093 Data Mining dan Kecerdasan Bisnis Pertemuan 4

00:50:41
https://www.youtube.com/watch?v=b7CcnoBdTTU

Sintesi

TLDRVideo ini menyajikan pemahaman mendalam tentang aturan asosiasi dalam data mining, terutama algoritma Apriori yang digunakan untuk menemukan pola dalam data transaksi. Pada bagian awal, aspek dasar seperti dukungan (support) dan kepercayaan (confidence) dijelaskan, serta bagaimana hal tersebut berperan dalam klasifikasi produk. Contoh nyata dari belanja di minimarket membantu menggambarkan bagaimana menganalisa data transaksi dapat membantu dalam strategi pemasaran, penerapan penjualan silang, dan perencanaan produk. Tanagra sebagai alat visualisasi juga diperkenalkan untuk menampilkan hasil analisa tersebut secara grafik dan lebih mudah dimengerti.

Punti di forza

  • 📊 Pemahaman dasar tentang aturan asosiasi dalam data mining.
  • 🔎 Definisi dan fungsi algoritma Apriori.
  • 📈 Contoh nyata dalam analisis data transaksi di minimarket.
  • 💡 Pentingnya support dan confidence dalam aturan asosiasi.
  • 🛒 Penerapan dalam strategi pemasaran dan penjualan silang.
  • 🖥️ Penggunaan Tanagra untuk visualisasi data dan hasil analisis.

Linea temporale

  • 00:00:00 - 00:05:00

    Pelajaran ini membahas tentang aturan asosiasi, yang merupakan teknik dalam data mining, serta tujuannya dalam memahami pola data. Terdapat algoritma yang digunakan, seperti Apriori, dan digunakan juga alat visualisasi Tanagra untuk mempermudah pemahaman.

  • 00:05:00 - 00:10:00

    Pengklasifikasian asosiatif merupakan strategi populer dalam data mining yang mengandalkan pola asosiasi untuk menganalisis data. Dalam pengklasifikasian ini, penting untuk memahami istilah seperti dukungan (support) dan kepercayaan (confidence).

  • 00:10:00 - 00:15:00

    Contohnya, apabila pelanggan dapat melihat lebih banyak produk, mereka cenderung akan membeli lebih banyak. Pola pembelian yang berkaitan antara produk juga dianalisis, mendalami komposisi keranjang belanja.

  • 00:15:00 - 00:20:00

    Dalam penjualan, analisis data keranjang belanja dibutuhkan untuk menganalisis transaksi pembeli. Misalnya, beberapa pelanggan mungkin membeli produk tertentu berdasarkan diskon atau penawaran khusus, yang menunjukkan heterogenitas preferensi di antara pelanggan.

  • 00:20:00 - 00:25:00

    Presentasi produk menjadi lebih cerdas dengan analisis penjualan berdasarkan waktu tertentu, di mana produk tertentu mungkin lebih laku pada hari-hari spesial atau libur, memandu penjual untuk keputusan strategis.

  • 00:25:00 - 00:30:00

    Hubungan urutan antara produk dalam pembelian juga dianalisis untuk memahami alasan di balik pembelian produk tertentu bersamaan, misalnya alasan di balik pembelian makanan dan minuman secara bersamaan.

  • 00:30:00 - 00:35:00

    Analisis pola asosiasi menghasilkan informasi yang penting untuk berbagai aplikasi, termasuk analisis keranjang belanja, pemasaran silang, dan pengembangan katalog produk.

  • 00:35:00 - 00:40:00

    Dalam penambangan aturan asosiasi, pola-pola yang sering muncul dalam transaksi memahami kebutuhan konsumen. Proses ini membantu dalam mengidentifikasi keteraturan dalam data dan pola yang mungkin tidak diketahui sebelumnya.

  • 00:40:00 - 00:45:00

    Dalam algoritma Apriori, nilai dukungan dan kepercayaan dihitung untuk menentukan relevansi aturan asosiasi. Pelan tindakan dan instruksi perilaku pelanggan dapat diprediksi dari pola ini.

  • 00:45:00 - 00:50:41

    Contoh studi kasus memperlihatkan langkah demi langkah proses analisis data untuk menentukan pola asal, mendemonstrasikan penggunaan Apriori dan kegiatan visualisasi data menggunakan Tanagra, dengan fokus pada hasil dan aplikasi di dunia nyata.

Mostra di più

Mappa mentale

Video Domande e Risposte

  • Apa itu aturan asosiasi?

    Aturan asosiasi adalah teknik dalam data mining yang menemukan pola asosiasi atau hubungan antara berbagai item dalam transaksi.

  • Apa tujuan dari algoritma Apriori?

    Tujuan algoritma Apriori adalah untuk menemukan itemsets yang sering muncul dalam dataset dan mengidentifikasi aturan asosiasi.

  • Apa itu support dan confidence dalam aturan asosiasi?

    Support adalah proporsi transaksi yang mengandung itemset tertentu, sedangkan confidence adalah probabilitas bahwa item Y dibeli ketika item X sudah dibeli.

  • Bagaimana cara kerja algoritma Apriori?

    Algoritma Apriori bekerja dengan menghasilkan frekuent itemsets dari data transaksi dan kemudian membuat aturan asosiasi berdasarkan itemsets tersebut.

  • Apa aplikasi dari analisis aturan asosiasi?

    Analisis aturan asosiasi dapat digunakan dalam pemasaran silang, pengaturan produk dalam toko, dan analisis perilaku membeli konsumen.

  • Bagaimana cara menggunakan Tanagra untuk visualisasi?

    Tanagra digunakan untuk memvisualisasikan hasil analisis data dengan mengimpor data transaksi dan mengatur parameter untuk menghasilkan aturan asosiasi.

