Penerapan Association Rule Mining Untuk Menentukan Pola Kelulusan Mahasiswa Menggunakan Algoritma Apriori

Ghozi Muhammad Farhan; Dwi Januarita A.K.; Bayu Anggoro Krisnamurti; Arijal Bela Praja; Rusli Prasetya

Ghozi Muhammad Farhan Institut Teknologi Telkom Purwokerto
Dwi Januarita A.K. Institut Teknologi Telkom Purwokerto
Bayu Anggoro Krisnamurti Institut Teknologi Telkom Purwokerto
Arijal Bela Praja Institut Teknologi Telkom Purwokerto
Rusli Prasetya Institut Teknologi Telkom Purwokerto

Keywords: Association Rule Mining, Algoritma Apriori, Implementation

Abstract

Perkembangan pemanfaatan sistem informasi membantu perguruan tinggi dalam mendapatkan informasi, mengelolah serta menyebarkan informasi serta menunjunjang aktivitas dalam pengambilan keputusan pada perguruan tinggi salah satunya adalah mahasiswa. Mahasiswa menjadi aktor yang sangat diperhatikan dalam proses evaluasi program studi. Mulai dari proses masuk sampai dengan kelulusan mahasiswa tepat waktu. Kelulusan mahasiswa menjadi
poin yang sangat berpengaruh dalam upaya untuk mewujudkan visi dan misi program studi. Banyak faktor-faktor yang sangat mempengaruhi kelulusan mahasiswa. Dalam mencapai proses kelulusan, mahasiswa harus memenuhi persyaratan antara lain minimal Nilai Prestasi Kumulatif (IPK), Lama Masa Studi, dan Toefl. yang tertuang didalam Buku Panduan Institusi. Untuk menentukan kelulusan mahasiswa digunakan association rule mining metode algortima apriori. algortima apriori adalah metode untuk menentukan pola frekuensi tertinggi. Dimana dihasilkan 5 association rule dengan nilai confidence rule 1 77%, rule 2 75%, rule 3 68%, rule 4 54%, dan rule 5 45%. Dengan adanya penelitian ini dapat memudahkan dalam menentukan pola kelulusan mahasiswa.

References

[1] C. N. Dengen and E. T. Luthfi, “Penentuan Association Rule Pada Kelulusan Mahasiswa Menggunakan Algoritma Apriori,” vol. 3, no. 1, pp. 20–29, 2019.
[2] W. Lefebvre-Ulrikson, G. Da Costa, L. Rigutti, and I. Blum, Data Mining. Elsevier Inc., 2016.
[3] P. Retnosari, “Implementasi Data Mining Untuk Menemukan Hubungan Antara Kota Kelahiran Mahasiswa Dengan Tingkat Kelulusan Mahasiswa Pada Fakultas Teknologi Informasi Unisbank,” J. Din. Inform., vol. 5, no. 2, 2013.
[4] A. S. Ashour, N. Dey, and D. N. Le, “Biological data mining: Techniques and applications,” Min. Multimed. Doc., vol. 1, no. 4, pp.161–172, 2017.
[5] P. Bagus, I. Sukadiana, N. Putu, S. Merta, and S. Aryani, “Analysis of Apriori Algorithm on Sales Transactions to Arrange Placement of Goods on Minimarket,” Int. J. Eng. Emerg. Technol., vol. 3, no. 1, pp. 13–17, 2018.
[6] W. Aprianti, K. A. Hafizd, and M. R. Rizani, “Implementasi Association Rules dengan Algoritma Apriori pada Dataset Kemiskinan,” Limits J. Math. Its Appl., vol. 14, no. 2, p. 57, 2017