093 Data Mining dan Kecerdasan Bisnis Pertemuan 4
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.
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
TUTORIAL PENYUSUNAN CP, TP, DAN ATP KURIKULUM MERDEKA
Akidah Akhlak Kelas XI Bab Kematian dan Kehidupan di Alam Barzah
FIRMA - AKUNTANSI UNTUK PENDIRIAN FIRMA
kuliah KIMFAR II | Penetapan kadar asam salisilat dengan metode titrasi asam basa
Sejarah Uang dan Sejarah Bank Sentral
Krisis Iklim: orang muda bisa apa? - Deep Dive with Maudy Ayunda
- 00:00:00Hai
- 00:00:01[Musik]
- 00:00:12Oke kita masuk ke pertemuan yang tempat
- 00:00:15mengenai
- 00:00:17Association rule ya jadi Hendra termasuk
- 00:00:20teknik data mining jadi menggunakan
- 00:00:22tekniknya adalah asosiasi
- 00:00:25nah disini ananti ada tujuannya kita
- 00:00:29ngebahas tentang Association rule ada
- 00:00:31pendahuluan
- 00:00:32Apa itu Association rule ada aturannya
- 00:00:36kemudian algoritmanya ia untuk otonation
- 00:00:39troll yang three adalah visualisasi jadi
- 00:00:42nanti
- 00:00:44ditampilkan ya menggunakan tools ya
- 00:00:46kalau disini algoritmanya kita
- 00:00:48menggunakan a a priori nanti
- 00:00:50visualisasinya di Tampilkan menggunakan
- 00:00:54nagrosi adalah tanagra
- 00:00:57Nah di sini ada pendahuluan
- 00:01:00Hai kalau kita sebut pengklasifikasian
- 00:01:02asosiatif adalah strategi populer ya
- 00:01:05kenapa Karena disini adalah mengandalkan
- 00:01:07pola asosiasi Dedi ada polanya
- 00:01:11berhubungan dengan pertambangan atau
- 00:01:14ambrukan dengan data mining yang ada
- 00:01:17banyak alternatif algoritma yang efisien
- 00:01:19jadi kakek dengan pengklasifikasian
- 00:01:22Association ada agoritma nya ya tadi
- 00:01:25selain dari si apriori
- 00:01:27strategi dasar untuk pengklasifikan alat
- 00:01:30pengklasifikasian asosiatif atau
- 00:01:32asosiasi adalah pertama adalah menambang
- 00:01:35semua ya atau Association rule aturan
- 00:01:39asosiasi berbasis kelas ya di sini nanti
- 00:01:42kalau tersebut hashiru ada namanya
- 00:01:44disebut tingkat dukungan atau support
- 00:01:46dan kepercayaan atau minimum confidence
- 00:01:49tertentu Kemudian untuk Instance ya
- 00:01:53pengujian tertentu Gunakan aturan yang
- 00:01:56ditambang untuk klasifikasi b Nanti ada
- 00:01:59aturannya Hai
- 00:02:06Ani sini ada contohnya ya di sini cantik
- 00:02:11pertama adalah anda menjual lebih banyak
- 00:02:12jika pelanggan dapat melihat produk Ya
- 00:02:15maksudnya dari data ya kita bisa menjual
- 00:02:19lebih banyak produk Nih ya jika
- 00:02:22pelanggan tidak dapat melihat produknya
- 00:02:24jadi pada pilihan produknya kemudian
- 00:02:27pelanggan yang membeli satu jenis produk
- 00:02:29cenderung tertarik pada produk tertentu
- 00:02:32lainnya misalnya kita belanja ke
- 00:02:34minimarket besarnya sia belajar belanja
- 00:02:38produk ya Ada produknya misalnya
- 00:02:40produknya adalah B produk kemudian dia
- 00:02:43nanti bisa membeli produk selain produk
- 00:02:46a-b-c-a dapro Duck B ada produk C
- 00:02:49kemudian yang ketiga dan analis pasar
- 00:02:52berhubungan dengan keranjang mempelajari
- 00:02:55komposisi keranjang belanja produk yang
- 00:02:57dibeli selama belanja Tunggal ya jadi
- 00:03:00nanti kita bisa menganalisa keranjang
- 00:03:03belanjanya ya jadi misalnya Si A itu
- 00:03:07yang di beli apa aja sih produknya nah
- 00:03:10disebut adalah ini ya jadi mempelajari
- 00:03:12komposisi keranjang belanja produk yang
- 00:03:13dibeli selama belanja tunggal kemudian
- 00:03:20yang keempat data keranjang ya
- 00:03:24berhubungan dengan pasar daftar
- 00:03:28transaksi pembelian oleh pelanggan Setia
- 00:03:30jadi nanti kita bisa menganalisa juga
- 00:03:34nih ya transaksi daftar transaksi
- 00:03:36pembeli oleh pelanggan ya Misalnya
- 00:03:39pelanggan a pelanggan beckam pelanggan c
- 00:03:41pangkat D nanti dia beli apa aja sih
- 00:03:44kalau belanja di minimarket dan sejumlah
- 00:03:47besar catatan ya karena apa seringkali
- 00:03:51jutaan transaksi perhari ia Mungkin aja
- 00:03:53ya pada saat kelas-kelas kita sebut ya
- 00:03:56ya belanja online Ya misalnya wuih Hoi
- 00:04:01commerce ya mungkin aja dalam sehari Iya
- 00:04:04per hari itu bisa jutaan transaksinya
- 00:04:07ya Misalnya kalau lagi ada facial
- 00:04:10kemudian Sparks Nes ia setiap keranjang
- 00:04:13pasarannya berisi sebagian kecil barang
- 00:04:15yang dibawa Mungkin aja kalau tadi kan
- 00:04:17jumlahnya besar Mungkin aja jumlahnya
- 00:04:20lebih kecil disebutnya sparkles kemudian
- 00:04:23ada namanya heterogenitas mereka yang
- 00:04:25memiliki selera berbeda cenderung
- 00:04:28membeli sub-atom tertentu ya ya tadi
- 00:04:32misalnya pelanggan a ya mungkin kalau
- 00:04:34misalnya kita belanja tadi ya kalau ada
- 00:04:37ah freestyle ya mungkin dia belanjanya
- 00:04:41terganteng duyung yang dia mau suka ada
- 00:04:43yang belanjanya karena diskon itu udah
- 00:04:45termasuk kita bisa menganalisa
- 00:04:47berhubungan dengan daftar transaksi
- 00:04:49pembeli oleh pelanggan
- 00:04:52berikutnya adalah kita bisa presentasi
- 00:04:55produk ya dapat direncanakan lebih
- 00:04:57cerdas untuk waktu tertentu dalam hal
- 00:05:00sehari-hari dalam minggu atau hari libur
- 00:05:02ya jadi kita bisa merencanakan nih ya
- 00:05:05nanti kalau misalnya mau jualan ya
- 00:05:09produknya Apa sih yang laku ya ya orang
- 00:05:12lebih suka nih produknya Nah itu adalah
- 00:05:14termasuk kita bisa merencanakan ninati
