Materi
Analisis keranjang belanja (market-basket analysis) mencari barang yang sering dibeli bersama. Leskovec, Rajaraman, dan Ullman dalam Mining of Massive Datasets bab 6 memodelkan data sebagai sekumpulan keranjang, masing-masing berisi himpunan item. Aturan asosiasi ditulis A → B dan dibaca "keranjang yang memuat A cenderung juga memuat B"; A disebut anteseden dan B konsekuen.
Dokumentasi Apriori di Oracle Machine Learning mendefinisikan tiga ukurannya. Support(A → B) adalah banyak transaksi yang memuat A dan B dibagi seluruh transaksi. Confidence(A → B) adalah support(A dan B) dibagi support(A), yaitu peluang bersyarat B bila A ada. Lift(A → B) adalah confidence(A → B) dibagi support(B). Lift 1 berarti A dan B muncul bersama sesering yang diharapkan bila keduanya tidak berhubungan; di atas 1, kehadiran A menaikkan peluang B; di bawah 1, menurunkannya. MMDS memakai ukuran sejenis bernama interest, yaitu confidence dikurangi peluang B, sehingga titik netralnya 0; MMDS juga menulis support sebagai banyak keranjang, bukan pecahan.
| Nota toko bangunan | Isi |
|---|---|
| 1 | cat, kuas |
| 2 | cat, kuas, amplas |
| 3 | semen, pasir |
| 4 | cat, amplas |
| 5 | cat, kuas |
Dari lima nota di atas, aturan cat → kuas: cat dan kuas muncul bersama di 3 nota, jadi support = 3 ÷ 5 = 0,6. Cat ada di 4 nota, jadi confidence = 0,6 ÷ 0,8 = 0,75. Kuas ada di 3 nota (support 0,6), jadi lift = 0,75 ÷ 0,6 = 1,25.
