Analisis Data Masuk Kuliah Dengan Data Kelulusan Mahasiswa Menggunakan Metode Apriori

Authors

  • Ryzky Aulia Dwiyanti Universitas Ahmad Dahlan
  • Lisna Zahrotun Universitas Ahmad Dahlan
  • Utaminingsih Linarti Universitas Ahmad Dahlan

DOI:

https://doi.org/10.12928/jstie.v12i3.26400

Keywords:

Data Mining, Pola Asosiasi, Algoritma Apriori, Lift Rasio

Abstract

Evaluasi keberhasilan penyelenggara program studi di perguruan tinggi merupakan aktivitas yang sering dilakukan oleh Fakultas Y Universitas X. Fakultas melakukan evaluasi dengan bentuk evaluasi studi terhadap mahasiswa. Namun selama adanya proses evaluasi studi tersebut, jumlah kelulusan mahasiswa Fakultas Y setiap tahunnya masih di bawah 50%, sehingga perlu dilakukan identifikasi penyebab mahasiswa tidak lulus tepat waktu. Identifikasi tersebut dilakukan dengan pencarian hubungan antara data mahasiswa sebelum masuk kuliah dan data kelulusan mahasiswa. Penelitian ini melakukan analisis pola asosiasi antara data masuk kuliah dengan data kelulusan mahasiswa Fakultas Y tahun 2014-2015 dengan data kelulusan mahasiswa tahun 2018-2019. Penelitian ini memperoleh pola asosiasi yaitu pada dataset prodi R, kombinasi data masuk kuliah dengan data kelulusan yaitu lama studi menghasilkan rule berkorelasi positif yaitu 72 rules, sedangkan dengan IPK menghasilkan 111 rules. Pada dataset prodi S, kombinasi data masuk kuliah dengan lama studi menghasilkan rule berkorelasi positif yaitu 214 rules, sedangkan dengan IPK menghasilkan 222 rules. Pada dataset prodi T, kombinasi data masuk kuliah dengan lama studi menghasilkan rule berkorelasi positif yaitu 230 rules, sedangkan dengan IPK menghasilkan 228 rules. Pada dataset prodi U, kombinasi data masuk kuliah dengan lama studi menghasilkan rule berkorelasi positif yaitu 237 rules, sedangkan dengan IPK menghasilkan 165 rules.  Pengujian rules menggunakan lift ratio memperoleh rule dengan kualitas baik pada dataset setiap prodi. Hasil pengujian pola yang dihasilkan dataset prodi R, S, T dan U memiliki nilai lift dengan korelasi positif yaitu rata-rata 1,01-2,20.

References

[1] N. Syahid, “Tahun 2019 ‘Lulusan Tepat Waktu Mahasiswa FTI UAD Angkatan 2015 Sebanyak 22%,’” fti.uad.ac.id, 2019.

[2] M. S. Mujib Ridwan, Hadi Suyono, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Creat. Inf. Technol. J., vol. 4, no. 2, p. 151, 2018, doi: 10.24076/citec.2017v4i2.106.

[3] A. S. Saputro, “Penerapan Association Rule Dengan Algoritma Apriori Untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa Teknik Informatika S1 Fakultas Ilmu,” 2015.

[4] A. S. R. Sinaga, “DATA MINING INFORMASI TINGKAT KELULUSAN MAHASISWA STMIK PELITA NUSANTARA MEDAN.” 2017.

[5] G. C. Sutradana and M. D. R. Wahyudi, “Penerapan Data Mining Untuk Analisis Pengaruh Lama Studi Mahasiswa Teknik Informatika Uin Sunan,” Penerapan Data Min. Untuk Anal. Pengaruh Lama Stud. Mhs. Tek. Inform. Uin Sunan Kalijaga Yogyakarta Menggunakan Metod. Apriori, vol. 1, no. 3, pp. 153–162, 2017.

[6] A. R. Riszky and M. Sadikin, “Data Mining Menggunakan Algoritma Apriori untuk Rekomendasi Produk bagi Pelanggan,” J. Teknol. dan Sist. Komput., vol. 7, no. 3, pp. 103–108, Jul. 2019, doi: 10.14710/jtsiskom.7.3.2019.103-108.

[7] N. N. Merliani, N. I. Khoerida, N. T. Widiawati, L. A. Triana, and P. Subarkah, “Penerapan Algoritma Apriori Pada Transaksi Penjualan Untuk Rekomendasi Menu Makanan Dan Minuman,” J. Nas. Teknol. dan Sist. Inf., vol. 8, no. 1, 2022, doi: 10.25077/teknosi.v8i1.2022.9-16.

[8] A. Setiawan and F. P. Putri, “Implementasi Algoritma Apriori untuk Rekomendasi Kombinasi Produk Penjualan,” Ultim. J. Tek. Inform., vol. 12, no. 1, 2020, doi: 10.31937/ti.v12i1.1644.

[9] A. J. P. Sibarani, “Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Pola Penjualan Obat,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 262–276, 2020, doi: 10.35957/jatisi.v7i2.195.

[10] F. Amsury, I. Kurniawati, and M. Rizki Fahdia, “Implementasi Association Rules Menentukan Pola Pemilihan Menu Di the Gade Coffee & Gold Menggunakan Algoritma Apriori,” INFOTECH J., vol. 9, no. 1, pp. 279–286, Jun. 2023, doi: 10.31949/infotech.v9i1.5357.

[11] Nurjoko and H. Kurniawan, “Aplikasi Data Mining Untuk Memprediksi Tingkat Kelulusan Mahasiswa Menggunakan Algoritma Apriori di IBI Darmajaya, Bandar Lampung,” J. TIM Darmajaya, vol. 02, no. 01, pp. 79–93, 2016.

[12] H. Indriyawati and T. Winarty, “Analisa Data Mining Kemampuan Lulusan dengan Kebutuhan Stakeholder Menggunakan Algoritma Apriori (Studi Kasus Universitas Semarang),” Proceeding SENDIU, pp. 499–505, 2021.

[13] J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. 2012. doi: 10.1016/B978-0-12-381479-1.00001-0.

Published

31-10-2024

Issue

Vol. 12 No. 3 (2024): Oktober

Section

Articles

License

Copyright (c) 2024 Ryzky Aulia Dwiyanti, Lisna Zahrotun, Utaminingsih Linarti

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

License and Copyright Agreement

In submitting the manuscript to the journal, the authors certify that:

  1. They are authorized by their co-authors to enter into these arrangements.
  2. The work described has not been formally published before, except in the form of an abstract or as part of a published lecture, review, thesis, or overlay journal. Please also carefully read Journal Posting Your Article Policy.
  3. The work is not under consideration for publication elsewhere.
  4. The work has been approved by all the author(s) and by the responsible authorities – tacitly or explicitly – of the institutes where the work has been carried out.
  5. They secure the right to reproduce any material that has already been published or copyrighted elsewhere.
  6. They agree to the following license and copyright agreement.


Copyright

Authors who publish with Jurnal Sarjana Teknik Informatika agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.