- 00:05:17produknya yang laku dijual tuh yang mana
- 00:05:19sih ya pada setiap harinya atau pada
- 00:05:22Senin gua atau pas hari libur produknya
- 00:05:24Apa sih yang laku dijual naik bisa kita
- 00:05:26analisa kemudian dapat juga melibatkan
- 00:05:29hubungan berurutan ya tadi pelanggan
- 00:05:32a-club produk a-pro planga nabi produk
- 00:05:36aku muda-mudi produk B kemudian beli
- 00:05:38produk Cena itu termasuk itu juga bisa
- 00:05:39menganalisa hubungan yang Kenapa dia
- 00:05:41bisa beli B Kenapa dia bisa beli C
- 00:05:44kemudian analisispasar Kajang adalah
- 00:05:46koperasi ia berhubungan dengan data
- 00:05:49mining
- 00:05:50yang tidak diarahkan atau bersama dengan
- 00:05:54pengelompokan ia mencari pola yang
- 00:05:56sebelumnya tidak diketahui
- 00:06:00Hai
- 00:06:03Nah kalau yang nomor lima presentasi
- 00:06:05produk dapat direncanakan dengan lebih
- 00:06:07cerdas untuk waktu tertentu dalam hal
- 00:06:09dalam sehari-hari dalam seminggu atau
- 00:06:12hari libur Maksudnya gimana Jadi kita
- 00:06:14bisa ya
- 00:06:18menekukan penjualan ya yang lebih cerdas
- 00:06:21dalam kalau misalnya dalam sehari ia
- 00:06:24harokah dalam harian itu produk kapas
- 00:06:26yang banyak dibeli ya Kalau hari dalam
- 00:06:29seminggu tuh apa yang banyak dibeli
- 00:06:31dalam seminggu produknya atau Kalau hari
- 00:06:33libur misalnya produk apa yang sering
- 00:06:35dibeli jarak kalau sehari Mungkin orang
- 00:06:37belinya kebutuhan mungkin jajanan ya
- 00:06:40atau misalnya beli
- 00:06:44sabun atau misalnya beli
- 00:06:46eh sikat gigi atau odol nah kemudian
- 00:06:49dalam seminggu transaksi yang paling
- 00:06:51banyak tuh apa aja sih orang belanja
- 00:06:53kemudian Kalau hari libur tuh orang yang
- 00:06:55cari apa sih ia untuk belanja ini kita
- 00:06:58bisa mempresentasikan Oh ya jadi nanti
- 00:07:00kalau misalnya pas hari ini yang kita
- 00:07:03promoin apa ya kemudian dalam hari libur
- 00:07:07nanti yang kita mau jualin produknya Apa
- 00:07:09itu ini promoin nanti kita bisa
- 00:07:12mengenali analisa
- 00:07:13kemudian dapat juga melibatkan hubungan
- 00:07:16berurutan misalnya gimana tadi si
- 00:07:19pelanggan a.di produk B kemudian di
- 00:07:21produk-produk C Nah kenapa nih dia bisa
- 00:07:24dalam diberi produk B kemudian diberi
- 00:07:26produksi contohnya misalnya dia beli
- 00:07:28roti ya kemudian kena berikutnya dia
- 00:07:32belinya misalnya meses kemudian beli
- 00:07:35roti kemudian beli eh susu
- 00:07:39eh Susu full cream misalnya nah itu
- 00:07:43adalah berbunga Itu menjelaskan hubungan
- 00:07:45berurutan kemudian analisispasar
- 00:07:47telanjang adalah operasi datamining nah
- 00:07:50ini kita bisa mengatasi pasar hubungan
- 00:07:53dengan keranjang adalah disini
- 00:07:54menggunakan data mining yang tidak
- 00:07:56diarahkan ya bersama dengan
- 00:07:58pengelompokan jadi nanti Jelaskan disini
- 00:08:00pengelompokan jadi mencari pola yang
- 00:08:03sebelumnya tidak diketahui
- 00:08:05Nah masuk ke dalam cross-selling jadi ke
- 00:08:08namanya closed apa sih maksud dengan
- 00:08:11polosnya adalah kecenderungan pembeli
- 00:08:13barang tertentu untuk membeli barang
- 00:08:15yang berbeda ya tadi misalnya belanjanya
- 00:08:18a tiba-tiba dia belanjanya susuk
- 00:08:21kemudian belanjanya sabun cuci Nah
- 00:08:24kenapa kok beda banget Kenapa jadi
- 00:08:26sebeli susu komponen Kenapa belinya
- 00:08:29nggak nggak belinya misalnya tadi ngebel
- 00:08:31MSS itu atau dengan berlari belanja roti
- 00:08:34dia Kenapa nggak belinya dia belinya
- 00:08:36misalnya sabun mandi Kenapa dia kalau
- 00:08:40beli roti Kenapa nggak belinya
- 00:08:42mehsoos bisa namanya Beli berbeda
- 00:08:46kemudian dapat dimaksimalkan dengan
- 00:08:48menempatkan produk-produk yang cenderung
- 00:08:50dibeli untuk oleh konsumen yang sama di
- 00:08:53tempat ia tempat dimana kedua produk
- 00:08:55dapat dilihat kita dia Contohnya kayak
- 00:08:57kita belanja juga minimarket ya Kenapa
- 00:09:00misalnya eh
- 00:09:04ah odol deketan sama pasta gigi kemudian
- 00:09:08Sabun Mandi misalnya deketan sama cuci
- 00:09:11muka misalnya atau misalnya
- 00:09:13[Musik]
- 00:09:16ah misalnya kayak sabun cuci ya deterjen
- 00:09:21sama misalnya serta ruhnya sabun cuci
- 00:09:24Nah itu adalah ini ya jadi kita bisa eh
- 00:09:29memaksimalkan ya menempatkan produk yang
- 00:09:31cenderung dibeli konsumen yang sama di
- 00:09:33tempat dimana kedua produk tersebut
- 00:09:35dapat terlihat
- 00:09:37Nah kita masuk ke Association minimnya
- 00:09:40ya Yang pertama adalah penambangan
- 00:09:43aturan asosiasi ia atau Association rule
- 00:09:46mining adalah menemukan pola jadi kita
- 00:09:48menambang data itu untuk apa sih
- 00:09:50menemukan pola asosiasi atau hubungan
- 00:09:54korelasi ya kemudian struktur Aa
- 00:09:57sebab-akibat tadi kenapa diomelin Hai
- 00:10:00model belanja by a yang sering diare
- 00:10:02sering diantara set item atau objek ya
- 00:10:05dalam database transaksi awal tersebut
- 00:10:08dengan data ini berarti sudah tersimpan
- 00:10:10didalam database Rusia Contohnya kayak
- 00:10:13kita belanja di minimarket kan otomatis
- 00:10:15kita udah pakai sistem Ya udah muncul
- 00:10:19stoknya Nah itu disitu bisa kelihatan
- 00:10:21tuh transaksinya di misalnya berapa
- 00:10:23kemudian dia belanjanya apa aja kemudian
- 00:10:25Dadap tablets relasional dan repository
- 00:10:28informasi lainnya berikut lagilah bruto
