PENGOPTIMALAN PENCARIAN HIGH UTILITY ITEMSET DAN HIGH UTILITY ASSOCIATION RULE MENGGUNAKAN BINARY PARTICLE SWARM OPTIMIZATION

RIDOWATI GUNAWAN, Drs. Edi Winarko, M.Sc., Ph.D. ; Dr-Ing. MHD. Reza M.I. Pulungan, M.Sc.

2020 | Disertasi | DOKTOR ILMU KOMPUTER

Pencarian frequent itemset menganggap bahwa kuantitas setiap item dalam transaksi dan bobot setiap item adalah sama. Hal ini tidak sesuai dengan kondisi sesungguhnya. Setiap item memiliki kuantitas yang berbeda demikian juga halnya dengan bobot dari setiap item. Pencarian high utility itemset (HUI) mempertimbangkan nilai kuantitas item dalam transaksi dan bobot setiap item. Pencarian HUI menggunakan pendekatan binary particle swarm ptimization (BPSO) belum optimal karena jumlah itemset yang diperoleh menggunakan batas minimum utility yang ditetapkan belum maksimal. Parameter-parameter BPSO belum dikonfigurasi secara tepat. Tidak ada rumusan untuk menentukan batas minimum utility dan sangat tergantung pada kumpulan data yang diolah. Aturan asosiasi HUI belum diperoleh menggunakan pendekatan BPSO demikian juga fungsi untuk mengukur interestingness dari aturan. Untuk mendapatkan HUI yang optimal dilakukan analisis terhadap empat parameter BPSO yaitu populasi awal, strategi inertia weight, coefficient acceleration dan velocity clamping. Untuk memudahkan pengguna, pencarian HUI menggunakan BPSO dilakukan tanpa menentukan nilai batas minimum utility. Untuk mendapatkan aturan asosiasi diusulkan menggunakan dua metode. Pertama, melakukan pencarian aturan asosiasi setelah diperoleh HUI. Kedua, pencarian aturan asosiasi bersamaan pencarian HUI berbasis BPSO. Pengukuran interestingness yang diusulkan adalah utility support, utility confidence, utility lift dan utility improve. Parameter yang paling mempengaruhi pencarian HUI menggunakan BPSO adalah inertia weight. Adaptive inertia weight dan constriction factor merupakan inertia weight terbaik. Metode yang diusulkan mampu meningkatkan jumlah itemset hingga 150% dan total utility. Pencarian aturan asosiasi bersamaan pencarian high utility itemset berbasis BPSO mampu menghasilkan total utility lebih banyak tetapi waktu eksekusi lebih lama. Dari keempat pengukuran interestingness, pengukuran yang harus ada adalah utility confidence. Algoritme pencarian HUI dan aturan asosiasi berbasis BPSO dapat mengoptimalkan pencarian HUI dan aturan asosiasi.

A frequent itemset mining assumes that quantity of each item in a transaction and the utility of each item are the same. This is not in accordance with the actual conditions. In real condition, each item has a different quantity as well as the weight of each item. The high-utility itemset mining (HUIM) considers the quantity of item and weight of each item. HUIM using the binary particle swarm optimization (BPSO) approach in previous research is not optimal because number of itemset obtained using minimum utility threshold is not yet maximal. BPSO parameters have not been configured correctly. There is no formula to determine the value of minimum utility threshold dan it is very dependent on the dataset. The consequence of obtaining high utility itemset (HUI) is that it is necessary to look for the association rules from the HUI using BPSO and to measure the interestingness of the association rules obtained. To get the optimal HUI, an analysis for the four BPSO parameters, namely initial population, inertia weight, coefficient acceleration and velocity clamping was carried out. To facilitate users, HUIM using BPSO is done without specifying a minimum utility threshold. The association rules mining is performed using two methods: first, a BPSO-based HUIM then association rules mining and second, association rules mining together with a BPSO-based HUIM. The proposed measurements of interestingness are equation for utility support, utility confidence, utility lift, and utility improve. A very influential factor in the performance of BPSO-based HUIM algorithms is the determination of inertia weight. Adaptive inertia weight and constriction factor are the best. The proposed configuration is able to increase the number of itemset until 150% and also increase total utility. The association rules mining together with BPSO-based HUIM is able to produce more total utility but requires a longer execution time. From the four interestingness measurements, utility confidence must be used. The BPSO-based method for HUIM can optimize HUIM and association rule mining.

Kata Kunci : high-utility itemset, aturan asosiasi, binary particle swarm