Berikut ini merupakan perhitungan manual serta hasil data mining berdasarkan data yang di

ambil pada database yang digunakan dalam aplikasi data mining ini.

ID Transaksi Nama Barang

1 Selai Strawberry, Roti Lapis Selai Kacang, Roti Sobek 5 Rasa

2 Roti Tawar, Roti Coklat, Roti Sobek 5 Rasa

3 Roti Sobek 5 Rasa, Roti Lapis Selai Keju, Mentega, Roti Coklat

4 Roti Lapis Selai Kacang, Roti Sobek 5 Rasa, Roti Lapis Selai Keju, Mentega

5 Mentega, Roti Tawar, Selai Strawberry

6 Roti Coklat, Roti Tawar, Mentega, Roti Lapis Selai Keju

7 Roti Lapis Selai Keju, Roti Sobek 5 Rasa

8 Selai Strawberry, Roti Lapis Selai Keju, Roti Lapis Selai Kacang

9 Roti Coklat, Roti Tawar, Mentega10 Mentega, Roti Sobek 5 Rasa,11 Roti Lapis Selai Kacang

12 Roti Tawar, Gula Tropicana

13 Roti Gandum

1. Pisahkan masing-masing item set

Item Set

Selai Strawberry (A)Roti Lapis Selai Kacang (B)

Roti Sobek 5 Rasa (C)Roti Tawar (D)Roti Coklat (E)

Roti Lapis Selai Keju (F)Mentega (G)

Gula Tropicana (H)Roti Gandum (I)

2. Kemudian buat tabel seperti di bawah ini

ID Transaksi A B C D E F G H I

1 1 1 1 0 0 0 0 0 0

2 0 0 1 1 1 0 0 0 0

3 0 0 1 0 1 1 1 0 0

4 0 1 1 0 0 1 1 0 0

5 1 0 0 1 0 0 1 0 0

6 0 0 0 1 1 1 1 0 0

7 0 0 1 0 0 1 0 0 0

8 1 1 0 0 0 1 0 0 0

9 0 0 0 1 1 0 1 0 0

10 0 0 1 0 0 0 1 0 0

11 0 1 0 0 0 0 0 0 0

12 0 0 0 1 0 0 0 1 0

13 0 0 0 0 0 0 0 0 1

3. Kemudian hitung jumlah banyaknya hubungan untuk setiap item

ID Transaksi A B C D E F G H I

1 1 1 1 0 0 0 0 0 0

2 0 0 1 1 1 0 0 0 0

3 0 0 1 0 1 1 1 0 0

4 0 1 1 0 0 1 1 0 0

5 1 0 0 1 0 0 1 0 0

6 0 0 0 1 1 1 1 0 0

7 0 0 1 0 0 1 0 0 0

8 1 1 0 0 0 1 0 0 0

9 0 0 0 1 1 0 1 0 0

10 0 0 1 0 0 0 1 0 0

11 0 1 0 0 0 0 0 0 0

12 0 0 0 1 0 0 0 1 0

13 0 0 0 0 0 0 0 0 1

∑ 3 4 6 5 4 5 6 1 1

4. Tentukan Ф.

Misalkan kita tentukan Ф = 3, maka kita dapat menentukan frekuen itemset. Dari tabel di atas

diketahui total Ф untuk transaksi k = 1, semuanya lebih besar dari Ф. Maka:

F1 = {{A}, {B}, {C}, {D}, {E}, {F}, {G}}

Untuk k = 2 (2 unsur), diperlukan tabel untuk tiap-tiap pasang item.