- 00:10:31yang nomor 22 frequent pattern eapol
- 00:10:34yang sering terjadi dalam database yang
- 00:10:37B adalah motivasi menemukan keteraturan
- 00:10:40dalam data tadi produk apa yang sering
- 00:10:44dibeli bersamaan misalnya susu dengan
- 00:10:46po-po ya kemudian apa pembelian
- 00:10:50selanjutnya misalnya Setelah membeli PC
- 00:10:53nanti si pelanggan itu beli apa sih
- 00:10:55kemudian jenis DNA apa yang sensitif
- 00:10:58terhadap terhadap baru-baru ya kemudian
- 00:11:02ya tadi misalnya dna-nya nanti dia
- 00:11:05sensitif sama Bu ama obat apa sih yang
- 00:11:07a-a-a-a obat baru yang dia belum guna
- 00:11:10belum pernah minum misalnya kemudian
- 00:11:13Bisakah kita mengklasifikasi dokumen web
- 00:11:15secara otomatis nah ini ya kita bisa
- 00:11:18mengklasifikasikan berhubungan dengan
- 00:11:21dokumen devlopment Webster otomatis
- 00:11:25berikutnya Mengapa pola berulang atau
- 00:11:28asosiasi menanamkan tugas penting dalam
- 00:11:30data mining ya Yang pertama adalah dasar
- 00:11:33untuk banyak tugas menambahkan data atau
- 00:11:36data mening sangat penting ya di sini
- 00:11:39adalah contohnya adalah Association
- 00:11:41korelasi atau hubungan
- 00:11:43kausal kausalitas antar sebab-akibat
- 00:11:47kemudian ada namanya broad
- 00:11:50aplikasi-aplikasi ya buat aplikasi
- 00:11:53berarti berhubungan dengan apa ini
- 00:11:54basket analysis data pemasaran silang
- 00:11:57desain katalog analisis ini penjualan
- 00:12:01mesti gimana sih Iya tadi kita bisa
- 00:12:03menganalisa berhubungan dengan keranjang
- 00:12:05belanja sih pelanggan tersebut kemudian
- 00:12:08kita bisa pemasaran silang ya Misalnya
- 00:12:10kita bisa promosiin misalnya kalau misal
- 00:12:13nanti sea kita kasih nanti produknya si
- 00:12:16B
- 00:12:17misalnya bisa nggak sih dia mbakalan
- 00:12:20belanja enggak sih produknya kemudian
- 00:12:23berbunga berikutnya adalah semua tabel
- 00:12:26Jelaskan mengenai desain katalog ya kita
- 00:12:29bisa mendesain katalog didesain itu
- 00:12:31nanti pelanggannya mau beli apa enggak
- 00:12:34kemudian analisis kampanye penjualan Nah
- 00:12:37kalau sekarang Banyaknya tuh kalau di
- 00:12:39minimarket kalau misalnya suka follow
- 00:12:41ig-nya ada namanya misalnya GSM ya
- 00:12:44belanja Jumat Sabtu Minggu 16 itu banyak
- 00:12:47tuh Promonya nice masuk adalah kampanye
- 00:12:49penjualan
- 00:12:51kemudian analisis lock web atau
- 00:12:53aliran-aliran klik ya jadi misalnya
- 00:12:57menganalisis websitenya Hai kalau orang
- 00:13:00misalnya
- 00:13:02ngeklik website itu apa aja siang di
- 00:13:05lihat ya kemudian analisis urutan DNA
- 00:13:09nah ini juga bisa dianalisa Ayah
- 00:13:11berhubungan ngebrot application
- 00:13:15hadits ini kita akan
- 00:13:18[Musik]
- 00:13:20memelukku kan ya
- 00:13:23mencari ukuran aturan ya Mencari nilai
- 00:13:26support dan nilai confidence ya di sini
- 00:13:30ada Alquran Alquran aturan support dan
- 00:13:32confidence disini contohnya kita
- 00:13:35menganalisa
- 00:13:37pelanggannya ya membeli suatu produk
- 00:13:39misalnya customer a.mom beli produk
- 00:13:43keduanya misal di sini ada produk a
- 00:13:46produk nya adalah diapers dia membeli
- 00:13:49popok kemudian dia membeli susu Kya
- 00:13:52kemudian disini dia membeli kedua produk
- 00:13:55tersebut berarti membeli
- 00:13:57susu dan membeli Popo lainnya dia cuman
- 00:14:01membeli
- 00:14:02Eh popoknya ini mau beli susu dan sini
- 00:14:06kita bisa menemukan aturan ya aturan x&y
- 00:14:09ya Z ya dengan confidence minum dan
- 00:14:14support nih dari dari confidence minum
- 00:14:17dan support support us dianggap
- 00:14:20probabilitas atau kemungkinan bahwa
- 00:14:22atraksi mengandung nilai x y sama cat ya
- 00:14:26misalkan kita ini sel kan disini boleh
- 00:14:29nilai x nilai y = z
- 00:14:38kemudian confidence C probabilitas yang
- 00:14:41bersyarat ya kalau kau tidak ada
- 00:14:43syaratnya transaksi memiliki SY juga
- 00:14:47mengandung zat Edi transaksi x&y juga
- 00:14:51mengandung nilai z Nah di sini kita mau
- 00:14:55mencari mencari nilai a support jahe dan
- 00:15:00Hai confidence dari transaksi tersebut
- 00:15:03Nah di sini ada contoh transaksi ada
- 00:15:06transaksi ID ya dari pembelanjaan di
- 00:15:10sini ada transaksi EDC misal kayak model
- 00:15:12struk ya pada saat dia belanja ini Stok
- 00:15:15Lama struknya besarnya
- 00:15:18200100
- 00:15:20400 500
- 00:15:25atau transaksi E2000 1450 rupiah
- 00:15:30kemudian pembeliannya di transaksi 2000
- 00:15:33dia beli apa aja produknya
- 00:15:35abcc11
- 00:15:37sedih 100 dia membeli produknya misalnya
- 00:15:40Aceh dibeli produk 4000 atau 400 dia
- 00:15:44membeli ad kemudian di 5000 dia
- 00:15:47membelinya adalah Beb sama F nah
- 00:15:50kemudian kita bikin aturan ya di sini ya
- 00:15:52nilai supportnya adalah 50% dan nilai
- 00:15:55Konvensi adalah 50% ini transaksinya
- 00:15:58transaksi Aa kemudian dia membeli
- 00:16:02taksasi C dapat 50% dari mana adalah
- 00:16:05nilai2 transaksi AC Ada berapa Citra
- 00:16:09siang Adan C ada satu ada dua ya berarti
- 00:16:15didapat adalah 2
- 00:16:18dibagi 4 Kedah totalnya ada berapa
- 00:16:21transaksinya
- 00:16:241234 berarti dapat empat
- 00:16:27total terasing yang dibagi 2 dibagi 46
- 00:16:30part lah ini dikali 100% dapat 50%
- 00:16:34kemudian nilai untuk
- 00:16:36disini confidence ya tadi dia telah
- 00:16:40pergi adalah mengandung a-a-a-a sama C