Visualizza altre sintesi video

Ottenete l'accesso immediato ai riassunti gratuiti dei video di YouTube grazie all'intelligenza artificiale!
Sottotitoli
id
Scorrimento automatico:
  • 00:00:00
    Hai
  • 00:00:01
    [Musik]
  • 00:00:12
    Oke kita masuk ke pertemuan yang tempat
  • 00:00:15
    mengenai
  • 00:00:17
    Association rule ya jadi Hendra termasuk
  • 00:00:20
    teknik data mining jadi menggunakan
  • 00:00:22
    tekniknya adalah asosiasi
  • 00:00:25
    nah disini ananti ada tujuannya kita
  • 00:00:29
    ngebahas tentang Association rule ada
  • 00:00:31
    pendahuluan
  • 00:00:32
    Apa itu Association rule ada aturannya
  • 00:00:36
    kemudian algoritmanya ia untuk otonation
  • 00:00:39
    troll yang three adalah visualisasi jadi
  • 00:00:42
    nanti
  • 00:00:44
    ditampilkan ya menggunakan tools ya
  • 00:00:46
    kalau disini algoritmanya kita
  • 00:00:48
    menggunakan a a priori nanti
  • 00:00:50
    visualisasinya di Tampilkan menggunakan
  • 00:00:54
    nagrosi adalah tanagra
  • 00:00:57
    Nah di sini ada pendahuluan
  • 00:01:00
    Hai kalau kita sebut pengklasifikasian
  • 00:01:02
    asosiatif adalah strategi populer ya
  • 00:01:05
    kenapa Karena disini adalah mengandalkan
  • 00:01:07
    pola asosiasi Dedi ada polanya
  • 00:01:11
    berhubungan dengan pertambangan atau
  • 00:01:14
    ambrukan dengan data mining yang ada
  • 00:01:17
    banyak alternatif algoritma yang efisien
  • 00:01:19
    jadi kakek dengan pengklasifikasian
  • 00:01:22
    Association ada agoritma nya ya tadi
  • 00:01:25
    selain dari si apriori
  • 00:01:27
    strategi dasar untuk pengklasifikan alat
  • 00:01:30
    pengklasifikasian asosiatif atau
  • 00:01:32
    asosiasi adalah pertama adalah menambang
  • 00:01:35
    semua ya atau Association rule aturan
  • 00:01:39
    asosiasi berbasis kelas ya di sini nanti
  • 00:01:42
    kalau tersebut hashiru ada namanya
  • 00:01:44
    disebut tingkat dukungan atau support
  • 00:01:46
    dan kepercayaan atau minimum confidence
  • 00:01:49
    tertentu Kemudian untuk Instance ya
  • 00:01:53
    pengujian tertentu Gunakan aturan yang
  • 00:01:56
    ditambang untuk klasifikasi b Nanti ada
  • 00:01:59
    aturannya Hai
  • 00:02:06
    Ani sini ada contohnya ya di sini cantik
  • 00:02:11
    pertama adalah anda menjual lebih banyak
  • 00:02:12
    jika pelanggan dapat melihat produk Ya
  • 00:02:15
    maksudnya dari data ya kita bisa menjual
  • 00:02:19
    lebih banyak produk Nih ya jika
  • 00:02:22
    pelanggan tidak dapat melihat produknya
  • 00:02:24
    jadi pada pilihan produknya kemudian
  • 00:02:27
    pelanggan yang membeli satu jenis produk
  • 00:02:29
    cenderung tertarik pada produk tertentu
  • 00:02:32
    lainnya misalnya kita belanja ke
  • 00:02:34
    minimarket besarnya sia belajar belanja
  • 00:02:38
    produk ya Ada produknya misalnya
  • 00:02:40
    produknya adalah B produk kemudian dia
  • 00:02:43
    nanti bisa membeli produk selain produk
  • 00:02:46
    a-b-c-a dapro Duck B ada produk C
  • 00:02:49
    kemudian yang ketiga dan analis pasar
  • 00:02:52
    berhubungan dengan keranjang mempelajari
  • 00:02:55
    komposisi keranjang belanja produk yang
  • 00:02:57
    dibeli selama belanja Tunggal ya jadi
  • 00:03:00
    nanti kita bisa menganalisa keranjang
  • 00:03:03
    belanjanya ya jadi misalnya Si A itu
  • 00:03:07
    yang di beli apa aja sih produknya nah
  • 00:03:10
    disebut adalah ini ya jadi mempelajari
  • 00:03:12
    komposisi keranjang belanja produk yang
  • 00:03:13
    dibeli selama belanja tunggal kemudian
  • 00:03:20
    yang keempat data keranjang ya
  • 00:03:24
    berhubungan dengan pasar daftar
  • 00:03:28
    transaksi pembelian oleh pelanggan Setia
  • 00:03:30
    jadi nanti kita bisa menganalisa juga
  • 00:03:34
    nih ya transaksi daftar transaksi
  • 00:03:36
    pembeli oleh pelanggan ya Misalnya
  • 00:03:39
    pelanggan a pelanggan beckam pelanggan c
  • 00:03:41
    pangkat D nanti dia beli apa aja sih
  • 00:03:44
    kalau belanja di minimarket dan sejumlah
  • 00:03:47
    besar catatan ya karena apa seringkali
  • 00:03:51
    jutaan transaksi perhari ia Mungkin aja
  • 00:03:53
    ya pada saat kelas-kelas kita sebut ya
  • 00:03:56
    ya belanja online Ya misalnya wuih Hoi
  • 00:04:01
    commerce ya mungkin aja dalam sehari Iya
  • 00:04:04
    per hari itu bisa jutaan transaksinya
  • 00:04:07
    ya Misalnya kalau lagi ada facial
  • 00:04:10
    kemudian Sparks Nes ia setiap keranjang
  • 00:04:13
    pasarannya berisi sebagian kecil barang
  • 00:04:15
    yang dibawa Mungkin aja kalau tadi kan
  • 00:04:17
    jumlahnya besar Mungkin aja jumlahnya
  • 00:04:20
    lebih kecil disebutnya sparkles kemudian
  • 00:04:23
    ada namanya heterogenitas mereka yang
  • 00:04:25
    memiliki selera berbeda cenderung
  • 00:04:28
    membeli sub-atom tertentu ya ya tadi
  • 00:04:32
    misalnya pelanggan a ya mungkin kalau
  • 00:04:34
    misalnya kita belanja tadi ya kalau ada
  • 00:04:37
    ah freestyle ya mungkin dia belanjanya
  • 00:04:41
    terganteng duyung yang dia mau suka ada
  • 00:04:43
    yang belanjanya karena diskon itu udah
  • 00:04:45
    termasuk kita bisa menganalisa
  • 00:04:47
    berhubungan dengan daftar transaksi
  • 00:04:49
    pembeli oleh pelanggan
  • 00:04:52
    berikutnya adalah kita bisa presentasi
  • 00:04:55
    produk ya dapat direncanakan lebih
  • 00:04:57
    cerdas untuk waktu tertentu dalam hal
  • 00:05:00
    sehari-hari dalam minggu atau hari libur
  • 00:05:02
    ya jadi kita bisa merencanakan nih ya
  • 00:05:05
    nanti kalau misalnya mau jualan ya
  • 00:05:09
    produknya Apa sih yang laku ya ya orang
  • 00:05:12
    lebih suka nih produknya Nah itu adalah
  • 00:05:14
    termasuk kita bisa merencanakan ninati
  • 00:05:17
    produknya yang laku dijual tuh yang mana
  • 00:05:19
    sih ya pada setiap harinya atau pada
  • 00:05:22
    Senin gua atau pas hari libur produknya
  • 00:05:24
    Apa sih yang laku dijual naik bisa kita
  • 00:05:26
    analisa kemudian dapat juga melibatkan
  • 00:05:29
    hubungan berurutan ya tadi pelanggan
  • 00:05:32
    a-club produk a-pro planga nabi produk
  • 00:05:36
    aku muda-mudi produk B kemudian beli
  • 00:05:38
    produk Cena itu termasuk itu juga bisa
  • 00:05:39
    menganalisa hubungan yang Kenapa dia
  • 00:05:41
    bisa beli B Kenapa dia bisa beli C
  • 00:05:44
    kemudian analisispasar Kajang adalah
  • 00:05:46
    koperasi ia berhubungan dengan data
  • 00:05:49
    mining
  • 00:05:50
    yang tidak diarahkan atau bersama dengan
  • 00:05:54
    pengelompokan ia mencari pola yang
  • 00:05:56
    sebelumnya tidak diketahui
  • 00:06:00
    Hai
  • 00:06:03
    Nah kalau yang nomor lima presentasi
  • 00:06:05
    produk dapat direncanakan dengan lebih
  • 00:06:07
    cerdas untuk waktu tertentu dalam hal
  • 00:06:09
    dalam sehari-hari dalam seminggu atau
  • 00:06:12
    hari libur Maksudnya gimana Jadi kita
  • 00:06:14
    bisa ya
  • 00:06:18
    menekukan penjualan ya yang lebih cerdas
  • 00:06:21
    dalam kalau misalnya dalam sehari ia
  • 00:06:24
    harokah dalam harian itu produk kapas
  • 00:06:26
    yang banyak dibeli ya Kalau hari dalam
  • 00:06:29
    seminggu tuh apa yang banyak dibeli
  • 00:06:31
    dalam seminggu produknya atau Kalau hari
  • 00:06:33
    libur misalnya produk apa yang sering
  • 00:06:35
    dibeli jarak kalau sehari Mungkin orang
  • 00:06:37
    belinya kebutuhan mungkin jajanan ya
  • 00:06:40
    atau misalnya beli
  • 00:06:44
    sabun atau misalnya beli
  • 00:06:46
    eh sikat gigi atau odol nah kemudian
  • 00:06:49
    dalam seminggu transaksi yang paling
  • 00:06:51
    banyak tuh apa aja sih orang belanja
  • 00:06:53
    kemudian Kalau hari libur tuh orang yang
  • 00:06:55
    cari apa sih ia untuk belanja ini kita
  • 00:06:58
    bisa mempresentasikan Oh ya jadi nanti
  • 00:07:00
    kalau misalnya pas hari ini yang kita
  • 00:07:03
    promoin apa ya kemudian dalam hari libur
  • 00:07:07
    nanti yang kita mau jualin produknya Apa
  • 00:07:09
    itu ini promoin nanti kita bisa
  • 00:07:12
    mengenali analisa
  • 00:07:13
    kemudian dapat juga melibatkan hubungan
  • 00:07:16
    berurutan misalnya gimana tadi si
  • 00:07:19
    pelanggan a.di produk B kemudian di
  • 00:07:21
    produk-produk C Nah kenapa nih dia bisa
  • 00:07:24
    dalam diberi produk B kemudian diberi
  • 00:07:26
    produksi contohnya misalnya dia beli
  • 00:07:28
    roti ya kemudian kena berikutnya dia
  • 00:07:32
    belinya misalnya meses kemudian beli
  • 00:07:35
    roti kemudian beli eh susu
  • 00:07:39
    eh Susu full cream misalnya nah itu
  • 00:07:43
    adalah berbunga Itu menjelaskan hubungan
  • 00:07:45
    berurutan kemudian analisispasar
  • 00:07:47
    telanjang adalah operasi datamining nah
  • 00:07:50
    ini kita bisa mengatasi pasar hubungan
  • 00:07:53
    dengan keranjang adalah disini
  • 00:07:54
    menggunakan data mining yang tidak
  • 00:07:56
    diarahkan ya bersama dengan
  • 00:07:58
    pengelompokan jadi nanti Jelaskan disini
  • 00:08:00
    pengelompokan jadi mencari pola yang
  • 00:08:03
    sebelumnya tidak diketahui
  • 00:08:05
    Nah masuk ke dalam cross-selling jadi ke
  • 00:08:08
    namanya closed apa sih maksud dengan
  • 00:08:11
    polosnya adalah kecenderungan pembeli
  • 00:08:13
    barang tertentu untuk membeli barang
  • 00:08:15
    yang berbeda ya tadi misalnya belanjanya
  • 00:08:18
    a tiba-tiba dia belanjanya susuk
  • 00:08:21
    kemudian belanjanya sabun cuci Nah
  • 00:08:24
    kenapa kok beda banget Kenapa jadi
  • 00:08:26
    sebeli susu komponen Kenapa belinya
  • 00:08:29
    nggak nggak belinya misalnya tadi ngebel
  • 00:08:31
    MSS itu atau dengan berlari belanja roti
  • 00:08:34
    dia Kenapa nggak belinya dia belinya
  • 00:08:36
    misalnya sabun mandi Kenapa dia kalau
  • 00:08:40
    beli roti Kenapa nggak belinya
  • 00:08:42
    mehsoos bisa namanya Beli berbeda
  • 00:08:46
    kemudian dapat dimaksimalkan dengan
  • 00:08:48
    menempatkan produk-produk yang cenderung
  • 00:08:50
    dibeli untuk oleh konsumen yang sama di
  • 00:08:53
    tempat ia tempat dimana kedua produk
  • 00:08:55
    dapat dilihat kita dia Contohnya kayak
  • 00:08:57
    kita belanja juga minimarket ya Kenapa
  • 00:09:00
    misalnya eh
  • 00:09:04
    ah odol deketan sama pasta gigi kemudian
  • 00:09:08
    Sabun Mandi misalnya deketan sama cuci
  • 00:09:11
    muka misalnya atau misalnya
  • 00:09:13
    [Musik]
  • 00:09:16
    ah misalnya kayak sabun cuci ya deterjen
  • 00:09:21
    sama misalnya serta ruhnya sabun cuci
  • 00:09:24
    Nah itu adalah ini ya jadi kita bisa eh
  • 00:09:29
    memaksimalkan ya menempatkan produk yang
  • 00:09:31
    cenderung dibeli konsumen yang sama di
  • 00:09:33
    tempat dimana kedua produk tersebut
  • 00:09:35
    dapat terlihat
  • 00:09:37
    Nah kita masuk ke Association minimnya
  • 00:09:40
    ya Yang pertama adalah penambangan
  • 00:09:43
    aturan asosiasi ia atau Association rule
  • 00:09:46
    mining adalah menemukan pola jadi kita
  • 00:09:48
    menambang data itu untuk apa sih
  • 00:09:50
    menemukan pola asosiasi atau hubungan
  • 00:09:54
    korelasi ya kemudian struktur Aa
  • 00:09:57
    sebab-akibat tadi kenapa diomelin Hai
  • 00:10:00
    model belanja by a yang sering diare
  • 00:10:02
    sering diantara set item atau objek ya
  • 00:10:05
    dalam database transaksi awal tersebut
  • 00:10:08
    dengan data ini berarti sudah tersimpan
  • 00:10:10
    didalam database Rusia Contohnya kayak
  • 00:10:13
    kita belanja di minimarket kan otomatis
  • 00:10:15
    kita udah pakai sistem Ya udah muncul
  • 00:10:19
    stoknya Nah itu disitu bisa kelihatan
  • 00:10:21
    tuh transaksinya di misalnya berapa
  • 00:10:23
    kemudian dia belanjanya apa aja kemudian
  • 00:10:25
    Dadap tablets relasional dan repository
  • 00:10:28
    informasi lainnya berikut lagilah bruto
  • 00:10:31
    yang nomor 22 frequent pattern eapol
  • 00:10:34
    yang sering terjadi dalam database yang
  • 00:10:37
    B adalah motivasi menemukan keteraturan
  • 00:10:40
    dalam data tadi produk apa yang sering
  • 00:10:44
    dibeli bersamaan misalnya susu dengan
  • 00:10:46
    po-po ya kemudian apa pembelian
  • 00:10:50
    selanjutnya misalnya Setelah membeli PC
  • 00:10:53
    nanti si pelanggan itu beli apa sih
  • 00:10:55
    kemudian jenis DNA apa yang sensitif
  • 00:10:58
    terhadap terhadap baru-baru ya kemudian
  • 00:11:02
    ya tadi misalnya dna-nya nanti dia
  • 00:11:05
    sensitif sama Bu ama obat apa sih yang
  • 00:11:07
    a-a-a-a obat baru yang dia belum guna
  • 00:11:10
    belum pernah minum misalnya kemudian
  • 00:11:13
    Bisakah kita mengklasifikasi dokumen web
  • 00:11:15
    secara otomatis nah ini ya kita bisa
  • 00:11:18
    mengklasifikasikan berhubungan dengan
  • 00:11:21
    dokumen devlopment Webster otomatis
  • 00:11:25
    berikutnya Mengapa pola berulang atau
  • 00:11:28
    asosiasi menanamkan tugas penting dalam
  • 00:11:30
    data mining ya Yang pertama adalah dasar
  • 00:11:33
    untuk banyak tugas menambahkan data atau
  • 00:11:36
    data mening sangat penting ya di sini
  • 00:11:39
    adalah contohnya adalah Association
  • 00:11:41
    korelasi atau hubungan
  • 00:11:43
    kausal kausalitas antar sebab-akibat
  • 00:11:47
    kemudian ada namanya broad
  • 00:11:50
    aplikasi-aplikasi ya buat aplikasi
  • 00:11:53
    berarti berhubungan dengan apa ini
  • 00:11:54
    basket analysis data pemasaran silang
  • 00:11:57
    desain katalog analisis ini penjualan
  • 00:12:01
    mesti gimana sih Iya tadi kita bisa
  • 00:12:03
    menganalisa berhubungan dengan keranjang
  • 00:12:05
    belanja sih pelanggan tersebut kemudian
  • 00:12:08
    kita bisa pemasaran silang ya Misalnya
  • 00:12:10
    kita bisa promosiin misalnya kalau misal
  • 00:12:13
    nanti sea kita kasih nanti produknya si
  • 00:12:16
    B
  • 00:12:17
    misalnya bisa nggak sih dia mbakalan
  • 00:12:20
    belanja enggak sih produknya kemudian
  • 00:12:23
    berbunga berikutnya adalah semua tabel
  • 00:12:26
    Jelaskan mengenai desain katalog ya kita
  • 00:12:29
    bisa mendesain katalog didesain itu
  • 00:12:31
    nanti pelanggannya mau beli apa enggak
  • 00:12:34
    kemudian analisis kampanye penjualan Nah
  • 00:12:37
    kalau sekarang Banyaknya tuh kalau di
  • 00:12:39
    minimarket kalau misalnya suka follow
  • 00:12:41
    ig-nya ada namanya misalnya GSM ya
  • 00:12:44
    belanja Jumat Sabtu Minggu 16 itu banyak
  • 00:12:47
    tuh Promonya nice masuk adalah kampanye
  • 00:12:49
    penjualan
  • 00:12:51
    kemudian analisis lock web atau
  • 00:12:53
    aliran-aliran klik ya jadi misalnya
  • 00:12:57
    menganalisis websitenya Hai kalau orang
  • 00:13:00
    misalnya
  • 00:13:02
    ngeklik website itu apa aja siang di
  • 00:13:05
    lihat ya kemudian analisis urutan DNA
  • 00:13:09
    nah ini juga bisa dianalisa Ayah
  • 00:13:11
    berhubungan ngebrot application
  • 00:13:15
    hadits ini kita akan
  • 00:13:18
    [Musik]
  • 00:13:20
    memelukku kan ya
  • 00:13:23
    mencari ukuran aturan ya Mencari nilai
  • 00:13:26
    support dan nilai confidence ya di sini
  • 00:13:30
    ada Alquran Alquran aturan support dan
  • 00:13:32
    confidence disini contohnya kita
  • 00:13:35
    menganalisa
  • 00:13:37
    pelanggannya ya membeli suatu produk
  • 00:13:39
    misalnya customer a.mom beli produk
  • 00:13:43
    keduanya misal di sini ada produk a
  • 00:13:46
    produk nya adalah diapers dia membeli
  • 00:13:49
    popok kemudian dia membeli susu Kya
  • 00:13:52
    kemudian disini dia membeli kedua produk
  • 00:13:55
    tersebut berarti membeli
  • 00:13:57
    susu dan membeli Popo lainnya dia cuman
  • 00:14:01
    membeli
  • 00:14:02
    Eh popoknya ini mau beli susu dan sini
  • 00:14:06
    kita bisa menemukan aturan ya aturan x&y
  • 00:14:09
    ya Z ya dengan confidence minum dan
  • 00:14:14
    support nih dari dari confidence minum
  • 00:14:17
    dan support support us dianggap
  • 00:14:20
    probabilitas atau kemungkinan bahwa
  • 00:14:22
    atraksi mengandung nilai x y sama cat ya
  • 00:14:26
    misalkan kita ini sel kan disini boleh
  • 00:14:29
    nilai x nilai y = z
  • 00:14:38
    kemudian confidence C probabilitas yang
  • 00:14:41
    bersyarat ya kalau kau tidak ada
  • 00:14:43
    syaratnya transaksi memiliki SY juga
  • 00:14:47
    mengandung zat Edi transaksi x&y juga
  • 00:14:51
    mengandung nilai z Nah di sini kita mau
  • 00:14:55
    mencari mencari nilai a support jahe dan
  • 00:15:00
    Hai confidence dari transaksi tersebut
  • 00:15:03
    Nah di sini ada contoh transaksi ada
  • 00:15:06
    transaksi ID ya dari pembelanjaan di
  • 00:15:10
    sini ada transaksi EDC misal kayak model
  • 00:15:12
    struk ya pada saat dia belanja ini Stok
  • 00:15:15
    Lama struknya besarnya
  • 00:15:18
    200100
  • 00:15:20
    400 500
  • 00:15:25
    atau transaksi E2000 1450 rupiah
  • 00:15:30
    kemudian pembeliannya di transaksi 2000
  • 00:15:33
    dia beli apa aja produknya
  • 00:15:35
    abcc11
  • 00:15:37
    sedih 100 dia membeli produknya misalnya
  • 00:15:40
    Aceh dibeli produk 4000 atau 400 dia
  • 00:15:44
    membeli ad kemudian di 5000 dia
  • 00:15:47
    membelinya adalah Beb sama F nah
  • 00:15:50
    kemudian kita bikin aturan ya di sini ya
  • 00:15:52
    nilai supportnya adalah 50% dan nilai
  • 00:15:55
    Konvensi adalah 50% ini transaksinya
  • 00:15:58
    transaksi Aa kemudian dia membeli
  • 00:16:02
    taksasi C dapat 50% dari mana adalah
  • 00:16:05
    nilai2 transaksi AC Ada berapa Citra
  • 00:16:09
    siang Adan C ada satu ada dua ya berarti
  • 00:16:15
    didapat adalah 2
  • 00:16:18
    dibagi 4 Kedah totalnya ada berapa
  • 00:16:21
    transaksinya
  • 00:16:24
    1234 berarti dapat empat
  • 00:16:27
    total terasing yang dibagi 2 dibagi 46
  • 00:16:30
    part lah ini dikali 100% dapat 50%
  • 00:16:34
    kemudian nilai untuk
  • 00:16:36
    disini confidence ya tadi dia telah
  • 00:16:40
    pergi adalah mengandung a-a-a-a sama C
  • 00:16:43
    kemudian yang ada transaksi hanya dan
  • 00:16:45
    berapa nih salah ya bukan 2/2 aturan
  • 00:16:48
    berarti aja tadi ada dua kemudian dibagi
  • 00:16:52
    yang transaksi ada Aya 123 Berarti 25
  • 00:17:00
    Oh
  • 00:17:01
    ya Insyaallah ya bukan dua bagi dua gua
  • 00:17:05
    dibagi3 berarti dapatnya 2 dibagi tiga
  • 00:17:08
    berarti mereka 66,67 Saint
  • 00:17:13
    6,0 koma 6 enam berarti kalau 666 Yagi
  • 00:17:18
    bagi selesai 60%
  • 00:17:20
    kemudian berikutnya sama ya transaksi c
  • 00:17:24
    sama A'a
  • 00:17:27
    Ya Tasya vc sama Aa berarti c sama kayak
  • 00:17:33
    tadi ia mencari nilai supportnya
  • 00:17:35
    ac12 berarti dapat gua dibagi empat ya
  • 00:17:40
    dapet 0,5 dikali 100% dapat 50%
  • 00:17:44
    berikutnya
  • 00:17:46
    acr3 CL cari yang dibaginya adalah sama
  • 00:17:49
    ya untuk ternyata transaksi atasnya
  • 00:17:52
    adalah C ya yang mengadu aada 1-2
  • 00:17:58
    Berarti ada 02 dibagi tol si transaksi
  • 00:18:03
    yang ada c-nya aja berarti ada satu
  • 00:18:08
    ada dua
  • 00:18:10
    dapat ya roti2 dibagi dua dikali 100%
  • 00:18:15
    nanti dapat adalah 100% lalu bagi 21
  • 00:18:20
    dikali 100 100% Oke
  • 00:18:24
    berikutnya kita masuk ke Association
  • 00:18:27
    rule sampai tadi contohnya cuman ini
  • 00:18:29
    kita bisa menggunakan namanya frequent
  • 00:18:31
    itemset
  • 00:18:32
    sama kita di tasnya ada empat transaksi
  • 00:18:35
    ini yang dibeli produknya
  • 00:18:37
    sama minimum support 50 convention 50
  • 00:18:42
    Nah pertama kalau kita masuk ke frequent
  • 00:18:45
    itemset
  • 00:18:46
    berarti transaksinya di buat sendiri
  • 00:18:49
    sendiri kemudian misalnya kedua
  • 00:18:52
    transaksi ya atau kita bikin 3 transaksi
  • 00:18:55
    kalau pertama ini adalah itemset yang
  • 00:18:58
    awalnya adalah untuk satu items Oh ya
  • 00:19:00
    yang dia membeli produk aja b nya aja
  • 00:19:05
    c-nya aja kemudian saat sama cek berarti
  • 00:19:09
    Kalau aanya aja ini masuk ke sini cara
  • 00:19:12
    ngitungnya ya Aa aja kita lihat
  • 00:19:15
    transaksi yang nanya aja
  • 00:19:19
    123
  • 00:19:21
    berarti dapat tiga dibagi 44 dari mana
  • 00:19:25
    total transaksinya semakin tadi adik
  • 00:19:27
    disini beetoto ada empat transaksi
  • 00:19:33
    123456 udian baru 3/4 digali 100% dapat
  • 00:19:37
    adalah nilainya 75%
  • 00:19:40
    berikutnya transaksi B yang b nya aja
  • 00:19:44
    HPnya aja ada berapa sih banyak aja T
  • 00:19:47
    hitung ya satu dua
  • 00:19:50
    ada dua transaksi ya berarti 22 dibagi
  • 00:19:55
    apa dibagi totalnya 4.24 3S 100% dapat
  • 00:20:00
    resep bekal setengah lima dikali
  • 00:20:03
    100% jadi 50% berikutnya yang transaksi
  • 00:20:06
    cek ngahyang transaksi mengandung c-nya
  • 00:20:09
    aja nanti ada satu ada dua ya sama ya 2
  • 00:20:15
    dibagi 4 jadi kali 100% dapat 50% nah
