Analisis Kinerja Algoritma PrefixSpan dan Aprioriall pada Penggalian Pola Sekuensial

Abstract

PrefixSpan adalah salah satu metode penggalian pola sekuensial yang menggunakan pendekatan Pattern Growth serta melakukan proyeksi sufiks terhadap basis data sekuens, sedangkan AprioriAll adalah salah satu metode penggalian pola sekuensial yang menggunakan pendekatan Apriori serta melakukan pembangkitan dan pengujian sekuens kandidat. Dengan bekal basis data sekuens yang terdiri atas ID kastamer, ID transaksi, dan item yang dibeli, kedua algoritma tersebut dapat menghasilkan pola-pola sekuensial yang memenuhi dukungan minimum yang diinginkan. Secara teoretik kinerja PrefixSpan lebih unggul daripada AprioriAll, sehingga perlu dilakukan analisis terhadap kinerja dari kedua algoritma tersebut.
Dalam penelitian ini dilakukan analisis kinerja algoritma PrefixSpan dan AprioriAll pada penggalian pola sekuensial. PrefixSpan akan disusun menggunakan teknik proyeksi basis data Pseudoprojection dan AprioriAll akan disusun sesuai empat fase prosedurnya, yaitu fase pengurutan, fase litemset, fase transformasi, dan fase sekuens. Kemudian kedua aplikasi ini akan diuji ketangguhannya dengan menggali pola sekuensial dari basis data sekuens sintetik berukuran besar.
Berdasarkan uji coba dapat disimpulkan bahwa secara umum durasi eksekusi dan utilisasi memori PrefixSpan lebih kecil daripada AprioriAll dan secara grafis dapat dikatakan bahwa PrefixSpan lebih skalabel dan terpercaya daripada AprioriAll.
Kata Kunci: PrefixSpan, Pseudoprojection, AprioriAll, pola sekuensial, penggalian data, dukungan minimum, basis data sekuens, proyeksi basis data.