Lewati ke isi

Aturan Asosiasi: Support, Confidence, dan Lift

Gambaran singkat

Apa ini? Cara membentuk aturan "jika beli A maka beli B" dan mengukur kekuatannya dengan support, confidence, dan lift.

Analogi

Banyak orang membeli kantong plastik. Maka "orang yang beli roti juga beli kantong plastik" tampak kuat, padahal semua orang membelinya. Lift memeriksa apakah hubungan itu lebih kuat daripada kebetulan.

Mengapa penting? Confidence saja bisa menipu pada barang populer. Memahami tiga ukuran ini bersama mencegah kita mengambil kesimpulan yang salah.

Yang akan dipelajari, berurutan:

  1. Bentuk aturan A ⇒ B.
  2. Support, confidence, dan lift.
  3. Ukuran tambahan: leverage dan conviction.
  4. Bahaya membaca confidence tanpa lift.

Istilah awal:

Istilah Arti sederhana
Antecedent Bagian "jika" pada aturan
Consequent Bagian "maka" pada aturan
Confidence Dari yang membeli A, berapa persen juga membeli B
Lift Seberapa kuat hubungan dibanding kebetulan; di atas 1 berarti ada kaitan

Tujuan pembelajaran

  • Membentuk aturan \(A \Rightarrow B\) dari itemset sering.
  • Menghitung dan menafsirkan support, confidence, lift, leverage, dan conviction.
  • Mengenali bahaya membaca confidence tanpa lift.

Aturan dan ukurannya

Sebuah aturan berbentuk \(A \Rightarrow B\) dengan \(A\) (antecedent) dan \(B\) (consequent) itemset yang tidak beririsan: "bila \(A\) dibeli, \(B\) cenderung dibeli juga". Ukurannya:

\[ \text{support}(A\Rightarrow B) = P(A \cap B), \qquad \text{confidence}(A\Rightarrow B) = \frac{P(A \cap B)}{P(A)}, \qquad \text{lift}(A\Rightarrow B) = \frac{P(A \cap B)}{P(A)\,P(B)} \]
\[ \text{leverage} = P(A\cap B) - P(A)P(B), \qquad \text{conviction} = \frac{1 - P(B)}{1 - \text{confidence}} \]

\(P(\cdot)\) adalah proporsi transaksi yang memuat itemset tersebut.

Ukuran Arti Nilai "tidak ada hubungan"
Support Seberapa sering \(A\) dan \(B\) muncul bersama (tidak ada)
Confidence Dari transaksi yang memuat \(A\), berapa yang juga memuat \(B\) \(P(B)\)
Lift Seberapa lebih sering bersama dibanding bila saling bebas 1
Leverage Selisih frekuensi bersama dan yang diharapkan jika bebas 0
Conviction Seberapa sering aturan "salah" dibanding bila bebas 1

Lift > 1: \(A\) dan \(B\) muncul bersama lebih sering dari kebetulan; = 1: tidak ada hubungan; < 1: cenderung saling menghindari. Confidence saja dapat menyesatkan: bila \(B\) sangat populer, confidence \(A\Rightarrow B\) akan tinggi bagaimanapun \(A\).

Implementasi langkah demi langkah

Itemset sering dari FP-Growth (min_support=0,05), lalu association_rules dengan min_confidence=0,3. Data: 2000 transaksi sintetis (penjelasan). Program examples/association/rules.py; program lengkap ada di akhir bagian ini.

Langkah 1: dari itemset sering ke aturan

rules.py
transactions = make_transactions()
te = TransactionEncoder()
df = pd.DataFrame(te.fit(transactions).transform(transactions), columns=te.columns_)
N = len(df)

itemsets = fpgrowth(df, min_support=0.05, use_colnames=True)
rules = association_rules(itemsets, num_itemsets=N, metric="confidence", min_threshold=0.3)


def label(s):
    return " + ".join(sorted(s))


rules["rule"] = rules["antecedents"].apply(label) + "  ->  " + rules["consequents"].apply(label)
cols = ["rule", "support", "confidence", "lift", "leverage", "conviction"]
print("jumlah aturan (min_support=0.05, min_confidence=0.3):", len(rules))
Kode Penjelasan
N = len(df) Jumlah transaksi total (2000).
fpgrowth(df, min_support=0.05, use_colnames=True) Itemset sering (support ≥ 5%).
association_rules(itemsets, num_itemsets=N, metric="confidence", min_threshold=0.3) Membentuk semua aturan \(A \Rightarrow B\) dari itemset sering dan menyimpan yang confidence-nya ≥ 0,3. Pada versi mlxtend yang dipakai, num_itemsets adalah jumlah transaksi. Hasilnya tabel dengan kolom antecedents, consequents, support, confidence, lift, dan lain-lain.
def label(s): return " + ".join(sorted(s)) Fungsi pembantu: mengubah himpunan barang (frozenset) menjadi teks.
rules["rule"] = antecedents + " -> " + consequents Kolom teks aturan agar mudah dibaca, misalnya roti -> mentega.
jumlah aturan (min_support=0.05, min_confidence=0.3): 45

Hasil. 45 aturan lolos min_confidence=0,3.

