Nilai Support

LemKuku 5 0,31%

Spirulina 22 1,35%

Celengan 5 0,31%

JamDinding 27 1,66%

TaplakMeja 1 0,06%

Sabuk 3 0,18%

Hodie 5 0,31%

Tirai 4 0,25%

Bantal 1 0,06%

Pulpen 2 0,12%

Penghapus 1 0,06%

Gelang 1 0,06%

MaskerRambut 2 0,12%

Charger 3 0,18%

Rokok 4 0,25%

MaskerHanasui 44 2,71%

Pensil 2 0,12%

RakSepatu 2 0,12%

VoucerTelkomsel 1 0,06%

Anting 5 0,31%

Panciset 3 0,18%

MaskerAnimate 4 0,25%

SetBrush 14 0,86%

AlatJahit 2 0,12%

Gelas 1 0,06%

RakBaju 2 0,12%

Parfum 2 0,12%

Makarizo 3 0,18%

Berdasarkan nilai support yang telah terhitung dari keseluruhan data maka nilai minimum suppport yang digunakan oleh penulis adalah 2% untuk lanjut ke tahap perhitungan support 2 ItemSet. Tabel 4.2 berikut ini adalah data yang memenuhi minimum support. Proses pembentukan 2 itemset dilakukan menggunakan persamaan (2.1) yaitu:

Support (A) = × 100%

Tabel 4. 2 Item dengan Nilai Support ≥ 2%

Item Nilai Support

Spa 2,15%

Scholar 2,95%

Theraskin 9,97%

Celana 2,58%

SerumHanasui 2,03%

MaskerMata 3,82%

MaskerBibir 3,02%

Naturgo 8,98%

Temulawak 2,28%

PensilAlis 9,42%

Samyuwan 3,82%

Dolby 3,26%

HNCream 5,48%

Lipstik 7,20%

Catokan 5,29%

Maskara 4,31%

Baju 7,82%

Tas 10,52%

SponBedak 3,02%

Kutek 2,15%

ObatJerawat 2,40%

Eyeliner 12,25%

BuluMata 5,97%

LemBuluMata 2,95%

Dompet 7,88%

AirSoflen 4,92%

Collagen 3,94%

Jaket 3,45%

Soflen 6,03%

Jilbab 2,83%

Sepatu 4,98%

Permen 9,97%

Liptin 2,34%

Botol 2,22%

SabunGove 5,23%

Masker 3,69%

Sendal 3,69%

JamTangan 3,51%

KuasMasker 2,22%

Gamis 4,12%

Tumbler 2,77%

Kacamata 5,29%

Kalung 3,02%

Cincin 2,22%

MaskerHanasui 2,71%

a. Perhitungan Nilai Support dari Kombinasi 2 Itemset

Data yang memenuhi minimum support selanjutnya dihitung nilai support dari Kombinasi 2 Itemset untuk mengetahui frekuensi kemunculan 2 item dibeli secara bersamaan menggunakan persamaan (2.2). Tabel 4.3 berikut ini adalah hasil dari perhitungan kombinasi 2 itemset.

Support ( , ) = ^∑

∑ × 100%

Tabel 4. 3 Nilai Support 2 ItemSet

Tabel 4.3 Nilai Support 2 ItemSet (lanjutan)

Berdasarkan Tabel 4.10 tersebut maka nilai support dari kombinasi yang memenuhi minimum support yang telah ditentukan adalah sebagai berikut:

Tabel 4. 4 Kombinasi 2 ItemSet yang Memenuhi Minimum Support Kombinasi 2 Itemset Kemunculan

2 Itemset Support A Support (A ∩ B)

BuluMata, LemBuluMata 34 5,97% 2,09%

AirSoflen, Soflen 40 4,92% 2,46%

b. Perhitungan Nilai Confidence dari Kombinasi 2 Itemset

Berdasarkan kombinase itemset yang memenuhi minimum support maka akan dicari nilai confidence dari kombinasi itemset yang telah memenuhi syarat dimana nilai confidence didapat dari persamaan (2.4)

Confidence = P (B | A) = ^∑

∑ × 100%

Tabel 4.5 adalah hasil nilai confidence dari 2 itemset.