  • 00:20:20
    ini ada dua frecon Ajeng keunikan 11
  • 00:20:23
    sekarang yang sama C sampai semuanya
  • 00:20:25
    dibales ya berarti gimana ya tadi dan
  • 00:20:28
    supportnya udah kita cari yang nilai
  • 00:20:30
    support a1acc ya nilai support asam AC
  • 00:20:35
    berarti caranya sama kita di yang
  • 00:20:37
    mengaduk asam AC Ada berapa Pak sama
  • 00:20:42
    C12
  • 00:20:44
    Berarti ada dua sama nilai sepatu dibagi
  • 00:20:48
    total bt24 Italia 100% dapat 50% didapat
  • 00:20:53
    ya nilai call support untuk sama c
  • 00:20:55
    adalah 50% berikutnya kita menjalin
  • 00:20:57
    nilai confidence Yes support cek ya
  • 00:21:00
    dibagi support jadi di sini ada AC Dedi
  • 00:21:04
    dibagiin nilai support yang mengandung
  • 00:21:06
    Anya totalnya sama kayak tadi Berarti
  • 00:21:09
    Gimana caranya Yang maaf Ce berarti kan
  • 00:21:12
    ada dua gua
  • 00:21:14
    ya dibagi tadi yang ada aja Ada berapa
  • 00:21:20
    satu dua tiga
  • 00:21:23
    berarti 2/3 dapat adalah
  • 00:21:28
    0,666 nanti dikali dari 100 dan dapat
  • 00:21:33
    66,67
  • 00:21:35
    6,6 persen
  • 00:21:38
    Nah ini untuk mencari nilai dari
  • 00:21:42
    konfidensial ya memakai temennya dia
  • 00:21:45
    lebih ada Freedom atlet-atlet Setia
  • 00:21:47
    berada disini Agan sebenarnya sampai 26
  • 00:21:49
    set nah prinsip apriori adalah setiap
  • 00:21:52
    himpunan bagian dari sistem harus sering
  • 00:21:54
    ya jadi bagian dari atom Setia kita cari
  • 00:21:57
    yang sering akar yang kita mau bikin
  • 00:22:00
    setiap
  • 00:22:02
    nah ini ya tadi udah penjelasannya ini
  • 00:22:05
    mengenalkan menjelaskan rumusnya jadi
  • 00:22:08
    yang namanya nilai support adalah disini
  • 00:22:12
    nilai support semua item diperoleh
  • 00:22:14
    dengan rumus ya tadi udah masuk ke
  • 00:22:16
    contohnya nah ini rebus ya nilai suporta
  • 00:22:18
    adalah Jumlah transaksi yang mengandung
  • 00:22:21
    a.di bagi total transaksinya dikali
  • 00:22:24
    serat persen sedangkan kalau nilai
  • 00:22:28
    support 2 item rumusnya adalah support
  • 00:22:31
    a&b Aa gabungan b berarti jumlah saksi
  • 00:22:36
    yang mengadu a&b dibagi total transaksi
  • 00:22:39
    dikali 100%
  • 00:22:42
    Setelah semua pola frekuensi tinggi
  • 00:22:44
    ditemukan barulah kita cari aturan
  • 00:22:46
    asosiatif nya tadi yang memenuhi syarat
  • 00:22:49
    minimum untuk confidence dan menghitung
  • 00:22:52
    confidence aturan asosiatif dari a&b
  • 00:22:55
    tadi kan kita udah menjelaskan yang
  • 00:22:57
    setia demikian waktu minimum nilai dan
  • 00:23:00
    50% kemudian nilai konfidensial 50%
  • 00:23:03
    Kemudian untuk nilai confidence A Beat
  • 00:23:08
    rahasia yang mengandung D berarti
  • 00:23:10
    nilai-nilai
  • 00:23:11
    support dari a&b nya ya nilai support
  • 00:23:15
    gabungan b i bagi nilai a support dari
  • 00:23:20
    qana'ah atau jumlah transaksi yang
  • 00:23:22
    mengandung kakaknya
  • 00:23:27
    berarti rumusnya adalah Jumlah transaksi
  • 00:23:31
    yang mengandung a&b dibagi
  • 00:23:35
    jumlah transaksi yang mengandung adik
  • 00:23:38
    Ali 100% nirmassa dikali 100% untuk
  • 00:23:42
    mencari nilai confidence Nino rumusnya
  • 00:23:45
    aturannya
  • 00:23:47
    Nah kita masuk ke Lontoh kasus nih ya
  • 00:23:51
    kalau ini udah ya di sini dibikin nih
  • 00:23:55
    ada transaksi id-nya
  • 00:23:57
    t01 ya Ada teko 2.0 3.0 4.0 5.0 yang di
  • 00:24:05
    beli apa aja misalnya beli pulpen buku
  • 00:24:08
    tulis soal point pensil penghapus
  • 00:24:11
    transaksi nomor 2.0
  • 00:24:14
    2013 beli pensil penghapus Lex 04 2017
  • 00:24:19
    kemudian beli penghapus kemudian 305
  • 00:24:22
    pensil penghapus dan kutulis kita masuk
  • 00:24:26
    ke contoh kasusnya ya di sini ada
  • 00:24:28
    pembeli setiap pembelian alat tulis
  • 00:24:30
    kantor dari data ini ya kita mau tadi
  • 00:24:34
    menggunakan algoritma apriori ya Karena
  • 00:24:37
    setelah dapat data ini berikutnya adalah
  • 00:24:39
    biar gampang kita bikin dulu nih tampil
  • 00:24:42
    representasi biner dari tabel transaksi
  • 00:24:45
    jadi kita bikin biner kelebihan itu kan
  • 00:24:47
    nilai cuma nilai satu dan nol
  • 00:24:50
    kalau satu ia nol tidak Nah kita begini
  • 00:24:54
    produknya apa aja sih yang dibeli ada
  • 00:24:56
    buku tulis Ada pulpen Ada pensil ada
  • 00:24:58
    penghapus ini berarti ada
  • 00:25:03
    empat ya
  • 00:25:10
    12345 termulia dari transaksi kosong
  • 00:25:13
    satu ya yang di beli apa aja kita kasih
  • 00:25:16
    kalau satu berarti ia kalau nol tidak
  • 00:25:19
    kalau yang telah thesis nomor satu dia
  • 00:25:21
    belinya pulpen Sama buku tulis berarti
  • 00:25:25
    buku tulis sama pulpen ditulisnya satu
  • 00:25:29
    kalau nggak berarti nol
  • 00:25:33
    Ya ini biar gampang kita bikin tabel
  • 00:25:37
    Bina tabel representasi biner nyari
  • 00:25:39
    transaksi kemudian teknologi dia beli
  • 00:25:43
    apa aja sih ya di kosong dua pulpen
  • 00:25:46
    pensil penghapus
  • 00:25:48
    berarti buku tulis nggak berarti beli
  • 00:25:51
    pulpen pensil penghapus e
  • 00:26:00
    Hai nah kemudian di televisi dua dia
  • 00:26:03
    nggak beli buku tulis nah Berarti
  • 00:26:05
    nilainya Kita masukin noh masuk ke
  • 00:26:08
    transaksi yang ketiga hari ketiga beli
  • 00:26:11
    Pensil sama penghapus
  • 00:26:12
    berarti pensil pensil sama penghapus
  • 00:26:17
    kalau dia nggak beli berarti nggak beli
  • 00:26:20
    buku tulis berarti nilainya nol
  • 00:26:22
    balkonnya nol
  • 00:26:24
    masuk ke transaksi yang keempat terdapat
  • 00:26:27
    diam Java buku tulis penghapus
  • 00:26:30
    kutulis
  • 00:26:32
    menghapusnya berarti nilainya and 11 dia
  • 00:26:36
    nggak beli pulpen sama penghapus nilai
  • 00:26:38
    nol beras yang kelima saya beli pensil
  • 00:26:42
    penghapus buku tulis beli pensil
  • 00:26:46
    penghapus buku tulis ya Enggak beli
  • 00:26:50
    pulpen berarti nilainya nol karena dia
  • 00:26:52
    beli dia beli masih hanya satu kemudian
  • 00:26:56
    kita Totally nih Ya jumlahnya buku tulis
  • 00:27:00
    Nda menghapus 40 poin2 kemudian pensil
  • 00:27:05
    tiga nilai yang satu-satunya kita jumlah
  • 00:27:08
    in112
  • 00:27:10
    1234 123 Ayah ini kita masuk ke
  • 00:27:14
    representasi biner dari Tampilkan nasi
  • 00:27:16
    biar gampang ya buat
  • 00:27:19
    menggunakan
  • 00:27:20
    rumus dari agar idmap teorinya
  • 00:27:25
    Nah setelah itu setelah masuk ke
  • 00:27:28
    representasi biner kita masuk ke aturan
  • 00:27:30
    kombinasi ya dari satu itemset kalau
  • 00:27:34
    tadi kan kita pakai simbol abcd kali ini
  • 00:27:37
    berdasarkan produknya
  • 00:27:39
    atau produk yang dibeli apa
  • 00:27:43
    Nah disini adalah untuk pembentukan
  • 00:27:46
    disini penyelesaian berdasarkan data
  • 00:27:47
