Proses fp growth modul
Download as DOCX, PDF5 likes6,492 views
Proses FP Growth digunakan untuk menemukan aturan asosiasi dalam sebuah database transaksi. Langkah-langkahnya meliputi generasi itemset frekuen, penambahan ID transaksi, dan pembentukan Frequent Pattern Tree (FP-Tree) dengan memetakan transaksi ke dalam pohon berdasarkan frekuensi item. FP-Growth lebih cepat dari Apriori karena hanya memerlukan satu scan database.
Proses fp growth modul
- 1. Proses FP Growth Tujuan dari algortima ini adalah sama dengan Apriori yaitu mencair Association Rules. Perbedaaannya adalah : FP-Growth Apriori Proses lebih cepat karena hanya perlu Scan database sekali saja Proses lama karena scan database berulang kali Menggunkan kode barang pada prosesnya Menggunakan nama barang pada prosesnya Akurasi rules-nya ο lumayan Akurasi rules-nya ο lebih tinggi Dataset No Transaksi Kode Barang 1401 20015838 20009722 10006861 1402 20045099 10006861 1403 10000316 10023789 10006861 14701 20009722 10023789 10006861 14702 20037766 10000316 20015838 14703 10006861 20009722 1501 20037766 20009722 1502 10006861 20009722 1503 10000316 3001 20037766
- 2. Dengan nama barang sebagai berikut : No Nama barang Hasil Transformasi 1 POCARI SWEAT,MINUMAN ISOTONIK 350mL BTL 20015838 2 POCARI SWEAT,MINUMAN ISOTONIK 500mL BTL 20009722 3 UBM,BISCUIT ARROW BRAND SQUAREPUFF 400g PCK 10006861 4 DIPLOMAT,ROKOK PREMIUM MILD FILTER 16'S BKS 20045099 5 SEDAAP MIE,MIE INSTANT GORENG 90g PCK 10023789 6 HANSAPLAST,PLESTER PLASTIK (10'S) MICKEY 20037766 7 BENG-BENG,WAFER CHOCOLATE 20g PCK 10000316 Langkah-langkah FP_Growth 1. Generate Frequent Itemset Item Frekuensi Kemunculan 10006861 6 20045099 1 10000316 3 20015838 2 20009722 5 10023789 2 20037766 3 Misal telah ditentukan Min Support 20% atau Minimal 2 Transaksi Kode barang 20045099 di eliminasi Selanjutnya data yang memenuhi min support di urutkan berdasarakan frekuensinya. Hasilnya seperti tabel dibawah. Tabel tersebut biasa disebut dengan FP-List Item Frekuensi Kemunculan 10006861 6 20009722 5 20037766 3 10000316 3 20015838 2 10023789 2
- 3. 2. Tambahkan Transaksi ID (TID) pada dataset yang telah di seleksi dengan Min Support. Fungsi dari TID ini adalah untuk memberikan nomor urut pada transaksi Setelah membuat F-List, urutkan item pada tiap transaksi berdasarkan frekuensi paling tinggi ke paling rendah. Kemudian mulailah membuat tree secara urut berdasarkan Transaksi ID-nya (TID). TID No transaksi Kode Barang Frekuansi 1 1401 10006861 6 20009722 5 20015838 2 2 1402 10006861 6 3 1403 10006861 6 10000316 3 10023789 2 4 14701 10006861 6 20009722 5 10023789 2 5 14702 20037766 3 10000316 3 20015838 2 6 14703 10006861 6 20009722 5 7 1501 20009722 5 20037766 3 8 1502 10006861 6 20009722 5 9 1503 10000316 3 10 3001 20037766 3 3. Membentuk Frequent Pattern Tree (FP-Tree) Fp-tree merupakan struktur penyimpanan data yang dimampatkan. Fp-tree di bangun dengan memetakan setiap data transaksi ke dalam setiap lintasan tertentu dalam Fp-tree. Karena dalam setiap transaksi yang dipetakan, mungkin ada transaksi yang memiliki item yang sama, maka lintasannya memungkinkan untuk saling menimpa. Semakin banyak data transaksi yang memiliki item yang sama, maka proses pemampatan dengan struktur Fp-tree semakin efektif. Kelebihan dari Fp-tree adalah hanya memerlukan dua kali pemindaian data transaksi yang terbukti sangat efesien. Adapun FP-Tree adalah sebuah pohon dengan definisi sebagai berikut : 1. Fp-Tree dibentuk oleh sebuah akar yang diberi label Null, sekumpulan pohon yang beranggotakan item-item tertentu, dan sebuah tabel frequent header.