- 00:16:43kemudian yang ada transaksi hanya dan
- 00:16:45berapa nih salah ya bukan 2/2 aturan
- 00:16:48berarti aja tadi ada dua kemudian dibagi
- 00:16:52yang transaksi ada Aya 123 Berarti 25
- 00:17:00Oh
- 00:17:01ya Insyaallah ya bukan dua bagi dua gua
- 00:17:05dibagi3 berarti dapatnya 2 dibagi tiga
- 00:17:08berarti mereka 66,67 Saint
- 00:17:136,0 koma 6 enam berarti kalau 666 Yagi
- 00:17:18bagi selesai 60%
- 00:17:20kemudian berikutnya sama ya transaksi c
- 00:17:24sama A'a
- 00:17:27Ya Tasya vc sama Aa berarti c sama kayak
- 00:17:33tadi ia mencari nilai supportnya
- 00:17:35ac12 berarti dapat gua dibagi empat ya
- 00:17:40dapet 0,5 dikali 100% dapat 50%
- 00:17:44berikutnya
- 00:17:46acr3 CL cari yang dibaginya adalah sama
- 00:17:49ya untuk ternyata transaksi atasnya
- 00:17:52adalah C ya yang mengadu aada 1-2
- 00:17:58Berarti ada 02 dibagi tol si transaksi
- 00:18:03yang ada c-nya aja berarti ada satu
- 00:18:08ada dua
- 00:18:10dapat ya roti2 dibagi dua dikali 100%
- 00:18:15nanti dapat adalah 100% lalu bagi 21
- 00:18:20dikali 100 100% Oke
- 00:18:24berikutnya kita masuk ke Association
- 00:18:27rule sampai tadi contohnya cuman ini
- 00:18:29kita bisa menggunakan namanya frequent
- 00:18:31itemset
- 00:18:32sama kita di tasnya ada empat transaksi
- 00:18:35ini yang dibeli produknya
- 00:18:37sama minimum support 50 convention 50
- 00:18:42Nah pertama kalau kita masuk ke frequent
- 00:18:45itemset
- 00:18:46berarti transaksinya di buat sendiri
- 00:18:49sendiri kemudian misalnya kedua
- 00:18:52transaksi ya atau kita bikin 3 transaksi
- 00:18:55kalau pertama ini adalah itemset yang
- 00:18:58awalnya adalah untuk satu items Oh ya
- 00:19:00yang dia membeli produk aja b nya aja
- 00:19:05c-nya aja kemudian saat sama cek berarti
- 00:19:09Kalau aanya aja ini masuk ke sini cara
- 00:19:12ngitungnya ya Aa aja kita lihat
- 00:19:15transaksi yang nanya aja
- 00:19:19123
- 00:19:21berarti dapat tiga dibagi 44 dari mana
- 00:19:25total transaksinya semakin tadi adik
- 00:19:27disini beetoto ada empat transaksi
- 00:19:33123456 udian baru 3/4 digali 100% dapat
- 00:19:37adalah nilainya 75%
- 00:19:40berikutnya transaksi B yang b nya aja
- 00:19:44HPnya aja ada berapa sih banyak aja T
- 00:19:47hitung ya satu dua
- 00:19:50ada dua transaksi ya berarti 22 dibagi
- 00:19:55apa dibagi totalnya 4.24 3S 100% dapat
- 00:20:00resep bekal setengah lima dikali
- 00:20:03100% jadi 50% berikutnya yang transaksi
- 00:20:06cek ngahyang transaksi mengandung c-nya
- 00:20:09aja nanti ada satu ada dua ya sama ya 2
- 00:20:15dibagi 4 jadi kali 100% dapat 50% nah
- 00:20:20ini ada dua frecon Ajeng keunikan 11
- 00:20:23sekarang yang sama C sampai semuanya
- 00:20:25dibales ya berarti gimana ya tadi dan
- 00:20:28supportnya udah kita cari yang nilai
- 00:20:30support a1acc ya nilai support asam AC
- 00:20:35berarti caranya sama kita di yang
- 00:20:37mengaduk asam AC Ada berapa Pak sama
- 00:20:42C12
- 00:20:44Berarti ada dua sama nilai sepatu dibagi
- 00:20:48total bt24 Italia 100% dapat 50% didapat
- 00:20:53ya nilai call support untuk sama c
- 00:20:55adalah 50% berikutnya kita menjalin
- 00:20:57nilai confidence Yes support cek ya
- 00:21:00dibagi support jadi di sini ada AC Dedi
- 00:21:04dibagiin nilai support yang mengandung
- 00:21:06Anya totalnya sama kayak tadi Berarti
- 00:21:09Gimana caranya Yang maaf Ce berarti kan
- 00:21:12ada dua gua
- 00:21:14ya dibagi tadi yang ada aja Ada berapa
- 00:21:20satu dua tiga
- 00:21:23berarti 2/3 dapat adalah
- 00:21:280,666 nanti dikali dari 100 dan dapat
- 00:21:3366,67
- 00:21:356,6 persen
- 00:21:38Nah ini untuk mencari nilai dari
- 00:21:42konfidensial ya memakai temennya dia
- 00:21:45lebih ada Freedom atlet-atlet Setia
- 00:21:47berada disini Agan sebenarnya sampai 26
- 00:21:49set nah prinsip apriori adalah setiap
- 00:21:52himpunan bagian dari sistem harus sering
- 00:21:54ya jadi bagian dari atom Setia kita cari
- 00:21:57yang sering akar yang kita mau bikin
- 00:22:00setiap
- 00:22:02nah ini ya tadi udah penjelasannya ini
- 00:22:05mengenalkan menjelaskan rumusnya jadi
- 00:22:08yang namanya nilai support adalah disini
- 00:22:12nilai support semua item diperoleh
- 00:22:14dengan rumus ya tadi udah masuk ke
- 00:22:16contohnya nah ini rebus ya nilai suporta
- 00:22:18adalah Jumlah transaksi yang mengandung
- 00:22:21a.di bagi total transaksinya dikali
- 00:22:24serat persen sedangkan kalau nilai
- 00:22:28support 2 item rumusnya adalah support
- 00:22:31a&b Aa gabungan b berarti jumlah saksi
- 00:22:36yang mengadu a&b dibagi total transaksi
- 00:22:39dikali 100%
- 00:22:42Setelah semua pola frekuensi tinggi
- 00:22:44ditemukan barulah kita cari aturan
- 00:22:46asosiatif nya tadi yang memenuhi syarat
- 00:22:49minimum untuk confidence dan menghitung
- 00:22:52confidence aturan asosiatif dari a&b
- 00:22:55tadi kan kita udah menjelaskan yang
- 00:22:57setia demikian waktu minimum nilai dan
- 00:23:0050% kemudian nilai konfidensial 50%
- 00:23:03Kemudian untuk nilai confidence A Beat
- 00:23:08rahasia yang mengandung D berarti
- 00:23:10nilai-nilai
- 00:23:11support dari a&b nya ya nilai support
- 00:23:15gabungan b i bagi nilai a support dari
- 00:23:20qana'ah atau jumlah transaksi yang
- 00:23:22mengandung kakaknya
- 00:23:27berarti rumusnya adalah Jumlah transaksi
- 00:23:31yang mengandung a&b dibagi
- 00:23:35jumlah transaksi yang mengandung adik
- 00:23:38Ali 100% nirmassa dikali 100% untuk
