Pemilihan Rules Konsisten dengan Market Basket Analysis dan Overall Variability Association Rules Method (OVARM)
View/ Open
Date
2017Author
Nugrahanto, Fajrianza Adi
Wijayanto, Hari
Afendi, Farit Mochamad
Metadata
Show full item recordAbstract
Market Basket Analysis (MBA) merupakan salah satu metode data mining yang populer digunakan. Metode ini diterapkan untuk mengungkap produk barang yang sering dibeli secara bersamaan oleh konsumen. Hasil analisis dari MBA memiliki bentuk berupa rules beserta nilai ukuran kebaikannya (support, confidence, dan lift). Secara ideal, MBA diterapkan berkala mengingat pola pembelian konsumen selalu berubah, yang secara langsung akan berdampak kepada nilai ukuran kebaikan rules. Rules yang memiliki nilai ukuran kebaikan yang konsisten dapat menjadi rules yang menarik bagi pengambilan keputusan untuk jangka waktu yang panjang. Dalam jurnalnya, Papavasileiou dan Tsadiras (2013) mengajukan suatu metode yang dinamakan Overall Variability Association Rules Method (OVARM). Metode ini diterapkan kepada rules yang sebelumnya dibangkitkan oleh MBA untuk memilih rules yang paling konsisten.
Dalam penelitian ini, penggunaan MBA pada suatu data transaksi supermarket menghasilkan sebelas rules yang memiliki nilai ukuran kebaikan yang tinggi. Penerapan OVARM pada rules yang dihasilkan mampu memberikan hasil berupa suatu rule dengan ukuran kebaikan yang tinggi dan konsisten nilainya dalam jangka waktu dua tahun pengamatan. Rules yang dipilih oleh OVARM memiliki bentuk berupa {Blueberries → Banana}. Rules ini merupakan rules yang trivial, sehingga untuk mendapatkan informasi yang baru maka rules non-trivial harus dapat dibangkitkan. Dalam penelitian ini peneliti mengajukan tiga modifikasi penggunaan OVARM agar rules non-trivial dapat muncul: 1) OVARM diterapkan pada kategori produk non-harian, 2) Produk barang dalam setiap transaksi dibuat ke dalam taksonomi produk yang lebih rendah sebelum diterapkan OVARM, 3). OVARM diterapkan untuk waktu transaksi tertentu saja. Penggunaan modifikasi pertama pada data transaksi yang tersedia berhasil memunculkan rules non-trivial pada beberapa kategori produk non-harian.
Pada umumnya, penerapan MBA pada data transaksi hanya menggunakan dua buah peubah saja, yaitu ID transaksi dan ID produk yang terdapat dalam transaksi. Dalam penelitian ini peneliti juga mencoba untuk menambahkan satu peubah ke dalam analisis, yaitu kuantitas produk yang dibeli pada setiap transaksi. Penerapan MBA dan OVARM pada data dengan tiga peubah ini juga berhasil memilih rule yang memiliki nilai ukuran kebaikan yang tinggi dan konsisten nilainya untuk waktu dua tahun. Rule yang dipilih memiliki bentuk berupa {Oranges (3) → Banana (1)}. Rules ini memiliki bentuk yang berbeda dengan rule yang dipilih oleh OVARM dari data dengan dua peubah. Salah satu kelemahan utama dari penambahan peubah baru ini adalah nilai support dari rules yang dihasilkan secara umum akan lebih kecil, sehingga perlu menjadi pertimbangan bagi pengguna OVARM.
Collections
- MT - Veterinary Science [899]