IMPLEMENTASI TEKNIK ASSOCATION RULE MINING UNTUK MENGETAHUI POLA MINAT KERJA MAHASISWA SESUAI BIDANG KEAHLIAN

  • Universitas Dharmas Indonesia
Abstract viewed = 446 times
PDF (Bahasa Indonesia) downloaded = 593 times

Abstract

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.

Downloads

Download data is not yet available.
Published
2020-12-30
How to Cite
, . IMPLEMENTASI TEKNIK ASSOCATION RULE MINING UNTUK MENGETAHUI POLA MINAT KERJA MAHASISWA SESUAI BIDANG KEAHLIAN. JOISIE (Journal Of Information Systems And Informatics Engineering), [S.l.], v. 4, n. 2, dec. 2020. ISSN 2527-3116. Available at: <https://www.ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/840>. Date accessed: 16 feb. 2026. doi: https://doi.org/10.35145/joisie.v4i2.840.
Section
Articles