- 00:23:42mencari nilai confidence Nino rumusnya
- 00:23:45aturannya
- 00:23:47Nah kita masuk ke Lontoh kasus nih ya
- 00:23:51kalau ini udah ya di sini dibikin nih
- 00:23:55ada transaksi id-nya
- 00:23:57t01 ya Ada teko 2.0 3.0 4.0 5.0 yang di
- 00:24:05beli apa aja misalnya beli pulpen buku
- 00:24:08tulis soal point pensil penghapus
- 00:24:11transaksi nomor 2.0
- 00:24:142013 beli pensil penghapus Lex 04 2017
- 00:24:19kemudian beli penghapus kemudian 305
- 00:24:22pensil penghapus dan kutulis kita masuk
- 00:24:26ke contoh kasusnya ya di sini ada
- 00:24:28pembeli setiap pembelian alat tulis
- 00:24:30kantor dari data ini ya kita mau tadi
- 00:24:34menggunakan algoritma apriori ya Karena
- 00:24:37setelah dapat data ini berikutnya adalah
- 00:24:39biar gampang kita bikin dulu nih tampil
- 00:24:42representasi biner dari tabel transaksi
- 00:24:45jadi kita bikin biner kelebihan itu kan
- 00:24:47nilai cuma nilai satu dan nol
- 00:24:50kalau satu ia nol tidak Nah kita begini
- 00:24:54produknya apa aja sih yang dibeli ada
- 00:24:56buku tulis Ada pulpen Ada pensil ada
- 00:24:58penghapus ini berarti ada
- 00:25:03empat ya
- 00:25:1012345 termulia dari transaksi kosong
- 00:25:13satu ya yang di beli apa aja kita kasih
- 00:25:16kalau satu berarti ia kalau nol tidak
- 00:25:19kalau yang telah thesis nomor satu dia
- 00:25:21belinya pulpen Sama buku tulis berarti
- 00:25:25buku tulis sama pulpen ditulisnya satu
- 00:25:29kalau nggak berarti nol
- 00:25:33Ya ini biar gampang kita bikin tabel
- 00:25:37Bina tabel representasi biner nyari
- 00:25:39transaksi kemudian teknologi dia beli
- 00:25:43apa aja sih ya di kosong dua pulpen
- 00:25:46pensil penghapus
- 00:25:48berarti buku tulis nggak berarti beli
- 00:25:51pulpen pensil penghapus e
- 00:26:00Hai nah kemudian di televisi dua dia
- 00:26:03nggak beli buku tulis nah Berarti
- 00:26:05nilainya Kita masukin noh masuk ke
- 00:26:08transaksi yang ketiga hari ketiga beli
- 00:26:11Pensil sama penghapus
- 00:26:12berarti pensil pensil sama penghapus
- 00:26:17kalau dia nggak beli berarti nggak beli
- 00:26:20buku tulis berarti nilainya nol
- 00:26:22balkonnya nol
- 00:26:24masuk ke transaksi yang keempat terdapat
- 00:26:27diam Java buku tulis penghapus
- 00:26:30kutulis
- 00:26:32menghapusnya berarti nilainya and 11 dia
- 00:26:36nggak beli pulpen sama penghapus nilai
- 00:26:38nol beras yang kelima saya beli pensil
- 00:26:42penghapus buku tulis beli pensil
- 00:26:46penghapus buku tulis ya Enggak beli
- 00:26:50pulpen berarti nilainya nol karena dia
- 00:26:52beli dia beli masih hanya satu kemudian
- 00:26:56kita Totally nih Ya jumlahnya buku tulis
- 00:27:00Nda menghapus 40 poin2 kemudian pensil
- 00:27:05tiga nilai yang satu-satunya kita jumlah
- 00:27:08in112
- 00:27:101234 123 Ayah ini kita masuk ke
- 00:27:14representasi biner dari Tampilkan nasi
- 00:27:16biar gampang ya buat
- 00:27:19menggunakan
- 00:27:20rumus dari agar idmap teorinya
- 00:27:25Nah setelah itu setelah masuk ke
- 00:27:28representasi biner kita masuk ke aturan
- 00:27:30kombinasi ya dari satu itemset kalau
- 00:27:34tadi kan kita pakai simbol abcd kali ini
- 00:27:37berdasarkan produknya
- 00:27:39atau produk yang dibeli apa
- 00:27:43Nah disini adalah untuk pembentukan
- 00:27:46disini penyelesaian berdasarkan data
- 00:27:47yang sudah disediakan pada tabel 2
- 00:27:49Proses pembentukan C1 ia disini adalah
- 00:27:52disebut dengan satu itemset nah ini ada
- 00:27:54aturannya nilai minimum support nya
- 00:27:56adalah
- 00:27:5740% kita bikin file-nya calon
- 00:28:02asosiasi-asosiasi dengan frekuensi satu
- 00:28:04itemset berarti kita lihat nih item
- 00:28:07Setia Berarti ada empat ya Tadi ada buku
- 00:28:09tulis penghapus pulpen sama pensil
- 00:28:12Nah kita masukin to jumlahnya Ya
- 00:28:15jumlahnya berapa tadi ya masing-masing
- 00:28:18berapa buku tulis hingga penghapus 4
- 00:28:20fotoin 2pensil 36 masukin 3423
- 00:28:25berikutnya kita mencari nilai support
- 00:28:27ini rumusnya nilai support adalah Jumlah
- 00:28:30transaksi yang mengandung aha dibagi
- 00:28:33total transaksi
- 00:28:35berarti inilah yang mengandung buku
- 00:28:39tulis 3 total transaksi ada berapa Ada
- 00:28:43Lima
- 00:28:48123456 part ya tiga dibagi lima kali
- 00:28:51100% didapat adalah 60%
- 00:28:56ya berikutnya yang membeli pus tadi
- 00:29:00totalnya 4 menghapus ada empat ya
- 00:29:04berarti empat dibagi total transaksi 4/5
- 00:29:08dikali 100% didapat 80%
- 00:29:12berikutnya yang membeli Pulpen ada dua
- 00:29:14mendengar pulpen belinya dua
- 00:29:17dari apopen dua lebih 2 dibagi total
- 00:29:21transaksi dikasih Satu sen tidak putus
- 00:29:24adalah nilainya 40% masuk ke
- 00:29:26pensil-pensil ada tiga jumlahnya
- 00:29:30esensi ada tiga sebenarnya tiga berarti
- 00:29:32tiga dibagi lima totalnya dikali satu
- 00:29:35Sandy dapat support tiadalah 60%
- 00:29:38ya Nah di sini ada syaratnya ya dengan
- 00:29:43minimal supportnya adalah 40% jadi kita
- 00:29:46nentuin standar minimum support nya
- 00:29:49berarti
- 00:29:50Disini yang mana ya nilai support nya
- 00:29:53minumnya adalah 40% ya ada pulpen pensil
- 00:29:59minimum ndak sama ya Ah nggak ada yang
- 00:30:02di bawah 40% berarti ini Pak Robson
- 00:30:05masuk ya 40 60 80 60%
- 00:30:07berikutnya kita masuk ke kombinasi dua
- 00:30:11itemset ya Pembentukan C2 disebutnya
- 00:30:14dengan dua atom Z dengan jumlah minimum