Tabel 4.5 Nilai Confidence 2 Itemset Kombinasi 2 Itemset Kemunculan

2 Itemset

Support A

Support

(A ∩ B) Confidence BuluMata, LemBuluMata 34 5,97% 2,09% 35,05%

AirSoflen, Soflen 40 4,92% 2,46% 50,00%

Berdasarkan tabel tersebut dapat dikatakan bahwa kedua kombinasi tersebut memenuhi syarat minimum confidence yaitu 30%.

c. Pembentukan Aturan Asosiasi

Berdasarkan item-item yang memenuhi syarat minimum support dan minimum confidence maka dapat dibentuk aturan asosiasi dari item-item tersebut.

berikut ini adalah aturan asosiasi yang terbentuk:

1) Jika membeli BuluMata maka akan membeli LemBuluMata 2) Jika membeli LemBuluMata maka akan membeli BuluMata 3) Jika membeli AirSoflen maka akan membeli Soflen

4) Jika membeli Soflen maka akan membeli AirSoflen

Berdasarkan aturan asosiasi diatas maka dapat dicari kembali nilai support dan confidence dari aturan-aturan yang terbentuk. Tabel 4.6 adalah tabel dari aturan asosiasi.

Tabel 4. 6 Aturan Asosiasi Kombinasi 2 Itemset Kemunculan

2 Itemset

Support A

Support

(A ∩B) Confidence BuluMata, LemBuluMata 34 5,97% 2,09% 35,05%

LemBuluMata, BuluMata 34 2,95% 2,09% 70,83%

AirSoflen,Soflen 40 4,92% 2,46% 50,00%

Soflen,AirSoflen 40 6,03% 2,46% 40,79%

Dengan terbentuknya aturan asosiasi diatas dan seluruh kombinasi memenuhi minimum support dan minimum confidence maka aturan yang terbentuk adalah:

1) Jika membeli BuluMata maka akan membeli LemBuluMata dengan nilai Support (A ∩B) 2,09% dan nilai confidence 35,05%.

2) Jika membeli LemBuluMata maka akan membeli BuluMata dengan nilai Support (A ∩B) 2,09% dan nilai confidence 70,83%.

3) Jika membeli AirSoflen maka akan membeli Soflen dengan nilai Support (A ∩B) 2,46% dan nilai confidence 50,00%.

4) Jika membeli Soflen maka akan membeli AirSoflen dengan nilai Support (A ∩B) 2,46% dan nilai confidence 40,79%.

4.1.3 Perbandingan Rapid Miner dengan Ms. Excel

Berdasarkan penerapan Algoritma Apriori menggunakan Rapid Miner dan Ms. Excel dapat dilihat bahwa hasil penerapan dari kedua alat tersebut menghasilkan aturan yang sama yaitu:

1) Jika membeli BuluMata maka akan membeli LemBuluMata 2) Jika membeli LemBuluMata maka akan membeli BuluMata 3) Jika membeli AirSoflen maka akan membeli Soflen

4) Jika membeli Soflen maka akan membeli AirSoflen

4.1.4 Implementasi Algoritma FP-Growth Menggunakan Rapid Miner Sebagai pembanding Algoritma Apriori penulis memilih untuk membandingkan dengan metode aturan asosiasi yang lain yaitu FP-Growth. Dalam menerapkan Algoritma FP-Growth tetap menggunakan tools RapidMiner 7.1.

Langkah pertama yang dilakukan adalah membentuk proses dari Algoritma FP- Growth. Pembentukkan proses Algoritma FP-Growth dapat dilihat pada gambar dibawah.

Gambar 4. 4 Pembentukkan Proses Algoritma FP-Growth

Selanjutnya adalah memasukkan nilai minimum support dan minimum confidence yang dapat dilihat pada gambar 4.5.

Gambar 4. 5 Memasukkan Minimum Support dan Minimum Confidence Gambar 4.6 adalah grafik dari penerapan Algoritma FP-Growth dan gambar 4.7 adalah hasil penerapan Algoritma FP-Growth menggunakan RapidMiner.

