Perpustakaan Digital ITB

Tugas Akhir ini berfokus pada optimalisasi algoritma yang digunakan dalam metode Association Rules Mining jika diterapkan pada data transaksional besar. Dengan permasalahan kinerja algoritma tradisional yang tidak optimal dalam mengolah data transaksional berukuran besar, Tugas Akhir ini bertujuan untuk mengembangkan dan menerapkan optimalisasi pada algoritma Bi-Eclat, yang disebut sebagai 'Algoritma Modified Bi-Eclat'. Untuk mencapai tujuan ini, Tugas Akhir ini mengadopsi dan memodifikasi beberapa metode seperti Priority queue, down-closure property, dan pruning support dan support dalam konteks Association Rules Mining. Dengan menerapkan properti ini, algoritma dioptimalkan sehingga mampu mengeliminasi subset yang tidak memenuhi syarat association rules dan strong association rules lebih awal diproses dalam komputasi, dengan harapan dapat mengurangi beban komputasi secara signifikan. Hasil pengujian menunjukkan bahwa Algoritma Bi-Eclat yang dimodifikasi mampu mengurangi waktu komputasi dibandingkan dengan algoritma Bi-Eclat tradisional, dengan tetap mempertahankan kualitas aturan yang sama. Selain itu, analisis kompleksitas algoritma pada kedua algoritma menunjukkan bahwa Modified Bi- Eclat memiliki kompleksitas lebih rendah dibanding dengan Bi-Eclat Kesimpulannya, Tugas Akhir ini berhasil menunjukkan bahwa penggunaan metode Priority queue, down-closure property, dan pruning support dan confidene dalam konteks Association Rules Mining mampu meningkatkan efisiensi algoritma Bi- Eclat dalam mengolah dataset berukuran besar, dengan mempertahankan kualitas aturan yang sama. Hal ini memberikan kontribusi penting dalam peningkatan kinerja Association Rules Mining dalam Market Basket Analysis pada data transaksional besar.