- 00:30:17support adalah 40% kita masuk ke tabel
- 00:30:20yang ketiga calon atraksi AC dengan
- 00:30:22frekwensi dua itemset ini nilai support
- 00:30:25ya kalau dua Tomcat adalah support AB =
- 00:30:28P ya Aga bungan nilai b a t gabungan
- 00:30:34nilai b&b ya support AB berarti jumlah
- 00:30:39transaksi yang mengandung a&b dibagi
- 00:30:42jumlah transaksi mencari nilai
- 00:30:44supportnya berikutnya kita mau Syahrini
- 00:30:47yang membeli kita bagi masing-masing ya
- 00:30:49buku tulis penghapus jadi semuanya harus
- 00:30:51dimasukin mulanya ya Dari semua data
- 00:30:55yang tadi yang ada ini buku tulis
- 00:30:57penghapus Pulpen ini semuanya harus ke
- 00:31:00kau ada pola
- 00:31:02123 ada pola lagi nih
- 00:31:0512
- 00:31:07pula lagi Ini sama ini ya Nah itu adalah
- 00:31:12mau cari2 itemset
- 00:31:14pertama adalah buku tulis penghapus kita
- 00:31:18lihat yang membeli produknya buku tulis
- 00:31:21dan penghapus ke awal buku tulis dan
- 00:31:25penghapus
- 00:31:31membeli buku tulis dan penghapus mana
- 00:31:34buku tulis penghapus make ini Ibu tulis
- 00:31:37penghapus Ada lagi Ada tulis penghapus
- 00:31:40ada dua ya berarti kita masuki nilainya
- 00:31:43adalah dua dibagi total transaksi 25
- 00:31:47dikali 100% dapat 40%
- 00:31:50berikutnya membeli buku tulis pulpen
- 00:31:54buku tulis pulpen kita tulis ini yang
- 00:31:58bergabung buku tulis pulpen buku tulis
- 00:32:02pulpen
- 00:32:03buku tulis
- 00:32:05pulpen
- 00:32:081 latihan
- 00:32:11tadi satu ya dapat ya jumlahnya satu
- 00:32:15buku tulis pulpen berarti nilai adalah
- 00:32:181/5 dikali 100% didapat 20%
- 00:32:23berikutnya buku tulis pensil
- 00:32:27tipe cek buku tulis pensil buku tulis
- 00:32:33buku tulis pensil
- 00:32:36dia beli buku tulis sama pensil
- 00:32:40niat buku tulis sehingga ini
- 00:32:44kutulis sama pensil ada lagi buku tulis
- 00:32:49pensil enggak ada berarti satu ya
- 00:32:53nanti nilainya 100 Dapat 1/5 dikali 100%
- 00:32:58dapat hidup SMS kau Dian penghapus
- 00:33:01pulpen
- 00:33:03penghapus
- 00:33:05pulpen satu
- 00:33:09menghapus pulpen satu latihan 1/5
- 00:33:14penghapus pulpen nilainya
- 00:33:1711 dibagi lima
- 00:33:20ya nanti dikasih sudah dapat 20%
- 00:33:24berikutnya yang beli penghapus pensil
- 00:33:27penghapus pensil
- 00:33:30penghapus
- 00:33:33pensil satu
- 00:33:36lagi penghapus pensil ada
- 00:33:4321212 ya berarti ya gua
- 00:33:47lagi nggak ngebosenin ada
- 00:33:5131 Oh ya tiga ada 31123
- 00:34:00ndak ada tiga berarti dapet 33 diterima
- 00:34:05dikali 100% dapat 60% yang terakhir
- 00:34:09adalah yang membeli pulpen dan pensil
- 00:34:14kita lihat pulpen dan pensil pulpen
- 00:34:201000 kan
- 00:34:2411 weh nanti beli pulpen pulpen sama
- 00:34:27pensil cuman satu
- 00:34:28dapat dilihat 1 1/5 dikali 100% tepat
- 00:34:3420% Nah dari kombinasi 2 itemset kita
- 00:34:38kasih minimum support nya tadi 40% ya
- 00:34:41berarti yang dianggap 40% kita
- 00:34:45kita nggak pake
- 00:34:48berarti ini kan nggak ini nggak ini
- 00:34:53nggak ini nggak
- 00:34:56Oh ya ini dapat ya Berarti ada buku
- 00:35:00tulis penghapus
- 00:35:02kemudian pensil berarti dapet tiganya
- 00:35:07adalah buku tulis penghapus pensil
- 00:35:10ya buku tulis penghapus sama ini
- 00:35:14menghapus hasilkan sama maaf juga
- 00:35:17nah kita setelah domain yang juga
- 00:35:20itemset masuk yang 33 kombinasi item set
- 00:35:24jadi membentuk ketiga disebut dengan
- 00:35:27tiga item dengan jumlah minimum
- 00:35:29sepertinya sama semuanya sama minum
- 00:35:31seperti dalam produsen kita bikin jalan
- 00:35:34atraksi-atraksi dengan pita itemset nah
- 00:35:37Berarti tadi ada tiga the set buku tulis
- 00:35:40penghapus
- 00:35:41pensil
- 00:35:43ya dia beli buku tulis Sama
- 00:35:48buku tulis penghapus pensil
- 00:35:52Nah kalau kita sebut dengan nilai
- 00:35:54support saya adalah transaksi mengandung
- 00:35:57a b dan c dibagi jumlah transaksi bisa
- 00:36:01berarti transaksi beli buku tulis
- 00:36:04penghapus pensil buku tulis penghapus
- 00:36:06pensil
- 00:36:08Maluku tulis penghapus pensil buku tulis
- 00:36:14penghapus
- 00:36:16ku tulis penghapus pensil Nia
- 00:36:2112
- 00:36:23Nah berarti ini ya ini yang membeli
- 00:36:26tiga produk tersebut Selain itu enggak
- 00:36:29ada udah cuman satu ya ya
- 00:36:351.is riba
- 00:36:38tulis penghapus pensil
- 00:36:41ya cuma satu ya di sini salah nih
- 00:36:45analtran jumlahnya adalah satu ya
- 00:36:49kemudian berat ini adalah 1/5 dikali
- 00:36:52100% didapat 20% 6 Fatih dia nggak masuk
- 00:36:57ke kombinasi 3 item sehat karena
- 00:37:00tidaknya tidak mencapai nih minimum
- 00:37:03supportnya
- 00:37:0440% Nah setelah kita tadi dapet ya untuk
- 00:37:09aturan asosiasinya berikutnya adalah
- 00:37:11kita mau mencari untuk nilai
- 00:37:14konfidensial jadi pembentukan aturan
- 00:37:16Society Setelah semua pola frekuensi
- 00:37:19tinggi ditemukan bahwa kita mencari
- 00:37:21aturan asosiasi memenuhi syarat minimum
- 00:37:23untuk confidence nah disini adalah
- 00:37:26membentuk menghitung biaya konflik dan
- 00:37:27aturan asosiasi dari a&b karena ada dua
- 00:37:30ya cuman dua sebentuk itemset dan dengan
- 00:37:33minimum konfederasi adalah 60% dari
- 00:37:36aturan
- 00:37:38abp-657 ke tabel yang kelima utama
- 00:37:41adalah Jika dia membeli buku tulis maka
- 00:37:45membeli penghapus nah ini untuk rumusnya
- 00:37:47ya Jadi untuk nilai confidence
- 00:37:51a-trak saksi