Gambar 4. 6 Grafik Algoritma FP-Growth

Gambar 4. 7 Hasil Penerapan Algoritma FP-Growth 4.1.5 Perbandingan Algoritma Apriori dan FP-Growth

Setelah menerapkan Algoritma Apriori dan Algoritma Apriori FP-Growth menggunaakan tools Rapid Miner 7.1 dngan menggunakan nilai minimum support dan minimum confidence yang sama, Algoritma FP-Growth juga menghasilkan 4 aturan hubungan antar 2 itemset yang sama yaitu terdapat 4 aturan hubungan yang dihasilkan sebagaimana tertera pada Tabel berikut:

Tabel 4. 7 Perbandingan Algoritma Apriori dan FP-Growth Aturan

Apriori

Akur asi

FP-Growth

Akura Suppo si

Confid ence

Suppor t

Confid ence Jika membeli

BuluMata maka akan membeli LemBuluMata

2,00% 35,00% 0,70% 2,10% 35,10% 0,73%

Jika membeli LemBuluMata maka akan membeli BuluMata

2,00% 71,00% 1,42% 2,10% 70,80% 1,48%

Jika membeli AirSoflen maka akan membeli Soflen

2,00% 50,00% 1,00% 2,50% 50,00% 1,25%

Jika membeli Soflen maka akan membeli AirSoflen

2,00% 45,00% 0,90% 2,50% 44,90% 1,12%

Selain perbedaan nilai akurasi pada Apriori dan Algoritma FP-Growth, perbedaan pun terjadi saat melakukan running proses dari masing-masing algoritma yang terbentuk. Dimana running time yang diperlukan Algoritma Apriori adalah 3 detik sedangkan running time dari Algoritma FP-Growth adalah 0 detik. Perbedaan waktu running dari kedua algoritma tersebut dapat dilihat pada gambar dibawah ini.

Gambar 4. 8 Perbedaan Waktu Running

Berdasarkan tabel dan gambar tersebut maka dapat dikatakan bahwa terdapat kelemahan pada Algoritma Apriori sebagai berikut:

1. Berdasarkan Tabel 4.8 dapat dilihat bahwa nilai akurasi hubungan antar item yang dihasilkan oleh Algoritma Apriori dapat dikatakan lebih rendah dibandingkan dengan nilai akurasi yang terbentuk pada Algoritma FP- Growth.

2. Selain hal tersebut, perbedaan terjadi dari sisi running time. Dimana running time yang dibutuhkan untuk mengeksekusi Algoritma Apriori lebih memakan waktu lama dibandingkan running time yang diperlukan untuk mengeksekusi Algoritma FP-Growth.

4.2 Implementasi Nilai Minimum Support 1%

4.2.1 Implementasi Algoritma Apriori Menggunakan Rapid Miner

Seperti langkah-langkah yang dilakukan sebelumnya dalam penerapan pada Rapid Miner maka berikut ini adalah hasil dari penerapan Algoritma Apriori.

Gambar 4. 9 Hasil Algoritma Apriori MinSup 1%

Berdasarkan aturan-aturan tersebut tidak terdapat aturan yang menunjukan keterlibatan kombinasi 3 itemset. Serta berdasarkan hasil diatas maka aturan yang dihasilkan oleh Algoritma Apriori terdapat 6 aturan yaitu:

1) Jika membeli LemBuluMata maka akan membeli BuluMata dengan tingkat hubungan (confidence) 71%

2) Jika membeli AirSoflen maka akan membeli Soflen dengan tingkat hubungan (confidence) 50%.

3) Jika membeli Cincin maka akan membeli Kalung dengan tingkat hubungan (confidence) 47%.

4) Jika membeli Soflen maka akan membeli AirSoflen dengan tingkat hubungan (confidence) 45%.

5) Jika membeli BuluMata maka akan membeli LemBuluMata dengan tingkat hubungan (confidence) 35%.

6) Jika membeli Kalung maka akan membeli Cicncin dengan tingkat hubungan (confidence) 35%.

4.2.2 Implementasi Algoritma Apriori Menggunakan Ms. Excel

Berdasarkan nilai support yang telah terhitung dari keseluruhan data maka nilai minimum suppport yang digunakan oleh penulis adalah 1% untuk lanjut ke tahap perhitungan support 2 ItemSet. Tabel 4.2 berikut ini adalah data yang memenuhi minimum support. Proses pembentukan 2 itemset dilakukan menggunakan persamaan (2.1) yaitu:

