Analisis Perbandingan Kinerja Algoritma ECLAT dan Apriori Dalam Pembentukan Aturan Asosiasi Pada Pasar Pertanian Online

Abstract

Association Rules Mining (ARM) merupakan teknik data mining yang dilakukan untuk menemukan asosiasi atau keterlibatan dalam suatu dataset dengan menentukan nilai minimum Support dan Confidence sebagai tolak ukur yang akan menghasilkan informasi yang bermanfaat. Dalam teknik ini terdapat beberapa Algoritma diantaranya Apriori dan Eclat, kedua algoritma tersebut menjadi algoritma yang digunakan dan dianalisis dalam penelitian ini. Penelitian ini bertujuan untuk melakukan analisis perbandingan pada kedua Algoritma dimana keluaran dari penelitian ini adalah kelebihan, kekurangan, performansi dan analisis rules dari kedua Algoritma tersebut. Kami melakukan penelitian ini karena setiap organisasi akan memiliki jumlah dataset yang berbeda. Analisis komparatif ini penting dilakukan karena setiap Algoritma memiliki kelebihan dan kekurangannya masing-masing. Sebagai bahan perbandingan, kami menggunakan 3 dataset transaksi dengan jumlah records yang berbeda sehingga memiliki keakuratan akurasi yang lebih baik. Pemilihan kedua algoritma tersebut berdasarkan karakteristik tata letak data yang berbeda (Apriori: Horizontal, Eclat: Vertikal). . Hasil akhir dari penelitian ini adalah Waktu Eksekusi Algoritma Eclat akan unggul ketika nilai minimum supportnya kecil, namun Algoritma Apriori dapat mengimbangi Algoritma Eclat ketika nilai minimum supportnya naik. Disamping itu, penggunaan memory maksimum Algoritma Apriori akan unggul ketika nilai minimum supportnya kecil, namun ketika nilai minimum supportnya dinaikan, Algoritma Eclat dapat mengimbangin Algoritma Apriori. Saran penelitian selanjutnya yaitu diharapkan menggunakan dataset dengan jumlah record dan jumlah kolom pada items yang lebih banyak dibandingkan penelitian ini. Sehingga proses penambangan data tetap mendapatkan jumlah kandidat dari Rules yang dihasilkan.