- 00:37:56Oh ya berarti jumlah transaksi yang
- 00:37:58mengandung a&b dibagi total transaksi
- 00:38:02yang mengandung
- 00:38:04a-kembar dia
- 00:38:05[Musik]
- 00:38:07nah ini aturannya berarti kita masuk di
- 00:38:10dua itemset pertama adalah jika membeli
- 00:38:13buku tulis maka membeli penghapus nilai
- 00:38:15supportnya 40% tadi ya udah ada nilai
- 00:38:19untuk
- 00:38:20membeli buku tulis penghapus Nia dapat
- 00:38:24nilai adalah supportnya adalah 40%
- 00:38:29kemudian kita cari nilai confidential
- 00:38:31rumusnya gimana tadi jumlah yang
- 00:38:34mengalun transaksi buku tulis dan
- 00:38:37penghapus Kan tadi udah ada yang
- 00:38:39diatasnya nih mau tulis penghapus
- 00:38:40jumlahnya dua ya kemudian
- 00:38:47berarti nilai confidence adalah dua
- 00:38:50dibagi yang membeli buku tulis email
- 00:38:56Ia
- 00:38:57membeli buku tulis ada berapa kita lihat
- 00:39:00di awal ya membeli buku tulis ada
- 00:39:03totalnya adalah tiga berarti
- 00:39:07dibagi
- 00:39:09berarti dua
- 00:39:12hinge dibagi 3 nih 2/3 jangan ya tiga ya
- 00:39:21buku tulis 3 nih ya salam nanti 2/3
- 00:39:27dikali
- 00:39:28100% berarti nilainya adalah 67 karya
- 00:39:34Paul 7
- 00:39:37ngeboost alat 6,6 the 0,66 kita bulatin
- 00:39:42boleh nelpon jadi 60%
- 00:39:44kemudian membeli penghapus dan buku
- 00:39:47tulis nilai supportnya nadi Udah ya kita
- 00:39:51cari nilai support membeli buku tulis
- 00:39:54dan pensil Hai misteri penghapus dan
- 00:39:57buku tulis buku tulis penghapus
- 00:40:02kutulis dan penghapus
- 00:40:06buku tulis dan penghapus ini belum ada
- 00:40:10ya buku tulis penghapus
- 00:40:16nah sama ya buku tulis penghapus
- 00:40:19Shoulders ini kan dia tadi menghapus dan
- 00:40:22buku tulis jadi di balik kanan nanti di
- 00:40:24baginya adalah berdasarkan total
- 00:40:26penghapus berarti buku tulis penghapus
- 00:40:30totalnya sama yang 40% kemudian dibagi
- 00:40:34jumlah penghapus jumlah penghapus itu
- 00:40:37Ada berapa jumlah penghapus ada empat
- 00:40:40Tia Berarti ini salah lagi ya
- 00:40:45a2a dibagi empat
- 00:40:48ya untuk menghapus buku tulis nilai
- 00:40:52makhluk videos nya dia adalah ini ya Pak
- 00:40:56ya dua berarti ini ekor pedasnya adalah
- 00:41:002 dibagi 46 part 50%
- 00:41:05kemudian membeli penghapus
- 00:41:07dan pensil membeli penghapus
- 00:41:10penghapus pensil Nia nilainya adalah
- 00:41:13tiga kemudian nilai supportnya 60%
- 00:41:18penghapus pensil 60% tadi ya belanja 3
- 00:41:22dibagi total dari penghapus berarti 3/4
- 00:41:27didapat adalah nilainya
- 00:41:2975%
- 00:41:32berikutnya adalah membeli pensil membeli
- 00:41:35penghapus
- 00:41:36ya Jika dia membeli pensil penghapus
- 00:41:39sama ya nilainya 60% cuman dibagi
- 00:41:42totalnya adalah membeli pensil kalau
- 00:41:46pensilnya aja dia bebasnya aja berapa
- 00:41:48Nia nilainya adalah tiga berarti
- 00:41:53membeli penghasil dan the Samaya tinggal
- 00:41:57dibalik dengan santai adalah 33 dibagi
- 00:42:00tiga dikali 100% dapat nilainya adalah
- 00:42:03100%
- 00:42:09nah kita langsung ke tadi ya untuk minum
- 00:42:12konfidensi adalah 60% kita cari yang
- 00:42:15nilainya adalah 60% dia minimumnya nih
- 00:42:1967 persen kemudian 75% 100% nah tapi
- 00:42:25kalau disini karena buku tulis penghapus
- 00:42:28penghapus buku tulis nilainya di bawah
- 00:42:3150% berarti ini kita enggak ambil
- 00:42:34aturannya
- 00:42:36ya yang ada
- 00:42:38buku tulis
- 00:42:40berarti yang
- 00:42:43Prophet kalau di sini kan penghapus
- 00:42:45pensil nenek 75% pensil penghapus
- 00:42:47nilainya adalah 100% berarti
- 00:42:50penghapusnya yang buku tulisnya ya kita
- 00:42:52pakai karena dia nilainya kalau misalnya
- 00:42:56kau gunakan di sini ada nilainya di
- 00:42:59bawah 60% berarti yang nanti yang jadi
- 00:43:03produknya yang bakal kita masuk ke
- 00:43:06aturan asosiasi ya berarti ini karena
- 00:43:09dia tadi ada di di bawah 60% ya walaupun
- 00:43:12nilai konfederasi untuk buku tulis
- 00:43:14penghapus nilai 67 persen nilai
- 00:43:17penghapus buku tulis nilai adalah 50%
- 00:43:19jam berarti untuk yang buku tol
- 00:43:22penghapus pensil kan sama-sama
- 00:43:24dinilainya di atas ini juga pensil
- 00:43:26penghapus ya di atas 75% yang berarti
- 00:43:29kita gunakan yang ini yang buku tulisnya
- 00:43:31ya kenapa ya Ini karena tadi aturannya
- 00:43:35ada di sini ya dia ternyata nilai
- 00:43:38konfidensi ada di bawah 60% berarti
- 00:43:41penghapus pensil masuk ke nilai adalah
- 00:43:4575%
- 00:43:46Nah dari yang data ini ya kita masuk nih
- 00:43:51ya berarti kita bisa hamil kesimpulan
- 00:43:54berdasarkan tabel ya Allah ksatria yang
- 00:43:56paling sering dibeli oleh konsumen
- 00:43:57adalah pensil dan penghapus ya dengan
- 00:44:01dengan diketahuinya alat tulis kantor
- 00:44:03yang paling sering dibeli konsumen ya
- 00:44:06maka toko alat tulis kantor dapat
- 00:44:08menyusun strategi dalam penentuan
- 00:44:10pembelian alat tulis kantor ya untuk
- 00:44:13menjaga ketersediaan alat tulis kantor
- 00:44:15yang dibutuhkan oleh konsumen berarti
- 00:44:17maksudnya nanti apa Da saat kita mau
- 00:44:19jual produk tersebut berarti ini Pensil
- 00:44:22sama penghapus jangan Stoknya kosong ya
- 00:44:25karena ini yang banyak bakalan dibeli
- 00:44:27dan juga dapat mengatur tata letak ya
- 00:44:30alat tulis kantor berdasarkan kombinasi
- 00:44:32item set alat tulis kantor yang
- 00:44:35terbentuk tadi kan Ya ada dua di kawasan
- 00:44:38oleh-oleh kau tadi
