Izin bertanya pak, misal kita punya dataset penjualan dengan banyak variabel dan terdiri dari 15 macam produk, kita udah dapat pola dari asosiasi menggunakan fp-growth yaitu pola penempatan /tata letak barang untuk menghindari produk yg tidak dibeli. Setelah pola asosiasi itu didapat apa bisa kita lanjut dengan mencari kategori yg laku dan tidak lakunya menggunakan algoritma klasifikasi/klastering ? Itu masuk nya ke kombinasi algoritma atau perbandingan algoritma ya pak ? Mohon jawabannya pak 🙏 terimakasih
Kategori laku atau tidak laku itu ukurannya apa? Kalau hanya sekedar angka penjualan saja, maka jawabannya tidak perlu algoritma klasifikasi. Langsung saja terapkan statistik deskriptif.
penjelasannya sangat jelas, mantap pak
Izin bertanya pak untuk pengujian lift rasio apakah untuk algoritma Apriori saja ? Atau berlaku juga untuk fp-growth pak ?
Izin bertanya pak, misal kita punya dataset penjualan dengan banyak variabel dan terdiri dari 15 macam produk, kita udah dapat pola dari asosiasi menggunakan fp-growth yaitu pola penempatan /tata letak barang untuk menghindari produk yg tidak dibeli. Setelah pola asosiasi itu didapat apa bisa kita lanjut dengan mencari kategori yg laku dan tidak lakunya menggunakan algoritma klasifikasi/klastering ? Itu masuk nya ke kombinasi algoritma atau perbandingan algoritma ya pak ? Mohon jawabannya pak 🙏 terimakasih
Kategori laku atau tidak laku itu ukurannya apa? Kalau hanya sekedar angka penjualan saja, maka jawabannya tidak perlu algoritma klasifikasi. Langsung saja terapkan statistik deskriptif.
@@AsyikBerinformatika laku dan tidak lakunya berdasarkan besar nilai confident dan support pak
@@nuraaaaid Nilai confidence dan support bukan untuk itu.
@@AsyikBerinformatika ukuran kategori laku dan tidak laku itu maksudnya seperti apa ya pak ? 🙏
pak kalau untuk data lebih dari 500 relevan ngga ya
@@intancantikkyy semakin datanya banyak maka rule yang dihasilkan pun akan lebih meyakinkan.
izin pak
unutk slide nya bisa di share pak??