Support (A) = × 100%

Tabel 4. 8 Item yang memenuhi MinSup 1%

Item Jumlah Nilai Support

Spa 35 2,15%

Scholar 48 2,95%

ParfumTokyo 25 1,54%

Theraskin 162 9,97%

Celana 42 2,58%

SerumHanasui 33 2,03%

MaskerMata 62 3,82%

MaskerBibir 49 3,02%

Naturgo 146 8,98%

Temulawak 37 2,28%

PensilAlis 153 9,42%

Samyuwan 62 3,82%

SabunBeras 31 1,91%

Dolby 53 3,26%

HNCream 89 5,48%

Lipstik 117 7,20%

Catokan 86 5,29%

Maskara 70 4,31%

Baju 127 7,82%

Tas 171 10,52%

SponBedak 49 3,02%

Vaseline 30 1,85%

Kutek 35 2,15%

ObatJerawat 39 2,40%

Eyeliner 199 12,25%

BuluMata 97 5,97%

LemBuluMata 48 2,95%

Dompet 128 7,88%

AirSoflen 80 4,92%

Collagen 64 3,94%

Jaket 56 3,45%

Bedak 26 1,60%

Soflen 98 6,03%

Jilbab 46 2,83%

Tabel 4.9 Item yang memenuhi MinSup 1% (lanjutan) Item Jumlah Nilai Support

Sepatu 81 4,98%

Permen 162 9,97%

CetakanAlis 27 1,66%

KeranjangBaju 18 1,11%

PenjepitBuluMata 31 1,91%

Liptin 38 2,34%

Botol 36 2,22%

SabunGove 85 5,23%

SerumAnimate 31 1,91%

MaskerKomedo 26 1,60%

Waterprof 19 1,17%

MaskerHidung 20 1,23%

Masker 60 3,69%

Sendal 60 3,69%

Kaos 24 1,48%

Ciput 21 1,29%

JamTangan 57 3,51%

KuasMasker 36 2,22%

BlackWalet 18 1,11%

Gamis 67 4,12%

SetMakeup 17 1,05%

Gantungan 29 1,78%

Eyeshadow 23 1,42%

CaseHp 31 1,91%

VoucerIndosat 22 1,35%

Tumbler 45 2,77%

HiasanDinding 18 1,11%

Kacamata 86 5,29%

MaskerRorec 31 1,91%

Kalung 49 3,02%

Cincin 36 2,22%

Bandana 19 1,17%

Spirulina 22 1,35%

JamDinding 27 1,66%

MaskerHanasui 44 2,71%

Berdasarkan tabel tersebut maka dibentuk kombinasi 2 itemset seperti pada tabel dibawah ini.

Tabel 4. 9 Kombinasi 2 Itemset MinSup 1%

Kombinasi 2 Itemset Jumlah Nilai Support

Spa Scholar 5 0,3%

Spa ParfumTokyo 3 0,2%

Spa Theraskin 6 0,4%

Spa Celana 1 0,1%

Spa SerumHanasui 1 0,1%

Spa MaskerMata 0 0,0%

Spa MaskerBibir 1 0,1%

Spa Naturgo 4 0,2%

Spa Temulawak 3 0,2%

Spa PensilAlis 8 0,5%

Spa Samyuwan 0 0,0%

Spa SabunBeras 1 0,1%

Spa Dolby 3 0,2%

Spa HNCream 2 0,1%

Spa Lipstik 7 0,4%

Spa Catokan 3 0,2%

Spa Maskara 2 0,1%

Spa Baju 3 0,2%

Spa Tas 4 0,2%

Spa SponBedak 0 0,0%

Spa Vaseline 1 0,1%

Spa Kutek 4 0,2%

Spa ObatJerawat 3 0,2%

Spa Eyeliner 3 0,2%

Spa BuluMata 1 0,1%

Spa LemBuluMata 0 0,0%

Spa Dompet 2 0,1%

Spa AirSoflen 0 0,0%

Spa Collagen 1 0,1%

Spa Jaket 0 0,0%

Spa Bedak 0 0,0%

Spa Soflen 1 0,1%

Spa Jilbab 0 0,0%

Spa Sepatu 1 0,1%

Spa Permen 0 0,0%

Spa CetakanAlis 2 0,1%

Spa KeranjangBaju 0 0,0%

Spa PenjepitBuluMata 0 0,0%

Spa Liptin 0 0,0%

Spa Botol 0 0,0%

Spa SabunGove 3 0,2%

Spa SerumAnimate 1 0,1%

Spa MaskerKomedo 1 0,1%

Spa Waterprof 0 0,0%

Tabel 4.9 Kombinasi 2 Itemset MinSup 1% (lanjutan)