- 00:44:40dia kalau misalnya membeli penghapus
- 00:44:42maka pensil berarti nanti bisa didekati
- 00:44:46nih ya produknya ya jadi kita bisa
- 00:44:49mengatur letak dari alat tulis kantor
- 00:44:51berdasarkan kombinasi atoms etalase
- 00:44:53sulit kantor pos Hai
- 00:44:58ok Disini saya akan menjelaskan Nia
- 00:45:01penggunaanya aplikasi tanagra disini
- 00:45:04untuk memvisualisasi dari algoritma
- 00:45:07apriori ya jadi caranya adalah Nah klik
- 00:45:12tanagra aplikasi tenaganya kemudian klik
- 00:45:14file pilih new kemudian kita kasih
- 00:45:17titelnya misalnya penjualan ATK
- 00:45:26kemudian dikasih penyimpanannya sama
- 00:45:29boleh penjualan ATK di mana Simpannya
- 00:45:32kalau udah di-save kemudian kita ambil
- 00:45:35spaleck soalnya di sini ada
- 00:45:39format excel ya
- 00:45:42ini diambilnya format excel jadi datanya
- 00:45:45data yang tidak beres kita pindahkan ke
- 00:45:47Excel ya formatnya adalah xls kalau
- 00:45:51sudah dioven beli oke kemudian kita
- 00:45:55masuk atau fisiologisnya yang data ini
- 00:45:58kita mau tampilin klik data
- 00:46:00visualization viewdata set diklik Broken
- 00:46:03Road
- 00:46:04dilepas kemudian Klik Kanan pilih new
- 00:46:07cute ya kemudian Klik Kanan pilih view
- 00:46:12nah ini datanya ya Tampilkan Setelah itu
- 00:46:16kita klik yang di sini namanya Devan
- 00:46:19atribut Setia di Kita masukin data
- 00:46:22atributnya diklik ya di select sini
- 00:46:26tulisannya secara continuous atribut
- 00:46:28dipindahkan kalau udah di oke
- 00:46:31malah udah muncul di fans tattoos Klik
- 00:46:34Kanan pilih excute Klik Kanan kemudian
- 00:46:36pilih video ya di sini muncul tersebut
- 00:46:39sudah masuk spek tampil berikutnya kita
- 00:46:43masuk ke Association ya tak fashionnya
- 00:46:46masuk ke frequent outside diklik ya
- 00:46:49drag-and-drop
- 00:46:51Nah diberikan omset ini sudah memasukkan
- 00:46:55nilai
- 00:46:56ah karena dia item segini ada aturan
- 00:46:58untuk parameternya adalah 40% atau 0,4
- 00:47:01kita masuki 0,4 ini mobilnya boleh
- 00:47:05diganti satu Oh ya ini maksudnya ada
- 00:47:07empat kemudian maksimal seperti adalah
- 00:47:09satu ya tersebut adalah 100% minumnya
- 00:47:130,4 kemudian pilih klikwin kalau udah di
- 00:47:16Oke
- 00:47:17berikutnya dari Virgoun atomizer ini
- 00:47:21kita Klik Kanan next Klik Kanan pilih
- 00:47:24view ya tampil lain nih ya dengan nilai
- 00:47:27supportnya 40% ini yang ditampilkan ya
- 00:47:30Des langsung disorting ya 40 persen ada
- 00:47:33bopeng buku tulis buku tulis penghapus
- 00:47:35pensil penghapus pensil penghapus yang
- 00:47:38dengan minum sufornya adalah 40% sampai
- 00:47:41terbentuk dua itemset ya Setelah itu
- 00:47:44kita masuk ke a
- 00:47:46season nya dia priori ya ya mendengarkan
- 00:47:49algoritma apriori Lex akhirnya sama
- 00:47:52diklik broken drop pindahkan kemudian
- 00:47:55kita Klik Kanan teorinya pilih parameter
- 00:47:58Nah ada ketentuannya ya di studi kasus
- 00:48:0140% dan 60% kit masukin 0,4 dan 0,6 udah
- 00:48:06di oke
- 00:48:08itu Klik Kanan pilih excute Klik Kanan
- 00:48:12pilih view nah muncul ya hasilnya Ya
- 00:48:17dengan number of punya adalah 2-2
- 00:48:21itemset dengan minum disinilah jika
- 00:48:24membeli penghapus membeli pensil dengan
- 00:48:25support nya 60% ya konfirmasinya 70%
- 00:48:28kemudian pensil penghapus supportnya 60
- 00:48:31dan Nonton videonya 6S ori 100% nah ini
- 00:48:35adalah rules yang terbentuk
- 00:48:37divisualisasikan menggunakan aplikasi
- 00:48:39nyata negara yard sebelumnya adalah
- 00:48:42menggunakan hitungan manual ke ini
- 00:48:44adalah langsung menggunakan tools yang
- 00:48:46menggunakan tangan agar hasilnya sama
- 00:48:48ayah masih simpulannya adalah kalau kita
- 00:48:51sebut dengan Association rule berarti di
- 00:48:54sini adalah Amo mungkin semua jadi
- 00:48:57kontribusi paling signifikan ya dari
- 00:48:59komunitas data di knowledge kdd ya
- 00:49:03karena list data Discovery kemudian
- 00:49:06sejumlah besar makalah disini telah
- 00:49:09diterbitkan terbitkan nih Ya maksudnya
- 00:49:11kalau kita menggunakan sih Association
- 00:49:13rule mining
- 00:49:14nah banyak Mas Slank Kita Bisa
- 00:49:16eksplorasi nih ya Karena Apa tadi Arah
- 00:49:19perut gajian yang menarik untuk analisis
- 00:49:22asosiasi tipe datanya tadi bisa stasi
- 00:49:25all data multimedia atau data deret
- 00:49:28waktu
- 00:49:30Nah itu ya penjelasan dari pertemuan
- 00:49:33yang ketiga ini buku referensinya agar
- 00:49:35lebih banyak ya Ada tentang tersebut dan
- 00:49:38bisnis ada data mining ya kamu dia ada
- 00:49:42project algoritma Ia menggunakan Serikat
- 00:49:45omset ya menguning frequent pattern ya
- 00:49:48Air tinggal bisa dibaca kalau kita mau
- 00:49:52cari buku referensi nya
- 00:49:56hai
- 00:49:57kya sampai side untuk penjelasan di
- 00:50:01pertemuan yang keempat mengenai
- 00:50:03Association rule tadi penjelasan
- 00:50:05mengenai Association rule metode yang
- 00:50:07digunakan bisa menggunakan apriori cara
- 00:50:11penggunaan rumusnya kemudian cara
- 00:50:13penggunaan tools nya ya nanti kita masuk
- 00:50:17ke studi kasusnya jadi ada pengerjaan
- 00:50:20berhubungan dengan studi kasusnya Oke
- 00:50:23terima kasih
- 00:50:25[Musik]
- data mining
- aturan asosiasi
- algoritma Apriori
- support
- confidence
- Tanagra
- visualisasi data
- pemasaran silang
- analisis perilaku konsumen
- frequent itemsets