    yang sudah disediakan pada tabel 2
  • 00:27:49
    Proses pembentukan C1 ia disini adalah
  • 00:27:52
    disebut dengan satu itemset nah ini ada
  • 00:27:54
    aturannya nilai minimum support nya
  • 00:27:56
    adalah
  • 00:27:57
    40% kita bikin file-nya calon
  • 00:28:02
    asosiasi-asosiasi dengan frekuensi satu
  • 00:28:04
    itemset berarti kita lihat nih item
  • 00:28:07
    Setia Berarti ada empat ya Tadi ada buku
  • 00:28:09
    tulis penghapus pulpen sama pensil
  • 00:28:12
    Nah kita masukin to jumlahnya Ya
  • 00:28:15
    jumlahnya berapa tadi ya masing-masing
  • 00:28:18
    berapa buku tulis hingga penghapus 4
  • 00:28:20
    fotoin 2pensil 36 masukin 3423
  • 00:28:25
    berikutnya kita mencari nilai support
  • 00:28:27
    ini rumusnya nilai support adalah Jumlah
  • 00:28:30
    transaksi yang mengandung aha dibagi
  • 00:28:33
    total transaksi
  • 00:28:35
    berarti inilah yang mengandung buku
  • 00:28:39
    tulis 3 total transaksi ada berapa Ada
  • 00:28:43
    Lima
  • 00:28:48
    123456 part ya tiga dibagi lima kali
  • 00:28:51
    100% didapat adalah 60%
  • 00:28:56
    ya berikutnya yang membeli pus tadi
  • 00:29:00
    totalnya 4 menghapus ada empat ya
  • 00:29:04
    berarti empat dibagi total transaksi 4/5
  • 00:29:08
    dikali 100% didapat 80%
  • 00:29:12
    berikutnya yang membeli Pulpen ada dua
  • 00:29:14
    mendengar pulpen belinya dua
  • 00:29:17
    dari apopen dua lebih 2 dibagi total
  • 00:29:21
    transaksi dikasih Satu sen tidak putus
  • 00:29:24
    adalah nilainya 40% masuk ke
  • 00:29:26
    pensil-pensil ada tiga jumlahnya
  • 00:29:30
    esensi ada tiga sebenarnya tiga berarti
  • 00:29:32
    tiga dibagi lima totalnya dikali satu
  • 00:29:35
    Sandy dapat support tiadalah 60%
  • 00:29:38
    ya Nah di sini ada syaratnya ya dengan
  • 00:29:43
    minimal supportnya adalah 40% jadi kita
  • 00:29:46
    nentuin standar minimum support nya
  • 00:29:49
    berarti
  • 00:29:50
    Disini yang mana ya nilai support nya
  • 00:29:53
    minumnya adalah 40% ya ada pulpen pensil
  • 00:29:59
    minimum ndak sama ya Ah nggak ada yang
  • 00:30:02
    di bawah 40% berarti ini Pak Robson
  • 00:30:05
    masuk ya 40 60 80 60%
  • 00:30:07
    berikutnya kita masuk ke kombinasi dua
  • 00:30:11
    itemset ya Pembentukan C2 disebutnya
  • 00:30:14
    dengan dua atom Z dengan jumlah minimum
  • 00:30:17
    support adalah 40% kita masuk ke tabel
  • 00:30:20
    yang ketiga calon atraksi AC dengan
  • 00:30:22
    frekwensi dua itemset ini nilai support
  • 00:30:25
    ya kalau dua Tomcat adalah support AB =
  • 00:30:28
    P ya Aga bungan nilai b a t gabungan
  • 00:30:34
    nilai b&b ya support AB berarti jumlah
  • 00:30:39
    transaksi yang mengandung a&b dibagi
  • 00:30:42
    jumlah transaksi mencari nilai
  • 00:30:44
    supportnya berikutnya kita mau Syahrini
  • 00:30:47
    yang membeli kita bagi masing-masing ya
  • 00:30:49
    buku tulis penghapus jadi semuanya harus
  • 00:30:51
    dimasukin mulanya ya Dari semua data
  • 00:30:55
    yang tadi yang ada ini buku tulis
  • 00:30:57
    penghapus Pulpen ini semuanya harus ke
  • 00:31:00
    kau ada pola
  • 00:31:02
    123 ada pola lagi nih
  • 00:31:05
    12
  • 00:31:07
    pula lagi Ini sama ini ya Nah itu adalah
  • 00:31:12
    mau cari2 itemset
  • 00:31:14
    pertama adalah buku tulis penghapus kita
  • 00:31:18
    lihat yang membeli produknya buku tulis
  • 00:31:21
    dan penghapus ke awal buku tulis dan
  • 00:31:25
    penghapus
  • 00:31:31
    membeli buku tulis dan penghapus mana
  • 00:31:34
    buku tulis penghapus make ini Ibu tulis
  • 00:31:37
    penghapus Ada lagi Ada tulis penghapus
  • 00:31:40
    ada dua ya berarti kita masuki nilainya
  • 00:31:43
    adalah dua dibagi total transaksi 25
  • 00:31:47
    dikali 100% dapat 40%
  • 00:31:50
    berikutnya membeli buku tulis pulpen
  • 00:31:54
    buku tulis pulpen kita tulis ini yang
  • 00:31:58
    bergabung buku tulis pulpen buku tulis
  • 00:32:02
    pulpen
  • 00:32:03
    buku tulis
  • 00:32:05
    pulpen
  • 00:32:08
    1 latihan
  • 00:32:11
    tadi satu ya dapat ya jumlahnya satu
  • 00:32:15
    buku tulis pulpen berarti nilai adalah
  • 00:32:18
    1/5 dikali 100% didapat 20%
  • 00:32:23
    berikutnya buku tulis pensil
  • 00:32:27
    tipe cek buku tulis pensil buku tulis
  • 00:32:33
    buku tulis pensil
  • 00:32:36
    dia beli buku tulis sama pensil
  • 00:32:40
    niat buku tulis sehingga ini
  • 00:32:44
    kutulis sama pensil ada lagi buku tulis
  • 00:32:49
    pensil enggak ada berarti satu ya
  • 00:32:53
    nanti nilainya 100 Dapat 1/5 dikali 100%
  • 00:32:58
    dapat hidup SMS kau Dian penghapus
  • 00:33:01
    pulpen
  • 00:33:03
    penghapus
  • 00:33:05
    pulpen satu
  • 00:33:09
    menghapus pulpen satu latihan 1/5
  • 00:33:14
    penghapus pulpen nilainya
  • 00:33:17
    11 dibagi lima
  • 00:33:20
    ya nanti dikasih sudah dapat 20%
  • 00:33:24
    berikutnya yang beli penghapus pensil
  • 00:33:27
    penghapus pensil
  • 00:33:30
    penghapus
  • 00:33:33
    pensil satu
  • 00:33:36
    lagi penghapus pensil ada
  • 00:33:43
    21212 ya berarti ya gua
  • 00:33:47
    lagi nggak ngebosenin ada
  • 00:33:51
    31 Oh ya tiga ada 31123
  • 00:34:00
    ndak ada tiga berarti dapet 33 diterima
  • 00:34:05
    dikali 100% dapat 60% yang terakhir
  • 00:34:09
    adalah yang membeli pulpen dan pensil
  • 00:34:14
    kita lihat pulpen dan pensil pulpen
  • 00:34:20
    1000 kan
  • 00:34:24
    11 weh nanti beli pulpen pulpen sama
  • 00:34:27
    pensil cuman satu
  • 00:34:28
    dapat dilihat 1 1/5 dikali 100% tepat
  • 00:34:34
    20% Nah dari kombinasi 2 itemset kita
  • 00:34:38
    kasih minimum support nya tadi 40% ya
  • 00:34:41
    berarti yang dianggap 40% kita
  • 00:34:45
    kita nggak pake
  • 00:34:48
    berarti ini kan nggak ini nggak ini
  • 00:34:53
    nggak ini nggak
  • 00:34:56
    Oh ya ini dapat ya Berarti ada buku
  • 00:35:00
    tulis penghapus
  • 00:35:02
    kemudian pensil berarti dapet tiganya
  • 00:35:07
    adalah buku tulis penghapus pensil
  • 00:35:10
    ya buku tulis penghapus sama ini
  • 00:35:14
    menghapus hasilkan sama maaf juga
  • 00:35:17
    nah kita setelah domain yang juga
  • 00:35:20
    itemset masuk yang 33 kombinasi item set
  • 00:35:24
    jadi membentuk ketiga disebut dengan
  • 00:35:27
    tiga item dengan jumlah minimum
  • 00:35:29
    sepertinya sama semuanya sama minum
  • 00:35:31
    seperti dalam produsen kita bikin jalan
  • 00:35:34
    atraksi-atraksi dengan pita itemset nah
  • 00:35:37
    Berarti tadi ada tiga the set buku tulis
  • 00:35:40
    penghapus
  • 00:35:41
    pensil
  • 00:35:43
    ya dia beli buku tulis Sama
  • 00:35:48
    buku tulis penghapus pensil
  • 00:35:52
    Nah kalau kita sebut dengan nilai
  • 00:35:54
    support saya adalah transaksi mengandung
  • 00:35:57
    a b dan c dibagi jumlah transaksi bisa
  • 00:36:01
    berarti transaksi beli buku tulis
  • 00:36:04
    penghapus pensil buku tulis penghapus
  • 00:36:06