Langkah 2: aturan dengan lift tertinggi

rules.py
# 1. Aturan dengan lift tertinggi
top = rules.sort_values("lift", ascending=False).head(6)
print("\n" + top[cols].round(3).to_string(index=False))

rules.sort_values("lift", ascending=False).head(6) mengurutkan dari lift terbesar dan mengambil enam teratas; top[cols] memilih kolom yang ingin ditampilkan.

                            rule  support  confidence  lift  leverage  conviction
                sampo  ->  sabun    0.072       0.687 4.659     0.057       2.725
                sabun  ->  sampo    0.072       0.492 4.659     0.057       1.759
                 susu  ->  popok    0.058       0.338 4.450     0.045       1.396
                 popok  ->  susu    0.058       0.763 4.450     0.045       3.498
gula + kantong_plastik  ->  kopi    0.056       0.810 4.368     0.043       4.292
kantong_plastik + kopi  ->  gula    0.056       0.703 4.133     0.042       2.790

Interpretasi. Lift tertinggi: sabun → sampo dan sampo → sabun (lift 4,66), popok → susu dan susu → popok (4,45), serta gula + kantong_plastik → kopi (4,37). Aturan berpasangan arah (A→B dan B→A) memiliki support dan lift sama, tetapi confidence berbeda: popok → susu 0,763 (76% pembeli popok membeli susu) vs susu → popok 0,338.

Langkah 3: memverifikasi satu aturan dengan hitungan tangan

Tujuan. Memastikan bahwa angka dari mlxtend memang sama dengan definisi: support = \(n_{AB}/N\), confidence = \(n_{AB}/n_A\), lift = confidence / \((n_B/N)\).

rules.py
# 2. Verifikasi manual satu aturan: roti -> mentega, dari hitungan langsung
n_roti = int(df["roti"].sum())
n_mentega = int(df["mentega"].sum())
n_both = int((df["roti"] & df["mentega"]).sum())
support = n_both / N
confidence = n_both / n_roti
lift = confidence / (n_mentega / N)
print("\nroti -> mentega: n_roti=%d, n_mentega=%d, n_keduanya=%d, N=%d" % (n_roti, n_mentega, n_both, N))
print("support=%.3f  confidence=%.3f  lift=%.3f" % (support, confidence, lift))
row = rules[rules["rule"] == "roti  ->  mentega"].iloc[0]
print("mlxtend  : support=%.3f  confidence=%.3f  lift=%.3f" % (row["support"], row["confidence"], row["lift"]))

df["roti"].sum() menghitung keranjang yang memuat roti (kolom bernilai True dijumlahkan sebagai 1); (df["roti"] & df["mentega"]).sum() menghitung keranjang yang memuat keduanya. Baris row = rules[rules["rule"] == "roti -> mentega"].iloc[0] mengambil baris aturan yang sama dari tabel mlxtend.

roti -> mentega: n_roti=527, n_mentega=492, n_keduanya=439, N=2000
support=0.220  confidence=0.833  lift=3.386
mlxtend  : support=0.220  confidence=0.833  lift=3.386

Interpretasi. Roti pada 527 keranjang, mentega 492, keduanya 439 dari 2000. Maka support = 439/2000 = 0,220; confidence = 439/527 = 0,833; lift = 0,833 / (492/2000) = 3,386. Nilai-nilai ini sama dengan keluaran mlxtend.

Langkah 4: confidence tinggi tetapi lift rendah

Konsep. Bila konsekuen sangat populer, confidence tinggi sekalipun tidak ada hubungan. Lift membandingkannya dengan peluang kebetulan.

rules.py
# 3. Aturan dengan confidence tinggi tetapi lift sekitar 1 (barang populer)
pop = rules[(rules["consequents"].apply(lambda s: s == frozenset({"kantong_plastik"})))]
print("\nAturan dengan konsekuen kantong_plastik (support kantong_plastik = %.3f):" % df["kantong_plastik"].mean())
print(pop.sort_values("confidence", ascending=False).head(3)[cols].round(3).to_string(index=False))

rules["consequents"].apply(lambda s: s == frozenset({"kantong_plastik"})) menghasilkan True untuk aturan yang konsekuennya persis {kantong_plastik}; hasilnya dipakai menyaring tabel, lalu diurutkan menurut confidence.

