Tutorial Belajar Rapidminer (Bagian 24) - Membuat Permodelan Market Basket Analysis

Senin, 30 Oktober 2017 15:05:09 ,Oleh ,Dilihat : 51 x

Diasuh oleh Dr. Ir. Agus Wibowo, M.Kom, M.Si, M.M

       Market Basket Analysis adalah model asosiasi antar produk dengan menentukan kumpulan item yang sering dibeli bersama dan membangun aturan asosiasi untuk mendapatkan rekomendasi. Istilah Market Basket Analysis sendiri datang dari kejadian yang sudah sangat umum terjadi di dalam pasar swalayan, yakni ketika para konsumen memasukkan semua barang yang mereka beli ke dalam keranjang (basket) yang umumnya telah disediakan oleh pihak swalayan itu sendiri. Informasi mengenai produk-produk yang biasanya dibeli secara bersama-sama oleh para konsumen dapat memberikan “wawasan” tersendiri bagi para pengelola toko atauswalayan untuk menaikkan laba bisnisnya (Albion Research, 2007).

Berikut cara membuat permodelan Market Basket Analysis menggunakan template yang telah tersedia pada rapidminer :

1. Jalankan Rapidminer, pilih New Process, kemudian pilih template Market Basket Analysis

2. Akan muncul model Market Basket Analysis

Berikut penjelasan dari proses model Market Basket Analysis

Langkah 1. 

Memuat data transaksi yang berisi id transaksi, id produk dan quantifier. Data menunjukkan berapa kali produk tertentu dibeli sebagai bagian dari transaksi.

Langkah 2:

Edit, transform & load (ETL) - melakukan agregat data transaksi untuk memperhitungkan beberapa kejadian dari produk yang sama dalam sebuah transaksi. Data akan dijadikan dalam bentuk pivot, sehingga setiap transaksi diwakili oleh sebuah baris. Pada langkah 2 ini, proses yang dijalankan berfungsi untuk mengubah jumlah pembelian menjadi indikator "produk yang dibeli : ya / tidak".

Berikut proses agregat data transaksi dimana orders di agregat ke fungsi sum

Pada contoh proses berikutnya digunakan operator Aggregate, pada parameter group by attribut dipilih kolom invoice dan product 1

       Pada contoh proses berikutnya digunakan operator Pivot untuk data, pada parameter group attribute dipilih kolom invoice dan index attribute diatur ke product 1, sedangkan parameter weight aggregation diatur ke sum.

       Pada contoh proses berikutnya digunakan operator Rename by replacing, pada parameter replace what  diatur ke sum(Orders)_

       Pada contoh proses berikutnya digunakan operator Replace Missing Values, pada parameter attribute filter type  diatur ke all, dengan parameter default diatur ke zero.

      Pada contoh proses berikutnya digunakan operator Numerical to Binominal, pada parameter attribute filter type  diatur ke all, dengan parameter min serta max diatur ke 0.0