1. Siapkanlah bebarapa data awal untuk dioalah, berikut terdapat beberapa contoh data transaksi konsumen di Toko Bangunan. Berikut adalah contoh
ID Transaksi | Items |
1 | Lem, Pipa, Thinner, Paku |
2 | Pipa, Thinner |
3 | Besi, Paku, Semen |
4 | Pipa, Thinner, Lem |
5 | Besi, Semen |
6 | Lem, Thinner, Paku |
7 | Besi, Paku |
8 | Semen, Pipa, Thinner |
9 | Thinner, Pipa, Lem, Semen |
10 | Paku, Semen |
2. Setelah itu, Ubah data awal di atas berbentuk Tabular dalam bentuk kode binner. Hal ini dilakukan supaya tools dengan mudah mengidentifikasi data. Jika Terdapat item pada sebuah transaksi maka diberi kode = 1, dan jika item tidak terdapat pada transaksi maka diberi kode = 0. Berikut data awal yang sudah dikonversi menjadi tabular.
ID Transaksi | Lem | Pipa | Thinner | Paku | Besi | Semen |
1 | 1 | 1 | 1 | 1 | 0 | 0 |
2 | 0 | 1 | 1 | 0 | 0 | 0 |
3 | 0 | 0 | 0 | 1 | 1 | 1 |
4 | 1 | 1 | 1 | 0 | 0 | 0 |
5 | 0 | 0 | 0 | 0 | 1 | 1 |
6 | 1 | 0 | 1 | 1 | 0 | 0 |
7 | 0 | 0 | 0 | 1 | 1 | 0 |
8 | 0 | 1 | 1 | 0 | 0 | 1 |
9 | 1 | 1 | 1 | 0 | 0 | 1 |
10 | 0 | 0 | 0 | 1 | 0 | 1 |
3. Langkah selanjutnya pengolahan data menggunakan tools, Disini saya akan menggunakan Tools Tanagra V. 1.4.50. Teman-teman bisa download di
https://tanagra.software.informer.com/. Dan lakukan penginstallan, dan akan muncul tampilan aplikasi Tanagra seperti gambar di bawah ini.

4. JIka jendela aplikasi sudah terbuka silahkan tutup kembali dan Sekarang buka kembali file data yang berbentuk tabular yang sudah di simpan di excel, Seperti yang dapat dilihat pada Gambar di bawah ini.

5. Setelah itu supaya data Transaksi di atas dapat diinputkan di Aplikasi Tanagra maka terlebih dahulu menabahkan fitur Add-ins Tanagra pada Excel. Anda bisa menambahkannya dengan cara pilih File > Options > Add-ins, maka akan muncul halaman seperti gambar di bawah ini.

Untuk menemukan fitur Add-ins Aplikasi Tanagra maka pilih Add-ins > Go > brower> Pilih Tanagra.exe > Oke.
6. Setelah itu Akan muncul Fitur Add-ins di Excel, seperit yang terdapat pada Gambar di bawah ini.

7. Setelah itu kembali ke data Transaksi dan lakukan Select data > Pilih Execute Tanagra, Berfungsi untuk mengimport data ke Tanagra.Setelah tahap di atas dilakukan, maka secara otomatis jendala aplikasi Tanagra terbuka dan sudah terdapat data yang di import pada tahap sebelumnya. Kemudian untuk menampilkan data drag fitur menuju Kolom Analysis dan timpa Dataset.
Sebelumnya cara menggunakan fitur pada kolom Components di Aplikasi Tanagra dapat dilakukan dengan cara pilih Salah satu Menu pada Components Mis. Components > Association > Frequent Itemsets, Seperti yang dapat dilihat pada Gambar di bawah ini.

Pada gambar di atas menjelaskan cara penggunaan fitur Pada Kolom Components di Aplikasi Tanagra dengan pilih salah satu fitur > Drag menuju Kolom Analysis
8. Kembali lagi fokus untuk menampilkan data di Tanagra dengan cara drag fitur menuju Kolom Analysis dan timpa Dataset. Kemudian arahkan pointer mouse pada View dataset Klik kanan > pilih Execute untuk menjalankan lalu Klik kanan > pilih View untuk menampilkan. Langkahnya di jelaskan pada Gambar di bawah ini.

Pada Gambar di atas sudah terdapat Dataset Transaksi yang sudah di import dari data Excel sebanyak 10 transaksi.
9. Langkah selanjutnya adalah memilih Atribut atau Items yang akan selanjutnya di olah pada Aplikasi Tanagra. Caranya pilih fitur Defin Kemudian pilih pada no. 2 Select continuous atribut > Pilih Panah > Ok. Semua items akan terpilih untuk proses selanjutnya, Seperti yang terlihat pada Gambar berikut.

10. Kemudian untuk memastikan itemset / atribut sudah terseleksi dapat di cek dengan cara Klik kanan pada Define Status > Execute untuk menjalankan, Lalu Klik Kanan > Pilih View untuk Menampilkan Hasil. Cara dapat dilihat pada Gambar berikut.

11. Sekarang masuk ke pengolahan data Transaksi menggunakan Metode Association Rule. Langkahnya adalah pilih pada kolom Components > Association > pilih Frequent Itemsets > Drag menuju kolom Analysis. Setelah itu, Klik Kanan pada Frequent Itemsets > Parameters, dapat dilihat pada Gambar berikut.

Pada Frequent Itemsets akan diberikan minimum nilai Support = 40% atau 0.4. Sehingga nantinya akan menentukan item apa saja yang memenuhi nilai Support yang dapat dilanjutkan menuju pengolah Algoritma Apriori.
12. Kemudian untuk melanjutkan menuju proses selanjutnya dengan cara Klik kanan pada Frequent Itemsets > Execute untuk menjalankan, Lalu Klik Kanan > Pilih View untuk Menampilkan Hasil. Caranya dapat dilihat pada Gambar berikut

13. Langkah selanjutnya adalah penerapan Algoritma Apriori pada Aplikasi Tanagra. Langkahnya adalah pilih pada kolom Components > Association > pilih A priori > Drag menuju kolom Analysis. Setelah itu, Klik Kanan pada Frequent Itemsets > Parameters, dapat dilihat pada Gambar berikut.

Pada Gambar di atas diberikan Min. nilai support = 40 % atau 0.4 dan Min. nilai Confidence = 50% atau 0.5.
14. Pada Langkah terakhir untuk melanjutkan menuju proses selanjutnya dengan cara Klik kanan pada A priori > Execute untuk menjalankan, Lalu Klik Kanan > Pilih View untuk Menampilkan Hasil. Caranya dapat dilihat pada Gambar berikut.

Pada Gambar di atas di dapatkanlah Rule dari data Transaksi yang sudah di olah menggunakan algoritma Apriori. Terdapat 4 pola yang memenuhi Min. nilai Support dan Min. nilai Confidence, terdapat pada Tabel di bawah ini.
ID Transaksi | Lift Ratio | Support | Confidence |
IF Thinner, THEN Lem | 1,6667 | 40% | 66,7% |
IF Lem, THEN Thinner | 1,6667 | 40% | 100% |
IF Pipa, THEN Thinner | 1,6667 | 50% | 100% |
IF Thinner, THEN Pipa | 1,6667 | 50% | 83,3% |
Kemudian juga terdapat nilai lift ratio untuk menentukan kekuatan sebuah rule, yang selanjutnya akan dilakukan analisis pada pola belanja konsumen.
Original Create by : Sri Rahayu Widyawati & Rimelda Adha