Himpunan yang mungkin terbentuk adalah:

{A,B}, {A,C}, {A,D}, {A,E}, {A,F}, {A,G}, {B,C}, {B,D}, {B,E}, {B,F}, {B,G}, {C,D},

{C,E}, {C,F}, {C,G}, {D,E}, {D,F}, {D,G}, {E,F}, {E,G}, {F,G}

Tabel-tabel untuk calon 2 item set:

ID Transaksi A B Frekuensi

1 1 1 1

2 0 0 0

3 0 0 0

4 0 1 0

5 1 0 0

6 0 0 0

7 0 0 0

8 1 1 1

9 0 0 0

10 0 0 0

11 0 1 0

12 0 0 0

13 0 0 0∑ 2

ID Transaksi A C Frekuensi

1 1 1 1

2 0 1 0

3 0 1 0

4 0 1 0

5 1 0 0

6 0 0 0

7 0 1 0

8 1 0 0

9 0 0 0

10 0 1 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 1

ID Transaksi A D Frekuensi

1 1 0 0

2 0 1 0

3 0 0 0

4 0 0 0

5 1 1 1

6 0 1 0

7 0 0 0

8 1 0 0

9 0 1 0

10 0 0 0

11 0 0 0

12 0 1 0

13 0 0 0∑ 1

ID Transaksi A E Frekuensi

1 1 0 0

2 0 1 0

3 0 1 0

4 0 0 0

5 1 0 0

6 0 1 0

7 0 0 0

8 1 0 0

9 0 1 0

10 0 0 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 0

ID Transaksi A F Frekuensi

1 1 0 0

2 0 0 0

3 0 1 0

4 0 1 0

5 1 0 0

6 0 1 0

7 0 1 0

8 1 1 1

9 0 0 0

10 0 0 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 1

ID Transaksi A G Frekuensi

1 1 0 0

2 0 0 0

3 0 1 0

4 0 1 0

5 1 1 1

6 0 1 0

7 0 0 0

8 1 0 0

9 0 1 0

10 0 1 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 1

ID B C Frekuensi

Transaksi1 1 1 1

2 0 1 0

3 0 1 0

4 1 1 1

5 0 0 0

6 0 0 0

7 0 1 0

8 1 0 0

9 0 0 0

10 0 1 0

11 1 0 0

12 0 0 0

13 0 0 0∑ 2

ID Transaksi B D Frekuensi

1 1 0 0

2 0 1 0

3 0 0 0

4 1 0 0

5 0 1 0

6 0 1 0

7 0 0 0

8 1 0 0

9 0 1 0

10 0 0 0

11 1 0 0

12 0 1 0

13 0 0 0∑ 0

ID Transaksi B E Frekuensi

1 1 0 0

2 0 1 0

3 0 1 0

4 1 0 0

5 0 0 0

6 0 1 0

7 0 0 0

8 1 0 0

9 0 1 0

10 0 0 0

11 1 0 0

12 0 0 0

13 0 0 0∑ 0

ID Transaksi B F Frekuensi

1 1 0 0

2 0 0 0

3 0 1 0

4 1 1 1

5 0 0 0

6 0 1 0

7 0 1 0

8 1 1 1

9 0 0 0

10 0 0 0

11 1 0 0

12 0 0 0

13 0 0 0∑ 2

ID Transaksi B G Frekuensi

1 1 0 0

2 0 0 0

3 0 1 0

4 1 1 1

5 0 1 0

6 0 1 0

7 0 0 0

8 1 0 0

9 0 1 0

10 0 1 0

11 1 0 0

12 0 0 0

13 0 0 0∑ 1

ID Transaksi C D Frekuensi

1 1 0 0

2 1 1 1

3 1 0 0

4 1 0 0

5 0 1 0

6 0 1 0

7 1 0 0

8 0 0 0

9 0 1 0

10 1 0 0

11 0 0 0

12 0 1 0

13 0 0 0∑ 1

ID Transaksi C E Frekuensi

1 1 0 0

2 1 1 1

3 1 1 1

4 1 0 0

5 0 0 0

6 0 1 0

7 1 0 0

8 0 0 0

9 0 1 0

10 1 0 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 2

ID Transaksi C F Frekuensi

1 1 0 0

2 1 0 0

3 1 1 1

4 1 1 1

5 0 0 0

6 0 1 0

7 1 1 1

8 0 1 0

