ANALISIS POLA DATA TRANSAKSIONAL BERBASIS PYTHON: Pendekatan Association Rule Mining Menggunakan Apriori, FP Growth, dan ECLAT

Penulis:
​Andri Fahmi, S.Kom., M.Kom. 

---

​Buku ini disusun secara terstruktur dan komprehensif. Bab I membahas pengantar analisis pola data transaksional, peran data mining, konsep dasar association rule mining, serta tantangan yang dihadapi dalam penemuan pola asosiasi. Bab II menguraikan landasan teori terkait data transaksional dan association rule mining, termasuk karakteristik data, frequent itemset, parameter evaluasi aturan asosiasi, serta kelebihan dan keterbatasan pendekatan asosiasi. Bab III hingga Bab V secara khusus membahas tiga algoritma utama dalam association rule mining, yaitu Apriori, FP-Growth, dan ECLAT, mulai dari konsep dasar, mekanisme kerja, hingga tahapan implementasi menggunakan bahasa pemrograman Python. Selanjutnya, Bab VI menyajikan analisis perbandingan ketiga algoritma tersebut dengan meninjau perbedaan strategi pencarian pola, efisiensi waktu proses, penggunaan memori, serta kualitas frequent itemset dan aturan asosiasi yang dihasilkan. Pembahasan ini diharapkan dapat memberikan gambaran yang objektif mengenai keunggulan dan keterbatasan masing-masing algoritma dalam konteks penggunaan yang berbeda.