    pensil
  • 00:36:08
    Maluku tulis penghapus pensil buku tulis
  • 00:36:14
    penghapus
  • 00:36:16
    ku tulis penghapus pensil Nia
  • 00:36:21
    12
  • 00:36:23
    Nah berarti ini ya ini yang membeli
  • 00:36:26
    tiga produk tersebut Selain itu enggak
  • 00:36:29
    ada udah cuman satu ya ya
  • 00:36:35
    1.is riba
  • 00:36:38
    tulis penghapus pensil
  • 00:36:41
    ya cuma satu ya di sini salah nih
  • 00:36:45
    analtran jumlahnya adalah satu ya
  • 00:36:49
    kemudian berat ini adalah 1/5 dikali
  • 00:36:52
    100% didapat 20% 6 Fatih dia nggak masuk
  • 00:36:57
    ke kombinasi 3 item sehat karena
  • 00:37:00
    tidaknya tidak mencapai nih minimum
  • 00:37:03
    supportnya
  • 00:37:04
    40% Nah setelah kita tadi dapet ya untuk
  • 00:37:09
    aturan asosiasinya berikutnya adalah
  • 00:37:11
    kita mau mencari untuk nilai
  • 00:37:14
    konfidensial jadi pembentukan aturan
  • 00:37:16
    Society Setelah semua pola frekuensi
  • 00:37:19
    tinggi ditemukan bahwa kita mencari
  • 00:37:21
    aturan asosiasi memenuhi syarat minimum
  • 00:37:23
    untuk confidence nah disini adalah
  • 00:37:26
    membentuk menghitung biaya konflik dan
  • 00:37:27
    aturan asosiasi dari a&b karena ada dua
  • 00:37:30
    ya cuman dua sebentuk itemset dan dengan
  • 00:37:33
    minimum konfederasi adalah 60% dari
  • 00:37:36
    aturan
  • 00:37:38
    abp-657 ke tabel yang kelima utama
  • 00:37:41
    adalah Jika dia membeli buku tulis maka
  • 00:37:45
    membeli penghapus nah ini untuk rumusnya
  • 00:37:47
    ya Jadi untuk nilai confidence
  • 00:37:51
    a-trak saksi
  • 00:37:56
    Oh ya berarti jumlah transaksi yang
  • 00:37:58
    mengandung a&b dibagi total transaksi
  • 00:38:02
    yang mengandung
  • 00:38:04
    a-kembar dia
  • 00:38:05
    [Musik]
  • 00:38:07
    nah ini aturannya berarti kita masuk di
  • 00:38:10
    dua itemset pertama adalah jika membeli
  • 00:38:13
    buku tulis maka membeli penghapus nilai
  • 00:38:15
    supportnya 40% tadi ya udah ada nilai
  • 00:38:19
    untuk
  • 00:38:20
    membeli buku tulis penghapus Nia dapat
  • 00:38:24
    nilai adalah supportnya adalah 40%
  • 00:38:29
    kemudian kita cari nilai confidential
  • 00:38:31
    rumusnya gimana tadi jumlah yang
  • 00:38:34
    mengalun transaksi buku tulis dan
  • 00:38:37
    penghapus Kan tadi udah ada yang
  • 00:38:39
    diatasnya nih mau tulis penghapus
  • 00:38:40
    jumlahnya dua ya kemudian
  • 00:38:47
    berarti nilai confidence adalah dua
  • 00:38:50
    dibagi yang membeli buku tulis email
  • 00:38:56
    Ia
  • 00:38:57
    membeli buku tulis ada berapa kita lihat
  • 00:39:00
    di awal ya membeli buku tulis ada
  • 00:39:03
    totalnya adalah tiga berarti
  • 00:39:07
    dibagi
  • 00:39:09
    berarti dua
  • 00:39:12
    hinge dibagi 3 nih 2/3 jangan ya tiga ya
  • 00:39:21
    buku tulis 3 nih ya salam nanti 2/3
  • 00:39:27
    dikali
  • 00:39:28
    100% berarti nilainya adalah 67 karya
  • 00:39:34
    Paul 7
  • 00:39:37
    ngeboost alat 6,6 the 0,66 kita bulatin
  • 00:39:42
    boleh nelpon jadi 60%
  • 00:39:44
    kemudian membeli penghapus dan buku
  • 00:39:47
    tulis nilai supportnya nadi Udah ya kita
  • 00:39:51
    cari nilai support membeli buku tulis
  • 00:39:54
    dan pensil Hai misteri penghapus dan
  • 00:39:57
    buku tulis buku tulis penghapus
  • 00:40:02
    kutulis dan penghapus
  • 00:40:06
    buku tulis dan penghapus ini belum ada
  • 00:40:10
    ya buku tulis penghapus
  • 00:40:16
    nah sama ya buku tulis penghapus
  • 00:40:19
    Shoulders ini kan dia tadi menghapus dan
  • 00:40:22
    buku tulis jadi di balik kanan nanti di
  • 00:40:24
    baginya adalah berdasarkan total
  • 00:40:26
    penghapus berarti buku tulis penghapus
  • 00:40:30
    totalnya sama yang 40% kemudian dibagi
  • 00:40:34
    jumlah penghapus jumlah penghapus itu
  • 00:40:37
    Ada berapa jumlah penghapus ada empat
  • 00:40:40
    Tia Berarti ini salah lagi ya
  • 00:40:45
    a2a dibagi empat
  • 00:40:48
    ya untuk menghapus buku tulis nilai
  • 00:40:52
    makhluk videos nya dia adalah ini ya Pak
  • 00:40:56
    ya dua berarti ini ekor pedasnya adalah
  • 00:41:00
    2 dibagi 46 part 50%
  • 00:41:05
    kemudian membeli penghapus
  • 00:41:07
    dan pensil membeli penghapus
  • 00:41:10
    penghapus pensil Nia nilainya adalah
  • 00:41:13
    tiga kemudian nilai supportnya 60%
  • 00:41:18
    penghapus pensil 60% tadi ya belanja 3
  • 00:41:22
    dibagi total dari penghapus berarti 3/4
  • 00:41:27
    didapat adalah nilainya
  • 00:41:29
    75%
  • 00:41:32
    berikutnya adalah membeli pensil membeli
  • 00:41:35
    penghapus
  • 00:41:36
    ya Jika dia membeli pensil penghapus
  • 00:41:39
    sama ya nilainya 60% cuman dibagi
  • 00:41:42
    totalnya adalah membeli pensil kalau
  • 00:41:46
    pensilnya aja dia bebasnya aja berapa
  • 00:41:48
    Nia nilainya adalah tiga berarti
  • 00:41:53
    membeli penghasil dan the Samaya tinggal
  • 00:41:57
    dibalik dengan santai adalah 33 dibagi
  • 00:42:00
    tiga dikali 100% dapat nilainya adalah
  • 00:42:03
    100%
  • 00:42:09
    nah kita langsung ke tadi ya untuk minum
  • 00:42:12
    konfidensi adalah 60% kita cari yang
  • 00:42:15
    nilainya adalah 60% dia minimumnya nih
  • 00:42:19
    67 persen kemudian 75% 100% nah tapi
  • 00:42:25
    kalau disini karena buku tulis penghapus
  • 00:42:28
    penghapus buku tulis nilainya di bawah
  • 00:42:31
    50% berarti ini kita enggak ambil
  • 00:42:34
    aturannya
  • 00:42:36
    ya yang ada
  • 00:42:38
    buku tulis
  • 00:42:40
    berarti yang
  • 00:42:43
    Prophet kalau di sini kan penghapus
  • 00:42:45
    pensil nenek 75% pensil penghapus
  • 00:42:47
    nilainya adalah 100% berarti
  • 00:42:50
    penghapusnya yang buku tulisnya ya kita
  • 00:42:52
    pakai karena dia nilainya kalau misalnya
  • 00:42:56
    kau gunakan di sini ada nilainya di
  • 00:42:59
    bawah 60% berarti yang nanti yang jadi
  • 00:43:03
    produknya yang bakal kita masuk ke
  • 00:43:06
    aturan asosiasi ya berarti ini karena
  • 00:43:09
    dia tadi ada di di bawah 60% ya walaupun
  • 00:43:12
    nilai konfederasi untuk buku tulis
  • 00:43:14
    penghapus nilai 67 persen nilai
  • 00:43:17
    penghapus buku tulis nilai adalah 50%
  • 00:43:19
    jam berarti untuk yang buku tol
  • 00:43:22
    penghapus pensil kan sama-sama
  • 00:43:24
    dinilainya di atas ini juga pensil
  • 00:43:26
    penghapus ya di atas 75% yang berarti
  • 00:43:29
    kita gunakan yang ini yang buku tulisnya
  • 00:43:31
    ya kenapa ya Ini karena tadi aturannya
  • 00:43:35
    ada di sini ya dia ternyata nilai
  • 00:43:38
    konfidensi ada di bawah 60% berarti
  • 00:43:41
    penghapus pensil masuk ke nilai adalah
  • 00:43:45
    75%
  • 00:43:46
    Nah dari yang data ini ya kita masuk nih
  • 00:43:51
    ya berarti kita bisa hamil kesimpulan
  • 00:43:54
    berdasarkan tabel ya Allah ksatria yang
  • 00:43:56
    paling sering dibeli oleh konsumen
  • 00:43:57