9 0 0 0

10 1 0 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 3

ID Transaksi C G Frekuensi

1 1 0 0

2 1 0 0

3 1 1 1

4 1 1 1

5 0 1 0

6 0 1 0

7 1 0 0

8 0 0 0

9 0 1 0

10 1 1 1

11 0 0 0

12 0 0 0

13 0 0 0∑ 3

ID Transaksi D E Frekuensi

1 0 0 0

2 1 1 1

3 0 1 0

4 0 0 0

5 1 0 0

6 1 1 1

7 0 0 0

8 0 0 0

9 1 1 1

10 0 0 0

11 0 0 0

12 1 0 0

13 0 0 0∑ 3

ID Transaksi D F Frekuensi

1 0 0 0

2 1 0 0

3 0 1 0

4 0 1 0

5 1 0 0

6 1 1 1

7 0 1 0

8 0 1 0

9 1 0 0

10 0 0 0

11 0 0 0

12 1 0 0

13 0 0 0∑ 1

ID Transaksi D G Frekuensi

1 0 0 0

2 1 0 0

3 0 1 0

4 0 1 0

5 1 1 1

6 1 1 1

7 0 0 0

8 0 0 0

9 1 1 1

10 0 1 0

11 0 0 0

12 1 0 0

13 0 0 0∑ 3

ID Transaksi E F Frekuensi

1 0 0 0

2 1 0 0

3 1 1 1

4 0 1 0

5 0 0 0

6 1 1 1

7 0 1 0

8 0 1 0

9 1 0 0

10 0 0 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 2

ID Transaksi E G Frekuensi

1 0 0 0

2 1 0 0

3 1 1 1

4 0 1 0

5 0 1 0

6 1 1 1

7 0 0 0

8 0 0 0

9 1 1 1

10 0 1 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 3

ID Transaksi F G Frekuensi

1 0 0 0

2 0 0 0

3 1 1 1

4 1 1 1

5 0 1 0

6 1 1 1

7 1 0 0

8 1 0 0

9 0 1 0

10 0 1 0

11 0 0 0

12 0 0 0

13 0 0 0∑ 3

Dari tabel-tabel 2 unsur di atas, 1 artinya item-item yang memiliki hubungan, sedangkan 0

berarti tidak ada item yang saling berhubungan. Σ melambangkan jumlah Frekuensi item set.

Jumlah frekuensi item set harus lebih besar atau sama dengan jumlah Frekuensi item set

(Σ >= Ф). Dari tabel diatas, maka didapat:

F2 = {C,F}, {C,G}, {D,E}, {D,G}, {E, G}, {F,G}

Selanjutnya untuk mengkombinasi dari itemset dalam F2, dapat kita gabungkan menjadi

calon 3-itemset. Namun pada kasus di atas aplikasi hanya mampu hingga menghitung F2

saja karena kebutuhan aplikasi sendiri cukup analisis hingga F2.

5. Menentukan (ss-s) sebagai antecedent dan s sebagai consequent dari Fk yang telah di dapat

berdasarkan rule pada langkah 5.

Pada F2 di dapat himpunan F2 = {C,F}, {C,G}, {D,E}, {D,G}, {E, G}, {F,G}

Maka dapat disusun :

Untuk {C,F} :

- Jika (ss-s) = C, Jika s = F, Maka → if buy C then buy F

- Jika (ss-s) = F, Jika s = C, Maka → if buy F then buy C

Untuk {C,G} :

- Jika (ss-s) = C, Jika s = G, Maka → if buy C then buy G

- Jika (ss-s) = G, Jika s = C, Maka → if buy G then buy C

Untuk {D,E} :

- Jika (ss-s) = D, Jika s = E, Maka → if buy D then buy E

- Jika (ss-s) = E, Jika s = D, Maka → if buy E then buy D

Untuk {D,G} :