Kombinasi 2 Itemset Jumlah Nilai Support

Spa MaskerHidung 0 0,0%

Spa Masker 1 0,1%

Spa Sendal 1 0,1%

Spa Kaos 0 0,0%

Spa Ciput 0 0,0%

Spa JamTangan 0 0,0%

Spa KuasMasker 0 0,0%

Spa BlackWalet 0 0,0%

Spa Gamis 1 0,1%

Spa SetMakeup 0 0,0%

Spa Gantungan 0 0,0%

Spa Eyeshadow 1 0,1%

Spa CaseHp 0 0,0%

Spa VoucerIndosat 0 0,0%

Spa Tumbler 0 0,0%

Spa HiasanDinding 0 0,0%

Spa Kacamata 0 0,0%

Spa MaskerRorec 0 0,0%

Spa Kalung 0 0,0%

Spa Cincin 0 0,0%

Spa Bandana 0 0,0%

Spa Spirulina 0 0,0%

Spa JamDinding 0 0,0%

Spa MaskerHanasui 0 0,0%

Scholar ParfumTokyo 3 0,2%

Scholar Theraskin 5 0,3%

Scholar Celana 2 0,1%

Scholar SerumHanasui 1 0,1%

Scholar MaskerMata 6 0,4%

Scholar MaskerBibir 2 0,1%

Scholar Naturgo 13 0,8%

Scholar Temulawak 3 0,2%

Scholar PensilAlis 4 0,2%

Scholar Samyuwan 5 0,3%

Scholar SabunBeras 4 0,2%

Scholar Dolby 7 0,4%

Scholar HNCream 6 0,4%

Scholar Lipstik 4 0,2%

Scholar Catokan 5 0,3%

Scholar Maskara 2 0,1%

Scholar Baju 5 0,3%

Scholar Tas 6 0,4%

Scholar SponBedak 0 0,0%

Scholar Vaseline 2 0,1%

Tabel 4.9 Kombinasi 2 Itemset MinSup 1% (lanjutan)

Kombinasi 2 Itemset Jumlah Nilai Support

Scholar Kutek 0 0,0%

Scholar ObatJerawat 5 0,3%

Scholar Eyeliner 1 0,1%

Scholar BuluMata 0 0,0%

Scholar LemBuluMata 0 0,0%

Scholar Dompet 4 0,2%

Scholar AirSoflen 0 0,0%

Scholar Collagen 1 0,1%

Scholar Jaket 4 0,2%

Scholar Bedak 0 0,0%

Scholar Soflen 0 0,0%

Scholar Jilbab 1 0,1%

Scholar Sepatu 1 0,1%

Scholar Permen 0 0,0%

Scholar CetakanAlis 1 0,1%

Scholar KeranjangBaju 2 0,1%

Scholar PenjepitBuluMata 0 0,0%

Scholar Liptin 0 0,0%

Scholar Botol 0 0,0%

Scholar SabunGove 3 0,2%

Scholar SerumAnimate 0 0,0%

Scholar MaskerKomedo 0 0,0%

Scholar Waterprof 2 0,1%

Scholar MaskerHidung 0 0,0%

Scholar Masker 1 0,1%

Scholar Sendal 1 0,1%

Scholar Kaos 0 0,0%

Scholar Ciput 1 0,1%

Scholar JamTangan 0 0,0%

Scholar KuasMasker 0 0,0%

Scholar BlackWalet 0 0,0%

Scholar Gamis 0 0,0%

Scholar SetMakeup 0 0,0%

Scholar Gantungan 0 0,0%

Scholar Eyeshadow 0 0,0%

Scholar CaseHp 0 0,0%

Scholar VoucerIndosat 0 0,0%

Scholar Tumbler 0 0,0%

Scholar HiasanDinding 0 0,0%

Scholar Kacamata 0 0,0%

Scholar MaskerRorec 0 0,0%

Scholar Kalung 0 0,0%

Scholar Cincin 0 0,0%

Scholar Bandana 0 0,0%

Tabel 4.9 Kombinasi 2 Itemset MinSup 1% (lanjutan)