- 4. 2. Setiap simpul dalam FP-tree mengandung tiga informasi penting, yaitu label item, menginformasian jenis item yang direpresentasikan simpul tersebut, support count, merepresentasikan jumlah lintasan transaksi yang melalui simpul tersebut, dan pointer penghubung yang menghubungkan simpul-simpul dengan label item sama antar lintasan ditandai dengan garis panah putus- putus. Berikut ini adalah langkah-langkah membangun FP-Tree dari data sebelumnya. A. Pembacaan TID 1 Pada TID 1 terdapat nilai {10006861, 20009722, 20015838} yang kemudian membentuk lintasan null β 10006861 β 20009722 β 20015838 dengan support count awal bernilai 1. Untuk lebih lengkapnya dapat dilihat pada gambar dibawah B. Pembacaan TID 2 Setelah pembacaan TID 1, maka selanjutnya membaca TID 2 yaitu {10006861} sehingga nilai dari 10006861 akan bertambah satu sehingga menjadi 2, tetapi nilai yang lainnya tetap karena tidak ada transaksi dengan kode barang yang sama dengan pembacaan TID pertama. 10006861:1 20009722:1 20015838:1 Null
- 6. C. Pembacaan TID 3 Setelah pembacaan TID 2, maka selanjutnya membaca TID 3 yaitu {10006861, 10000316, 10023789} sehingga nilai 10006861 akan bertambah satu, sehingga menjadi 3 dan akan membentuk cabang baru untuk kode transaksi 10000316 dan 10023789 nilai awalnya adalah 1, seperti gambar di bawah ini. D. Pembacaan TID 4 Setelah pembacaan TID 3, maka selanjutnya membaca TID 4 yaitu {10006861, 20009722, 10023789}. Nilai 10006861 akan bertambah 1 lagi sehingga menjadi 4, dan nilai 20009722 akan bertambah 1 menjadi 2, dan akan membentuk akar baru atau cabang baru untuk kode barang 10023789 dan nilai awalnya adalah 1. Untuk lebih jelasnya dapat dilihat pada gambar 10006861:4 20009722:2 20015838:1 Null 10000316:1 10023789:110023789:1 10006861:3 20009722:1 20015838:1 Null 10000316:1 10023789:1
- 7. E. Pembacaan TID 5 Setelah pembacaan TID 4, maka selanjutnya membaca TID 5 yaitu {20037766, 10000316, 20015838}. Disini harus membuat lintasan baru lagi dengan nilai awal 1, karena kode barang 20037766 belum pernah terlewati sama sekali. Lebih jelasnya dapat di liat pada gambar F. Pembacaan TID 6 Setelah pembacaan TID 5, maka selanjutnya membaca TID 6 yaitu {10006861, 20009722}, nomer transaksi ini pernah di lewati dan sudah mempunyai nilai sehingga tinggal di tambahkan saja, nilainya menjadi 10006861 : 5 dan 20009722: 3. Lebih jelasnya langsung liat gambar 10006861:4 20009722:2 20015838:1 Null 10000316:1 10023789:110023789:1 20037766:1 20000316:1 20015838:1 Null 20037766:1 20000316:1 20015838:1 10006861:5 20009722:3 20015838:1 10000316:1 10023789:110023789:1
- 8. G. Pembacaan TID 7 Setelah pembacaan TID 6, maka selanjutnya membaca TID 7 yaitu {20009722, 20037766}. Kode barang 20009722, 20037766 sama sekali belum terlewati, maka harus membuat cabang baru dengan nilai awal 1. Lebih jelasnya langsung liat pada gambar H. Pembacaan TID 8 Setelah pembacaan TID 7, maka selanjutnya membaca TID 8 yaitu {10006861, 20009722}. Kode barang 10006861 telah terlewati sebanyak 5x, dan kode barang 20009722 telah terlewati sebanyak 3x, maka langkah selanjutnya tinggal menambahkan saja nilainya, sehingga menjadi 10006861 : 6 dan 20009722 : 4. Lebih jelasnya dapat langsung di liat pada gambar Null 10006861:5 20009722:3 20015838:1 10000316:1 10023789:110023789:1 20037766:1 20000316:1 20015838:1 20009722:120037766:1 20009722:120037766:1 Null 20037766:1 20000316:1 20015838:1 10006861:6 20009722:4 20015838:1 10000316:1 10023789:110023789:1
- 9. I. Pembacaan TID 9 Setelah pembacaan TID 8, maka selanjutnya membaca TID 9 yaitu {1000316}. Kode barang 1000316 belom pernah terlewati, sehingga harus membuat lintasan baru lagi dengan nilai awal 1. Selengkapnya dapat di liat dalam gambar J. Pembacaan TID 10 Setelah pembacaan TID 9, maka selanjutnya membaca TID 10 yaitu {20037766}. Sebelumnya kode barang ini telah di lewati sebanyak 1x, maka langkah selanjutnya tinggal menambahkan saja nilai nya, sehingga menjadi 2. Selengkapnya dapat di liat pada Pembacaan TID 10 merupakan proses pembacaan tree yang terakhir dan didapatkan hasil akhir FP-Tree Null 10006861:6 20009722:4 20015838:1 10000316:1 10023789:110023789:1 20037766:1 20000316:1 20015838:1 20009722:120037766:1 1000316:1 1000316:120009722:120037766:1 Null 10006861:6 20009722:4 20015838:1 10000316:1 10023789:110023789:1 20037766:2 20000316:1 20015838:1
- 10. Latihan : Bangunlah FP-Tree dari dataset berikut ini. Asumsikan nama barang sebagai kode barangnya. Tansaction ID ItemsBought 1 Milk Beer Diapers 2 Bread Butter Milk 3 Milk Diapers Cookies 4 Bread Butter Cookies 5 Beer Cookies Diapers 6 Milk Diapers Bread Butter 7 Bread Butter Diapers 8 Beer Diapers 9 Milk Diapers Bread Butter 10 Beer Cookies