Data Science Engineer
Data Science untuk Association Rules
beginner
0,00
6 jam 30 menit
0 Siswa Terdaftar
Deskripsi
Ingin menemukan pola tersembunyi dari data transaksi atau perilaku pengguna? Pelajari association rules untuk mengungkap hubungan antar item, seperti produk yang sering dibeli bersamaan dalam analisis market basket. Course ini membahas konsep dasar hingga penerapan algoritma populer seperti Apriori dan FP-Growth dengan pendekatan praktis berbasis Python, cocok untuk kamu yang ingin memahami analisis pola dan pengambilan keputusan berbasis data.
Sasaran Siswa
- Memahami Konsep Association Rules
Perangkat yang Dibutuhkan
Prosesor
Intel Core i3 (Rekomendasi Core i5 ke atas)
Sistem Operasi
Windows, Linux, MacOS
Biaya Investasi
Rp 350.000
Metode Ajar
- Self-paced learning
- Total Belajar : 6 jam 30 menit
Instructor
Dr. Ni Wayan Sumartini Saraswati, S.T.,M.T.
Apa yang akan Anda dapatkan
Sertifikat
Dapatkan sertifikat resmi sebagai bukti kompetensi Anda.
Modul
Akses modul pembelajaran lengkap yang mudah dipahami kapanpun.
Forum Diskusi
Diskusi interaktif bersama siswa lainnya.
Kuis
Kuis singkat untuk menguji dan memperkuat pemahaman materi.
Ujian
Ujian akhir untuk mengukur kemampuan dan kelulusan course.
Silabus
Materi yang Anda pelajari di kelas ini
Pengenalan Association Rules
Association Rules adalah metode analisis data yang digunakan untuk mengidentifikasi pola keterkaitan antar item dalam sekumpulan transaksi. Teknik ini menghasilkan aturan berbentuk if–then yang menunjukkan item-item yang cenderung muncul bersama. Metode ini banyak diterapkan pada market basket analysis, sistem rekomendasi, serta berbagai analisis perilaku konsumen untuk mendukung pengambilan keputusan berbasis data.
90 Menit
Metode association rules
Metode Association Rules merupakan pendekatan analisis yang digunakan untuk menemukan pola hubungan antar item dalam data transaksi. Teknik ini menilai seberapa sering kombinasi item muncul bersama serta seberapa kuat keterkaitannya, sehingga menghasilkan aturan berbentuk if–then. Dua algoritma yang paling umum digunakan dalam metode ini adalah Apriori dan FP-Growth, yang masing-masing memiliki cara berbeda dalam mengidentifikasi frequent itemsets. Metode ini menjadi landasan dalam berbagai aplikasi seperti market basket analysis, segmentasi perilaku, dan sistem rekomendas
120 Menit
Submission
Submission merupakan tahap akhir di mana peserta diminta mengumpulkan rangkuman pemahaman dan implementasi dari seluruh materi yang telah dipelajari. Pada bagian ini, peserta akan menyelesaikan sebuah tugas akhir yang memadukan konsep association rules dengan penerapan algoritma Apriori dan FP-Growth. Tujuan dari tahap submission adalah memastikan peserta mampu menerapkan metode secara mandiri, menginterpretasikan hasil analisis, serta menyajikan temuan secara sistematis dan sesuai standar analisis data.
180 Menit