- Jika (ss-s) = D, Jika s = G, Maka → if buy D then buy G

- Jika (ss-s) = G, Jika s = D, Maka → if buy G then buy D

Untuk {E,G} :

- Jika (ss-s) = E, Jika s = G, Maka → if buy E then buy G

- Jika (ss-s) = G, Jika s = E, Maka → if buy G then buy E

Untuk {F,G} :

- Jika (ss-s) = F, Jika s = G, Maka → if buy F then buy G

- Jika (ss-s) = G, Jika s = F, Maka → if buy G then buy F

6. Dari langkah diatas maka kita telah mendapatkan 12 rule yang dapat digunakan yaitu :

if buy C then buy F

if buy F then buy C

if buy C then buy G

if buy G then buy C

if buy D then buy E

if buy E then buy D

if buy D then buy G

if buy G then buy D

if buy E then buy G

if buy G then buy E

if buy F then buy G

if buy G then buy F

7. Hitung Support dan Confidence

Item Set Support Confidence

if buy C then buy F (3/13) x 100% = 23.07% (3/6) x 100% = 50%

if buy F then buy C (3/13) x 100% = 23.07% (3/5) x 100% = 60%

if buy C then buy G (3/13) x 100% = 23.07% (3/6) x 100% = 50%

if buy G then buy C (3/13) x 100% = 23.07% (3/6) x 100% = 50%

if buy D then buy E (3/13) x 100% = 23.07% (3/5) x 100% = 60%

if buy E then buy D (3/13) x 100% = 23.07% (3/4) x 100% = 75%

if buy D then buy G (3/13) x 100% = 23.07% (3/5) x 100% = 60%

if buy G then buy D (3/13) x 100% = 23.07% (3/6) x 100% = 50%

if buy E then buy G (3/13) x 100% = 23.07% (3/4) x 100% = 75%

if buy G then buy E (3/13) x 100% = 23.07% (3/6) x 100% = 50%

if buy F then buy G (3/13) x 100% = 23.07% (3/5) x 100% = 60%

if buy G then buy F (3/13) x 100% = 23.07 % (3/6) x 100% = 50%

8. Setelah di dapat support dan confidence untuk masing-masing kandidat, maka nilai support x

confidencenya dapat dicara, dimana nilai confidence yang diambil dalam kasus ini adalah lebih

dari 60% keatas, sehingga didapat tabel sebagai berikut :

9.

Item Set Support Confidence Supp x Conf

if buy F then buy C 23.07% 60% 0.138

if buy D then buy E 23.07% 60% 0.138

if buy E then buy D 23.07% 75% 0.172

if buy D then buy G 23.07% 60% 0.138

if buy E then buy G 23.07% 75% 0.172

if buy F then buy G 23.07% 60% 0.138

10. Dari langkah tersebut maka dapat diperoleh rule sebagai berikut :

- Jika membeli F maka akan membeli C dengan support 23.07% dan confidence 60%

- Jika membeli D maka akan membeli E dengan support 23.07%dan confidence 60%

- Jika membeli E maka akan membeli D dengan support 23.07% dan confidence 75%

- Jika membeli D maka akan membeli G dengan support 23.07% dan confidence 60%

- Jika membeli E maka akan membeli G dengan support 23.07% dan confidence 75%

- Jika membeli F maka akan membeli G dengan support 23.07% dan confidence 60%

11. Dapat Ditarik kesimpulan hasil yang didapat adalah

- Jika membeli Roti Lapis Selai Keju maka membeli Roti Sobek 5 Rasa

- Jika membeli Roti Tawar maka Membeli Roti Coklat

- Jika membeli Roti Coklat maka membeli Roti Tawar

- Jika membeli Roti Tawar maka membeli Mentega

- Jika membeli Roti Coklat maka membeli Mentega

- Jika membeli Roti Lapis Selai Keju maka membeli Mentega