ABSTRAKSI: Data mining adalah salah satu bidang yang berkembang pesat karena besarnya kebutuhan akan nilai tambah dari basis data skala besar yang makin banyak terakumulasi sejalan dengan pertumbuhan teknologi informasi. Implementasi dari data mining dapat memberikan kontribusi yang penting dalam dunia bisnis. Pola-pola asosiasi yang dihasilkan dapat digunakan sebagai bahan pertimbangan dalam pengambilan keputusan dalam suatu perusahaan.
Asosiasi merupakan salah satu fungsionalitas atau teknik dari data mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Berbagai algoritma pernah dikembangkan untuk mendapatkan pola-pola asosiasi dengan mempertimbangkan aspek efektifitas dan efisiensi.
Tugas Akhir ini membahas analisis data mining untuk mencari pola asosiasi dari suatu data transaksi pada sebuah aplikasi yang menerapkan algoritma Pattern Decomposition. Analisis dilakukakan berdasarkan hasil pengujian. Dari pengujian didapatkan bahwa semakin besar nilai minimum support maka akan semakin kecil frequent itemsets yang dapat dibangkitkan. Hubungan linear antara minimum support dan frequent itemsets digambarkan dalam sebuah rumusan : f(x) = a1/x^2 + c Dataset yang digunakan dalam pengujian sangat berpengaruh. Dataset dengan jumlah record yang besar akan membutuhkan waktu yang lama dalam proses pembangkitan, terlebih jika minimum support-nya kecil.
Kata Kunci : data mining, asosiasi, pattern decomposition, minimum support, frequent itemsets.ABSTRACT: Data Mining is one of area which grows rapidly because level of requirement of added value from big scale database which gets a lot of accumulation in line with information technology growth. Implementation from data mining can give important contribution in the world of business. Association pattern yielded can be used as consideration material in decision making in a company.
Association represent one of fungsionalist or technique from data mining to find the assosiatif order among an item combination. Various algorithm have been developed to get the association pattern by considering aspect of good effective and efficiency.
This final task criticism analysis of data mining to look for the association rules from a transaction dataset on application by using Pattern Decomposition algorithm. Analysis based on experimentation result. From the experimentation we can get information that if minimum support is large, frequent itemsets is small. Linear relationship between minimum support dan frequent itemsets can be difined with this formula : f(x) = a1/x^2 + c A dataset that used atexperimentation is very influential. Dataset with high number record will need many time for processing all mining, moreover with small minimum support.
Keyword: data mining, association, pattern decomposition, minimum support, frequent itemsets.