    adalah pensil dan penghapus ya dengan
  • 00:44:01
    dengan diketahuinya alat tulis kantor
  • 00:44:03
    yang paling sering dibeli konsumen ya
  • 00:44:06
    maka toko alat tulis kantor dapat
  • 00:44:08
    menyusun strategi dalam penentuan
  • 00:44:10
    pembelian alat tulis kantor ya untuk
  • 00:44:13
    menjaga ketersediaan alat tulis kantor
  • 00:44:15
    yang dibutuhkan oleh konsumen berarti
  • 00:44:17
    maksudnya nanti apa Da saat kita mau
  • 00:44:19
    jual produk tersebut berarti ini Pensil
  • 00:44:22
    sama penghapus jangan Stoknya kosong ya
  • 00:44:25
    karena ini yang banyak bakalan dibeli
  • 00:44:27
    dan juga dapat mengatur tata letak ya
  • 00:44:30
    alat tulis kantor berdasarkan kombinasi
  • 00:44:32
    item set alat tulis kantor yang
  • 00:44:35
    terbentuk tadi kan Ya ada dua di kawasan
  • 00:44:38
    oleh-oleh kau tadi
  • 00:44:40
    dia kalau misalnya membeli penghapus
  • 00:44:42
    maka pensil berarti nanti bisa didekati
  • 00:44:46
    nih ya produknya ya jadi kita bisa
  • 00:44:49
    mengatur letak dari alat tulis kantor
  • 00:44:51
    berdasarkan kombinasi atoms etalase
  • 00:44:53
    sulit kantor pos Hai
  • 00:44:58
    ok Disini saya akan menjelaskan Nia
  • 00:45:01
    penggunaanya aplikasi tanagra disini
  • 00:45:04
    untuk memvisualisasi dari algoritma
  • 00:45:07
    apriori ya jadi caranya adalah Nah klik
  • 00:45:12
    tanagra aplikasi tenaganya kemudian klik
  • 00:45:14
    file pilih new kemudian kita kasih
  • 00:45:17
    titelnya misalnya penjualan ATK
  • 00:45:26
    kemudian dikasih penyimpanannya sama
  • 00:45:29
    boleh penjualan ATK di mana Simpannya
  • 00:45:32
    kalau udah di-save kemudian kita ambil
  • 00:45:35
    spaleck soalnya di sini ada
  • 00:45:39
    format excel ya
  • 00:45:42
    ini diambilnya format excel jadi datanya
  • 00:45:45
    data yang tidak beres kita pindahkan ke
  • 00:45:47
    Excel ya formatnya adalah xls kalau
  • 00:45:51
    sudah dioven beli oke kemudian kita
  • 00:45:55
    masuk atau fisiologisnya yang data ini
  • 00:45:58
    kita mau tampilin klik data
  • 00:46:00
    visualization viewdata set diklik Broken
  • 00:46:03
    Road
  • 00:46:04
    dilepas kemudian Klik Kanan pilih new
  • 00:46:07
    cute ya kemudian Klik Kanan pilih view
  • 00:46:12
    nah ini datanya ya Tampilkan Setelah itu
  • 00:46:16
    kita klik yang di sini namanya Devan
  • 00:46:19
    atribut Setia di Kita masukin data
  • 00:46:22
    atributnya diklik ya di select sini
  • 00:46:26
    tulisannya secara continuous atribut
  • 00:46:28
    dipindahkan kalau udah di oke
  • 00:46:31
    malah udah muncul di fans tattoos Klik
  • 00:46:34
    Kanan pilih excute Klik Kanan kemudian
  • 00:46:36
    pilih video ya di sini muncul tersebut
  • 00:46:39
    sudah masuk spek tampil berikutnya kita
  • 00:46:43
    masuk ke Association ya tak fashionnya
  • 00:46:46
    masuk ke frequent outside diklik ya
  • 00:46:49
    drag-and-drop
  • 00:46:51
    Nah diberikan omset ini sudah memasukkan
  • 00:46:55
    nilai
  • 00:46:56
    ah karena dia item segini ada aturan
  • 00:46:58
    untuk parameternya adalah 40% atau 0,4
  • 00:47:01
    kita masuki 0,4 ini mobilnya boleh
  • 00:47:05
    diganti satu Oh ya ini maksudnya ada
  • 00:47:07
    empat kemudian maksimal seperti adalah
  • 00:47:09
    satu ya tersebut adalah 100% minumnya
  • 00:47:13
    0,4 kemudian pilih klikwin kalau udah di
  • 00:47:16
    Oke
  • 00:47:17
    berikutnya dari Virgoun atomizer ini
  • 00:47:21
    kita Klik Kanan next Klik Kanan pilih
  • 00:47:24
    view ya tampil lain nih ya dengan nilai
  • 00:47:27
    supportnya 40% ini yang ditampilkan ya
  • 00:47:30
    Des langsung disorting ya 40 persen ada
  • 00:47:33
    bopeng buku tulis buku tulis penghapus
  • 00:47:35
    pensil penghapus pensil penghapus yang
  • 00:47:38
    dengan minum sufornya adalah 40% sampai
  • 00:47:41
    terbentuk dua itemset ya Setelah itu
  • 00:47:44
    kita masuk ke a
  • 00:47:46
    season nya dia priori ya ya mendengarkan
  • 00:47:49
    algoritma apriori Lex akhirnya sama
  • 00:47:52
    diklik broken drop pindahkan kemudian
  • 00:47:55
    kita Klik Kanan teorinya pilih parameter
  • 00:47:58
    Nah ada ketentuannya ya di studi kasus
  • 00:48:01
    40% dan 60% kit masukin 0,4 dan 0,6 udah
  • 00:48:06
    di oke
  • 00:48:08
    itu Klik Kanan pilih excute Klik Kanan
  • 00:48:12
    pilih view nah muncul ya hasilnya Ya
  • 00:48:17
    dengan number of punya adalah 2-2
  • 00:48:21
    itemset dengan minum disinilah jika
  • 00:48:24
    membeli penghapus membeli pensil dengan
  • 00:48:25
    support nya 60% ya konfirmasinya 70%
  • 00:48:28
    kemudian pensil penghapus supportnya 60
  • 00:48:31
    dan Nonton videonya 6S ori 100% nah ini
  • 00:48:35
    adalah rules yang terbentuk
  • 00:48:37
    divisualisasikan menggunakan aplikasi
  • 00:48:39
    nyata negara yard sebelumnya adalah
  • 00:48:42
    menggunakan hitungan manual ke ini
  • 00:48:44
    adalah langsung menggunakan tools yang
  • 00:48:46
    menggunakan tangan agar hasilnya sama
  • 00:48:48
    ayah masih simpulannya adalah kalau kita
  • 00:48:51
    sebut dengan Association rule berarti di
  • 00:48:54
    sini adalah Amo mungkin semua jadi
  • 00:48:57
    kontribusi paling signifikan ya dari
  • 00:48:59
    komunitas data di knowledge kdd ya
  • 00:49:03
    karena list data Discovery kemudian
  • 00:49:06
    sejumlah besar makalah disini telah
  • 00:49:09
    diterbitkan terbitkan nih Ya maksudnya
  • 00:49:11
    kalau kita menggunakan sih Association
  • 00:49:13
    rule mining
  • 00:49:14
    nah banyak Mas Slank Kita Bisa
  • 00:49:16
    eksplorasi nih ya Karena Apa tadi Arah
  • 00:49:19
    perut gajian yang menarik untuk analisis
  • 00:49:22
    asosiasi tipe datanya tadi bisa stasi
  • 00:49:25
    all data multimedia atau data deret
  • 00:49:28
    waktu
  • 00:49:30
    Nah itu ya penjelasan dari pertemuan
  • 00:49:33
    yang ketiga ini buku referensinya agar
  • 00:49:35
    lebih banyak ya Ada tentang tersebut dan
  • 00:49:38
    bisnis ada data mining ya kamu dia ada
  • 00:49:42
    project algoritma Ia menggunakan Serikat
  • 00:49:45
    omset ya menguning frequent pattern ya
  • 00:49:48
    Air tinggal bisa dibaca kalau kita mau
  • 00:49:52
    cari buku referensi nya
  • 00:49:56
    hai
  • 00:49:57
    kya sampai side untuk penjelasan di
  • 00:50:01
    pertemuan yang keempat mengenai
  • 00:50:03
    Association rule tadi penjelasan
  • 00:50:05
    mengenai Association rule metode yang
  • 00:50:07
    digunakan bisa menggunakan apriori cara
  • 00:50:11
    penggunaan rumusnya kemudian cara
  • 00:50:13
    penggunaan tools nya ya nanti kita masuk
  • 00:50:17
    ke studi kasusnya jadi ada pengerjaan
  • 00:50:20
    berhubungan dengan studi kasusnya Oke
  • 00:50:23
    terima kasih
  • 00:50:25
    [Musik]
Tag
  • data mining
  • aturan asosiasi
  • algoritma Apriori
  • support
  • confidence
  • Tanagra
  • visualisasi data
  • pemasaran silang
  • analisis perilaku konsumen
  • frequent itemsets