Market Basket Analysis (MBA)

Asociation dalam data mining adalah pekerjaan untuk menentukan mana atribut yang akan didapatkan bersamaan. Dalam dunia bisnis lazim dikenal istilah affinity analysis. Tugas dari asociation rule adalah mencari aturan yang tidak mengcover untuk mengukur hubungan antara dua atau lebih atribut.
Market Basket Analysis merupakan salah satu contoh penerapan Association Rule. Untuk menyampaikan ide mendasar dari Market Basket Analysis, dimulai dengan melihat gambar keranjangan belanjaan yang berisi bermacam-macam barang-barang yang dibeli oleh seseorang disebuah supermarket. Keranjang ini berisi bermacam-macam barang-barang seperti roti, susu, sereal, telur, mentega, gula, dan sebagainya. Sebuah keranjang memberitahukan kepada kita tentang apa saja yang dibeli oleh seorang konsumen dalam satu waktu. Sebuah daftar belanjaan yang lengkap yang diperoleh dari semua konsumen memberikan kita informasi yang sangat banyak, dan ini dapat menjelaskan barang-barang apa saja yang paling penting dari bisnis penjualan yaitu ”apa barang yang dibeli oleh konsumen dan kapan”.

Tiga Level Market Basket Data
Market Basket Data adalah data transaksi yang menjelaskan tiga perbedaan entitas yang mendasar yaitu :
1. Customers
2. Orders/pembelian
3. Items (barang-barang)
Support dan Confidence
Penting tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter, support (nilai penunjang) yaitu persentase kombinasi item tersebut dan confidence (nilai kepastian) yaitu kuatnya hubungan antar item dalam aturan assosiatif. Aturan assosiatif biasanya dinyatakan dalam bentuk : {roti,mentega} → {susu} (support = 40%, confidence = 50%)Yang artinya : ”50% dari transaksi di database yang memuat item roti dan mentega juga memuat item susu. Sedangkan 40% dari seluruh transaksi yang ada di database memuat ketiga item itu”. Analisis asosiasi didefinisikan suatu proses untuk menemukan semua aturan assosiatif yang memenuhi syarat minimum untuk support (minimum support) dan syarat minimum untuk confidence (minimum confidence).
Metode Dasar Association Rule
Metodologi dasar analisis asosiasi terbagi menjadi dua tahap :
1. Analisa pola frekuensi tinggi
Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam database, yang dapat dirumuskan sebagai berikut: Support = P(A = jumlah transaksi yang memuat A dan B / total jumlah transaksi
2.Pembentukan aturan assosiatif
Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan assosiatif yang memenuhi syarat minimum untuk confidence dengan menghitung confidence aturan assosiatif A→ B dengan menggunakan rumus berikut : Confidence = P(B / A) = : Support P(AP(A)
3. Lift / Improvement Ratio
Lift Ratio adalah parameter penting selain support dan confidence dalam association rule. Lift Ratio mengukur seberapa penting rule yang teleh terbentuk berdasarkan nilai support dan confidence. Lift Ratio merupakan nilai yang menunjukkan kevalidan proses transaksi dan memberikan informasi apakah benar produk A dibeli bersamaan dengan produk B.
Lift / Improvement Ratio dapat dihitung dengan rumus
SupportAB/Support(A).Support(B)
Pemanfaatan Aturan Asosiasi
Sesuai namanya, aturan asosiasi yang dihasilkan dalam proses Market Basket Analysis umumnya digunakan pada bisnis retail. Untuk bagian pemasaran, peningkatan penjualan dapat dicapai dengan mengorganisasikan ulang item-item sehingga item-item yang terjual bersama-sama selalu ditemukan bersama. Hal ini akan memicu pembelian dan membantu memastikan pelanggan untuk membeli sebuah item tidak lupa untuk membelinya karena tidak melihatnya. Organisasi retail juga dapat memberikan kupon diskon untuk pembelian item B jika pelanggan membeli item A. Selain dalam bisnis retail, Market Basket Analysis juga dapat diaplikasikan dalam bidang-bidang yang lain. Market Basket Analysis dapat digunakan dalam spam filtering, fraud detection (pendeteksi kecurangan, dalam klaim asuransi misalnya), analisis pembelian kartu kredit, analisis pola panggilan telepon, analisis penggunaan layanan telekomunikasi, dan sebagainya.