Kombinasi 2 Itemset Jumlah Nilai Support

Scholar Spirulina 0 0,0%

Scholar JamDinding 0 0,0%

Scholar MaskerHanasui 1 0,1%

ParfumTokyo Theraskin 4 0,2%

ParfumTokyo Celana 1 0,1%

ParfumTokyo SerumHanasui 0 0,0%

ParfumTokyo MaskerMata 1 0,1%

ParfumTokyo MaskerBibir 0 0,0%

ParfumTokyo Naturgo 2 0,1%

ParfumTokyo Temulawak 1 0,1%

ParfumTokyo PensilAlis 2 0,1%

ParfumTokyo Samyuwan 0 0,0%

ParfumTokyo SabunBeras 2 0,1%

ParfumTokyo Dolby 1 0,1%

ParfumTokyo HNCream 2 0,1%

ParfumTokyo Lipstik 2 0,1%

ParfumTokyo Catokan 1 0,1%

ParfumTokyo Maskara 1 0,1%

ParfumTokyo Baju 4 0,2%

ParfumTokyo Tas 4 0,2%

ParfumTokyo SponBedak 0 0,0%

ParfumTokyo Vaseline 1 0,1%

ParfumTokyo Kutek 1 0,1%

ParfumTokyo ObatJerawat 2 0,1%

ParfumTokyo Eyeliner 2 0,1%

ParfumTokyo BuluMata 0 0,0%

ParfumTokyo LemBuluMata 0 0,0%

ParfumTokyo Dompet 2 0,1%

ParfumTokyo AirSoflen 1 0,1%

ParfumTokyo Collagen 1 0,1%

ParfumTokyo Jaket 0 0,0%

ParfumTokyo Bedak 0 0,0%

ParfumTokyo Soflen 1 0,1%

ParfumTokyo Jilbab 0 0,0%

ParfumTokyo Sepatu 1 0,1%

ParfumTokyo Permen 3 0,2%

ParfumTokyo CetakanAlis 0 0,0%

ParfumTokyo KeranjangBaju 0 0,0%

ParfumTokyo PenjepitBuluMata 0 0,0%

ParfumTokyo Liptin 1 0,1%

ParfumTokyo Botol 0 0,0%

ParfumTokyo SabunGove 2 0,1%

ParfumTokyo SerumAnimate 0 0,0%

ParfumTokyo MaskerKomedo 1 0,1%

Tabel 4.9 Kombinasi 2 Itemset MinSup 1% (lanjutan)

Kombinasi 2 Itemset Jumlah Nilai Support

ParfumTokyo Waterprof 0 0,0%

ParfumTokyo MaskerHidung 0 0,0%

ParfumTokyo Masker 0 0,0%

ParfumTokyo Sendal 0 0,0%

ParfumTokyo Kaos 0 0,0%

ParfumTokyo Ciput 0 0,0%

ParfumTokyo JamTangan 0 0,0%

ParfumTokyo KuasMasker 0 0,0%

ParfumTokyo BlackWalet 0 0,0%

ParfumTokyo Gamis 0 0,0%

ParfumTokyo SetMakeup 0 0,0%

ParfumTokyo Gantungan 0 0,0%

ParfumTokyo Eyeshadow 0 0,0%

ParfumTokyo CaseHp 1 0,1%

ParfumTokyo VoucerIndosat 0 0,0%

ParfumTokyo Tumbler 0 0,0%

ParfumTokyo HiasanDinding 0 0,0%

ParfumTokyo Kacamata 0 0,0%

ParfumTokyo MaskerRorec 0 0,0%

ParfumTokyo Kalung 0 0,0%

ParfumTokyo Cincin 1 0,1%

ParfumTokyo Bandana 0 0,0%

ParfumTokyo Spirulina 0 0,0%

ParfumTokyo JamDinding 0 0,0%

ParfumTokyo MaskerHanasui 0 0,0%

Theraskin Celana 6 0,4%

Theraskin SerumHanasui 4 0,2%

Theraskin MaskerMata 7 0,4%

Theraskin MaskerBibir 3 0,2%

Theraskin Naturgo 14 0,9%

Theraskin Temulawak 3 0,2%

Theraskin PensilAlis 20 1,2%

Theraskin Samyuwan 11 0,7%

Theraskin SabunBeras 3 0,2%

Theraskin Dolby 9 0,6%

Theraskin HNCream 5 0,3%

Theraskin Lipstik 13 0,8%

Theraskin Catokan 8 0,5%

Theraskin Maskara 3 0,2%

Theraskin Baju 12 0,7%

Theraskin Tas 15 0,9%

Theraskin SponBedak 2 0,1%

Theraskin Vaseline 5 0,3%

Theraskin Kutek 5 0,3%

Tabel 4.9 Kombinasi 2 Itemset MinSup 1% (lanjutan)

