IMPLEMENTASI TEKNIK ASSOCATION RULE MINING UNTUK MENGETAHUI POLA MINAT KERJA MAHASISWA SESUAI BIDANG KEAHLIAN
DOI:
https://doi.org/10.35145/joisie.v4i2.840Kata Kunci:
Association Rule Mining, minat kerja, prediksiAbstrak
Alumni Teknik Informatika 45 % bekerja tidak sesuai dengan bidang keahlian yang diperoleh selama menempuh pendidikan diperguruan tinggi. Ada beberapa faktor diantaranya: pertama, alumni masih belum percaya kemampuannya sendiri atau belum menguasai progam studi yang mereka pilih, kedua ketersediaan lapangan pekerjaan. Teknik Association Rule Mining akan membantu memunculkan pola minat dan bakat mahasiswa terhadap mata kuliah yang mereka dapat ketika kuliah. Nilai akademik diklasifikasikan kedalam 3 mata kuliah jurusan yaitu yang berkaitan dengan matakuliah progammer, desain, dan jaringan hal ini di sesuaikan dengan visi dan misi progam studi Teknik Informatika Fakultas Ilmu Komputer. Teknik asosiasi berupa rule-rule yang paling banyak muncul atau strong rule, dikombinasikan dengan algoritma Fp-Growth sehingga mempermudah menemukan pola dari sekumpulan data yang sudah diklasifikasikan. Fp- Growth akan membentuk struktur Tree untuk memperkuat dalam memunculkan himpunan data yang besar. Pengambilan sampel dari matakuliah pada progam studi S1 Teknik Informatika. Data sampel dikelompokan dalam matakuliah progamming, desain grafis dan jaringan. Algoritma Fp-Growth dapat menunjukkan bahwa rule asosiasi dapat membentuk sebuah pola minat dan bakat mahasiswa terhadap mata kuliah dan keterkaitannya dengan pekerjaan sesuai bidang keahlian. Hasil penelitian dapat memprediksi pekerjaan yang sesuai setelah lulus dari perguruan tinggi.
Unduhan
Referensi
ARISANDI, D. (2016). Analisa Pola Pemilihan Program Studi Bagi Calon Mahasiswa Di Universitas Abdurrab Menggunakan Association Rule. Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, 1(1), 1–5. https://doi.org/10.36341/rabit.v1i1.8
DOMI SEPRI, M. A. (2017). Analisa dan Perbandingan Metode Algoritma Apriori dan Fp-Growth untuk Mencari Pola Daerah Strategis pengenalan Kampus Studi Kasus di STKIP ADZKIA Padang. JURNAL SISTEM INFORMASI KAPUTAMA, 1(1), 1–9.
EKA SABNA, M. (2016). Penerapan Data Mining Untuk Memprediksi Prestasi Akademik Mahasiswa Berdasarkan Dosen , Motivasi , Kedisiplinan , Ekonomi ,. CorelIT, 2(2), 1–4.
ELWANI. (2017). PENEElwani. (2017). PENENTUAN ATURAN ASOSIASI PADA TRANSAKSI PEMINJAMAN BUKU MENGGUNAKAN ALGORITMA FP-GROWTH. Informatika Manajemen Dan Komputer, 9(1), 1–11.NTUAN ATURAN ASOSIASI PADA TRANSAKSI PEMINJAMAN BUKU MENGGUNAKAN ALGORITMA FP-GROWTH. Informatika Manajemen Dan Komputer, 9(1), 1–11.
FANA WIZA, & KUNING, L. (2016). Pemodelan Pola Hubungan Kemampuan Lulusan. Teknologi Informasi Dan Komunikasi Digital Zone, 7, 2–7.
FAUZY, M., SALEH W, K. R., & ASROR, I. (2016). Penerapan Metode Association Rule Menggunakan. Jurnal Ilmiah Teknologi Informasi Terapan, II(2), 1–7.
FITRIYANI, F. (2016). Implementasi Algoritma Fp-Growth Menggunakan Association Rule Pada Market Basket Analysis. Jurnal Informatika, 2(1), 1–10. https://doi.org/10.31311/ji.v2i1.85
HILMY, N. F., & ANDOKO, B. S. (2016). Rancang Bangun Aplikasi Data Mining Analisis Tingkat Kelulusan Menggunakan Algoritma Fp-Growth ( Studi Kasus Di Politeknik Negeri Malang ). Informatika Polinema, 1–5.
IKHWAN, A., & NOFRIANSYAH, D. (2015). Penerapan Data Mining dengan Algoritma Fp-Growth untuk Mendukung Strategi Promosi Pendidikan ( Studi Kasus Kampus STMIK Triguna Dharma ). Ilmiah Saintikom, 1–16.
IRVAN FIRNANDO, D. (2015). Implementasi Algoritma Apriori Dan Forecasting. Prosiding SENTIA, 7(3), 2085–2347.
JOLLYTA, D., EFENDI, S., ZARLIS, M., & MAWENGKANG, H. (2019). Optimasi Cluster Pada Data Stunting: Teknik Evaluasi Cluster Sum of Square Error dan Davies Bouldin Index. Prosiding Seminar Nasional Riset Information Science (SENARIS), 1(September), 918. https://doi.org/10.30645/senaris.v1i0.100
KURNIAWAN, H., & INFORMASI, J. S. (2016). Aplikasi datamining untuk memprediksi tingkat kelulusan mahasiswa menggunakan algoritma apriori di ibi darmajaya bandar lampung. 02(01), 79–93.
KUSUMO, H., SEDIYONO, E., & MARWATA, M. (2019). Analisis Algoritma Apriori Untuk Mendukung Strategi Promosi Perguruan Tinggi. Walisongo Journal of Information Technologi, 1(1), 1–12.
MULYA, D. P. (2019). Analisa Dan Implementasi Association Rule Dengan Algoritma Fp-Growth. Teknologi Dan Sistem Informasi Bisnis, 1(1), 1–11.
PELAWI, B. P. (2019). Penerapan Algoritma Fp-Growth Dalam Menemukan Hubungan Data Prestasi Akademik Dengan Etika Mahasiswa ( Study Kasus : POLTEKKES KEMENKES RI Medan ). Jurikom, 6(2), 2–8.
SISKA HARYANTI, A. S. (2015). Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4 . 5. Media Infotama, 11(2), 1–9.
Syahputra, T., Halim, J., & Sintho, E. P. (2018). Penerapan Data Mining Dalam Menentukan Pilihan Jurusan Bidang Studi SMA Menggunakan Metode. Penerapan Data Mining Dalam Menentukan Pilihan Jurusan Di Bidang Studi SMA Menggunakan Metode Clustering Dengan Teknik Single Linkage JURTEKSI, IV(2), 1–4.
WINARTI, D., STUDI, P., INFORMATIKA, T., KOMPUTER, F. I., INDONESIA, U. D., BARAT, S., & ASOSIASI, R. (2018). Analisis Data Mining Dengan Algoritma Fp-Growth Dalam Mendukung Strategi Promosi. SIMTIKA, 1(1), 27–31.