Aturan dengan konsekuen kantong_plastik (support kantong_plastik = 0.448):
                                   rule  support  confidence  lift  leverage  conviction
mie_instan + telur  ->  kantong_plastik    0.053       0.502 1.123     0.006       1.110
             telur  ->  kantong_plastik    0.101       0.500 1.117     0.011       1.105
              susu  ->  kantong_plastik    0.079       0.461 1.029     0.002       1.024

Interpretasi. kantong_plastik ada di 44,8% keranjang. Aturan dengan konsekuen itu mendapat confidence 0,50 (mie_instan + telur), 0,50 (telur), dan 0,46 (susu), tampak lumayan, tetapi lift hanya 1,12; 1,12; dan 1,03, yaitu hampir sama dengan kebetulan. Melihat confidence saja akan salah menyimpulkan.

Asosiasi bukan sebab-akibat

Lift tinggi menunjukkan pasangan yang layak diuji untuk bundling, penempatan rak berdekatan, atau rekomendasi. Ini asosiasi, bukan sebab-akibat: membeli popok tidak "menyebabkan" membeli susu.

Program lengkap (rules.py)
rules.py
import pandas as pd
from mlxtend.frequent_patterns import association_rules, fpgrowth
from mlxtend.preprocessing import TransactionEncoder

from basket_data import make_transactions

transactions = make_transactions()
te = TransactionEncoder()
df = pd.DataFrame(te.fit(transactions).transform(transactions), columns=te.columns_)
N = len(df)

itemsets = fpgrowth(df, min_support=0.05, use_colnames=True)
rules = association_rules(itemsets, num_itemsets=N, metric="confidence", min_threshold=0.3)


def label(s):
    return " + ".join(sorted(s))


rules["rule"] = rules["antecedents"].apply(label) + "  ->  " + rules["consequents"].apply(label)
cols = ["rule", "support", "confidence", "lift", "leverage", "conviction"]
print("jumlah aturan (min_support=0.05, min_confidence=0.3):", len(rules))

# 1. Aturan dengan lift tertinggi
top = rules.sort_values("lift", ascending=False).head(6)
print("\n" + top[cols].round(3).to_string(index=False))

# 2. Verifikasi manual satu aturan: roti -> mentega, dari hitungan langsung
n_roti = int(df["roti"].sum())
n_mentega = int(df["mentega"].sum())
n_both = int((df["roti"] & df["mentega"]).sum())
support = n_both / N
confidence = n_both / n_roti
lift = confidence / (n_mentega / N)
print("\nroti -> mentega: n_roti=%d, n_mentega=%d, n_keduanya=%d, N=%d" % (n_roti, n_mentega, n_both, N))
print("support=%.3f  confidence=%.3f  lift=%.3f" % (support, confidence, lift))
row = rules[rules["rule"] == "roti  ->  mentega"].iloc[0]
print("mlxtend  : support=%.3f  confidence=%.3f  lift=%.3f" % (row["support"], row["confidence"], row["lift"]))

# 3. Aturan dengan confidence tinggi tetapi lift sekitar 1 (barang populer)
pop = rules[(rules["consequents"].apply(lambda s: s == frozenset({"kantong_plastik"})))]
print("\nAturan dengan konsekuen kantong_plastik (support kantong_plastik = %.3f):" % df["kantong_plastik"].mean())
print(pop.sort_values("confidence", ascending=False).head(3)[cols].round(3).to_string(index=False))

Kesalahan umum

Hindari

  • Mengurutkan aturan hanya dengan confidence.
  • Menganggap aturan berarti sebab-akibat.
  • Mengabaikan support: lift tinggi pada itemset sangat langka bisa hanya kebetulan.
  • Menganggap A→B sama informatifnya dengan B→A.

Latihan

  1. Hitung manual leverage dan conviction aturan roti → mentega dari angka di atas.
  2. Urutkan aturan menurut leverage. Apakah urutannya berbeda dari urutan lift?
  3. Cari aturan dengan lift < 1 dengan menurunkan min_threshold pada metrik lift.

Ringkasan

Support mengukur frekuensi, confidence mengukur peluang bersyarat, dan lift membandingkan dengan kebebasan statistik; gunakan lift (dan ukuran lain) bersama confidence agar tidak tertipu barang populer.

Berikutnya: Penyaringan Aturan, Ambang Batas, dan Keterbatasan.