Kombinasi 2 Itemset Jumlah Nilai Support

Theraskin ObatJerawat 5 0,3%

Theraskin Eyeliner 16 1,0%

Theraskin BuluMata 6 0,4%

Theraskin LemBuluMata 1 0,1%

Theraskin Dompet 11 0,7%

Theraskin AirSoflen 8 0,5%

Theraskin Collagen 7 0,4%

Theraskin Jaket 5 0,3%

Theraskin Bedak 4 0,2%

Theraskin Soflen 11 0,7%

Theraskin Jilbab 4 0,2%

Theraskin Sepatu 11 0,7%

Theraskin Permen 9 0,6%

Theraskin CetakanAlis 3 0,2%

Theraskin KeranjangBaju 0 0,0%

Theraskin PenjepitBuluMata 3 0,2%

Theraskin Liptin 4 0,2%

Theraskin Botol 2 0,1%

Theraskin SabunGove 5 0,3%

Theraskin SerumAnimate 1 0,1%

Theraskin MaskerKomedo 1 0,1%

Theraskin Waterprof 1 0,1%

Theraskin MaskerHidung 1 0,1%

Theraskin Masker 6 0,4%

Theraskin Sendal 4 0,2%

Theraskin Kaos 2 0,1%

Theraskin Ciput 2 0,1%

Theraskin JamTangan 4 0,2%

Theraskin KuasMasker 0 0,0%

Theraskin BlackWalet 2 0,1%

Theraskin Gamis 9 0,6%

Theraskin SetMakeup 1 0,1%

Theraskin Gantungan 3 0,2%

Theraskin Eyeshadow 2 0,1%

Theraskin CaseHp 7 0,4%

Theraskin VoucerIndosat 3 0,2%

Theraskin Tumbler 7 0,4%

Theraskin HiasanDinding 2 0,1%

Theraskin Kacamata 2 0,1%

Theraskin MaskerRorec 2 0,1%

Theraskin Kalung 4 0,2%

Theraskin Cincin 4 0,2%

Theraskin Bandana 1 0,1%

Theraskin Spirulina 0 0,0%

Tabel 4.9 Kombinasi 2 Itemset MinSup 1% (lanjutan)

Kombinasi 2 Itemset Jumlah Nilai Support

Theraskin JamDinding 0 0,0%

Theraskin MaskerHanasui 3 0,2%

Celana SerumHanasui 0 0,0%

Celana MaskerMata 3 0,2%

Celana MaskerBibir 0 0,0%

Celana Naturgo 6 0,4%

Celana Temulawak 0 0,0%

Celana PensilAlis 5 0,3%

Celana Samyuwan 1 0,1%

Celana SabunBeras 0 0,0%

Celana Dolby 0 0,0%

Celana HNCream 1 0,1%

Celana Lipstik 3 0,2%

Celana Catokan 0 0,0%

Celana Maskara 1 0,1%

Celana Baju 6 0,4%

Celana Tas 6 0,4%

Celana SponBedak 0 0,0%

Celana Vaseline 1 0,1%

Celana Kutek 4 0,2%

Celana ObatJerawat 1 0,1%

Celana Eyeliner 5 0,3%

Celana BuluMata 1 0,1%

Celana LemBuluMata 0 0,0%

Celana Dompet 3 0,2%

Celana AirSoflen 1 0,1%

Celana Collagen 3 0,2%

Celana Jaket 2 0,1%

Celana Bedak 0 0,0%

Celana Soflen 3 0,2%

Celana Jilbab 0 0,0%

Celana Sepatu 5 0,3%

Celana Permen 1 0,1%

Celana CetakanAlis 1 0,1%

Celana KeranjangBaju 0 0,0%

Celana PenjepitBuluMata 0 0,0%

Celana Liptin 0 0,0%

Celana Botol 0 0,0%

Celana SabunGove 1 0,1%

Celana SerumAnimate 0 0,0%

Celana MaskerKomedo 0 0,0%

Celana Waterprof 1 0,1%

Celana MaskerHidung 0 0,0%

Celana Masker 3 0,2%

Dalam dokumen penerapan data mining untuk analisis pola pembelian (Halaman 36-43)