Algoritma Apriori
Algoritma Apriori, yang diperkenalkan oleh Agrawal dan Srikant pada tahun 1994, merupakan metode fundamental untuk menemukan kumpulan item yang sering muncul (frequent itemsets) dan aturan asosiasi dalam basis data transaksional. Algoritma ini menggunakan pencarian bertahap (level-wise) dengan lebar pertama (breadth-first) yang dipandu oleh properti anti-monoton dari dukungan (support) untuk secara efisien menghitung semua kombinasi item yang sering muncul bersama di atas ambang batas minimum yang ditentukan pengguna, kemudian mengekstrak aturan jika-maka yang dapat diinterpretasikan dari pola-pola tersebut.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sumber
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Apriori Algorithm for Association Rule Mining. ScholarGate. https://scholargate.app/id/machine-learning/apriori-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Aturan AsosiasiPembelajaran Mesin↔ compare
- FP-Growth (Pertumbuhan Pola Frekuen)Pembelajaran Mesin↔ compare
- Clustering K-meansPembelajaran Mesin↔ compare
- Pembelajaran DaringPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →