PEMETAAN POLA HUBUNGAN PROGRAM STUDI DENGAN ALGORITMA APRIORI – STUDI KASUS SPMU UNNES
Abstract
Penelitian ini bertujuan untuk mengetahui pola hubungan pilihan program studi mahasiswa baru Unnes menggunakan pendekatan algoritma apriori. Penelitian didesain dengan menggunakan model data mining CRISP-DM (Cross Industry Standart Process for Data Mining). Pemetaan pola hubungan program studi dibagi tiga kelompok pemetaan yaitu semua program studi pada SPMU tahun 2009-2011. Bidang saintek dan soshum pada SPMU tahun 2012-2013. Hasil pemetaan pola hubungan program studi pada semua program studi untuk tahun 2009-2011 adalah pemetaan pertama PG Paud, S1 dan Pend. Guru Sekolah Dasar, S1, dengan nilai confidence 51,18%, pemetaan kedua Pend. Bahasa Jawa, S1 dan Pend. Guru Sekolah Dasar, S1, dengan nilai confidence 42,87%, pemetaan ketiga Seni Rupa, S1 dan Pend. Seni Rupa, S1, dengan nilai confidence 40,91%, dan pemetaan keempat PJKR, S1 (PGPJSD) dan PJKR, S1, dengan nilai confidence 43,98%. Hasil pemetaan pola hubungan program studi pada bidang saintek untuk tahun 2012-2013 adalah Pend. Teknik Mesin, S1 dan Pend. Teknik Otomotif, S1, dengan nilai confidence 42,26%, dan Pend. Teknik Otomotif, S1 dan Pend. Teknik Mesin, S1, dengan nilai confidence 46,1%. Hasil pemetaan pola hubungan program studi pada bidang soshum untuk tahun 2012-2013 adalah PJKR, S1 (PGPJSD) dan PJKR, S1, dengan nilai confidence 58,6% dan Pend. Kepelatihan Olahraga, S1 dan PJKR, S1, dengan nilai confidence 56,82%. Pemetaan pola hubungan program studi dengan menggunakan algoritma apriori dapat diterapkan pada bidang pendidikan untuk memetakan kedekatan antar program studi pada Universitas Negeri Semarang. Penelitian selanjutnya disarankan untuk memetakan pola hubungan program studi melalui jalur pendaftaran yang lainnya, dan dapat dikombinasikan dengan menggunakan algoritma yang lain.
Â
This study aims to determine the pattern of relations elective courses for new students Unnes priori algorithm approach. The study was designed by using data mining models CRISP-DM (Cross Industry Standard Process for Data Mining). Mapping patterns of relationship courses were divided into three groups, namely mapping all courses at SPMU 2009-2011. Saintek field and soshum at SPMU 2012-2013. Results of mapping patterns of relationships courses in all courses for the year 2009-2011 was the first PG Paud, S1 and Pend. Guru Sekolah Dasar, S1, with a confidence value of 51.18%, the second mapping Pend. Bahasa Jawa, S1 and Pend. Guru Sekolah Dasar, S1, with a confidence value of 42.87%, the third mapping Seni Rupa, S1 and Pend. Seni Rupa, S1, with a confidence value of 40.91%, and the fourth mapping PJKR, S1 (PGPJSD) and PJKR, S1, with a confidence value of 43.98%. Results of mapping patterns of relationships in the field Saintek courses for the year 2012-2013 is Pend. Teknik Mesin, S1 and Pend. Teknik Otomotif, S1, with a confidence value of 42.26%, and Pend. Teknik Otomotif, S1 and Pend. Teknik Mesin, S1, with a 46.1% confidence value. Results of mapping patterns of relationships in the field soshum courses for the year 2012-2013 is PJKR, S1 (PGPJSD) and PJKR, S1, with a confidence value of 58.6% and Pend. Kepelatiohan Olahraga, and PJKR S1, S1, with a confidence value of 56.82%. Mapping patterns of relationships courses by using the apriori algorithm can be applied to the field of education to map the closeness between program of study at the Semarang State University. Future studies are recommended to map the patterns of relationships through the course of study registration, and can be combined with other algorithms.
References
Alkomari. 2014. Pendaftar SPMU Unnes
Membludak, [Online], Available :
http://m.koran-sindo.com/node/316856/, minggu, 27 Juli 2014, pukul 14:45 wib.
Bansal, Divya and Bhambu, Lekha. 2013.
Execution of APRIORI Algorithm of Data Mining Directed Towards Tumultuous Crimes Concerning Women. IJARCSSE. Vol.3, Issue 9 : 54 – 62.
Budiman, Irwan. 2012. Data Clustering
Menggunakan Metodologi Crisp-Dm Untuk Pengenalan Pola Proporsi Pelaksanaan Tridharma. TESIS. Hal: 19.
Defit, Sarjon. 2013. Penggunaan Algoritma Apriori
dalam Menganalisa Prilaku Mahasiswa dalam Memilih Mata Kuliah (Studi Kasus : FKIP UPI “YPTKâ€). MEDIA PROCESSOR. Vol. 8 No. 3: 31 – 40.
Erwin. 2009. Analisis Market BasketDengan
Algoritma Aprioridan FP-Growth. GENERIC. Vol. 4 No. 2: 26-30.
Goldie, Gunadi dan Sensuse Dana I. 2012.
Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku dengan Menggunakan Algoritma Apriori dan Frequent Pattern Growth (FP-GROWTH) : Studi Kasus Percetakan PT. Gramedia. TELEMATIKA MKOM. Vol. 4 No. 1: 118 – 132.
Hu, Ruijuan. 2010. Medical Data Mining Based on
association Rules. Computer and Information Science. Vol. 3 No. 4: 104-108.
Kalsum, Eka Umi. 2010. Pengaruh Strategi Bauran
Pemasaran Terhadap Keputusan Mahasiswa memilih Perguruan Tinggi Swasta di Medan. Abdi Ilmu.Vol. 3 No. 1: 329.
Kusrini dan Luthfi, E.T. 2009. Algoritma Data
Mining. Yogyakarta : Andi.
Kuswardani, D, Widyanto, R, dan Trihandini, I.
Metode Association Rule Untuk Analisis Citra Ct Organ Pasien Kanker Ovarium. KURSOR. Vol 6. No. 2: 114
Luthfi, Taufik Emha. 2009. Penerapan Data
Mining Algoritma Asosiasi Untuk Meningkatkan Penjualan. DASI. Vol. 10 No. 1: 21
Mandave, P. Mane, M. and Patil, Sharada. 2013.
Data mining using Association rule based on APRIORI algorithm and improved approach with illustration. IJLTET. Vol. 3 Issue 2 : 107 – 113.
Mujiasih, Subekti. 2011. Pemanfaatan Data
Mining untuk Perkiraan Cuaca Utilization of Data Mining for Weather Forecasting. Meteorologi dan Geofisika. Vol 12 No. 2 : 191.
Nurcahyo, Gunadi W. 2013. Penerapan Data
Mining dengan Algoritma Apriori untuk Mendukung Strategi Promosi Pendidikan. COREIT. Vol. 1. No. 1: 67 – 74.
Prased, Pramod and Malik, Latesh. 2011. Using
Association Rule Mining for Extracting Product Sales Pattern in Retail Store Transactions. IJCSE. Vol. 3 No. 5 : 2177 – 2182.
Purnomo, Sucipto H. 2012. Jumat Besok,
Terakhir Pendaftaran SPMU, [Online], Available: http://unnes.ac.id/berita/yang-banjir-peminat-dan-yang-sepi pendaftar-di-snmptn-jalur-undangan/, Jum’at, 9 Mei 2014, pukul 15:23 wib.
Rahmandani. 2012. Implementasi Algoritma Apriori
pada Mobile Commerce Usaha Mikro Kecil dan Menengah. SKRIPSI UPI. Hal. 50 - 51.
Ruldeviyani, Yova dan Fahrian, Muhammad.
Implementasi Algoritma-Algoritma Association Rules Sebagai Bagian Dari Pengembangan Data Mining Algorithms Collection. KNSI. Bali, 15 November : 244 – 248.
Rumaisa, Fitrah. 2012. Penentuan Association Rule
pada Pemilihan Program Studi Calon Mahasiswa Baru Menggunakan Algoritma Apriori Studi Kasus Pada Universitas Widyatama Bandung. SNATI. Yogyakarta, 15 – 16 Juni : 1 – 4.
Saefulloh, Asep dan Santoso, Sugeng. 2013.
Penerapan Metode Klasifikasi Data Mining Untuk Prediksi Kelulusan Tepat Waktu. Penelitian Dosen. Hal : 29.
Satoto, B.D, Siahaan, D.O, dan Saikhu,
Akhmad. 2010. Perbaikan Struktur Weighted Tree Dengan Metode Partisi Fuzzy Dalam Pembangkitan Frequent Itemset. KURSOR. Vol. 5. No. 3 : 175 – 185.
Sugiyono. 2012. Metode Penelitian Kuantitatif
Kualitatif dan R&D. Bandung: Alfabeta
Suhendri, Mandala, dan Permana. 2013.
Pembuatan Aplikasi Data Mining Market Basket Analisis Pada Mini Market Budiman Dengan Metode Association Rules. Jurnal UPI “YPTK†Padang.
Susanto, Sani dan Suryadi, Dedy. 2010.
Pengantar Data Mining Menggali Pengetahuan dari Bongkahan Data. Yogyakarta : Andi.
UNNES. 2010. Panduan Akademik UNNES 2010.
[Online], Download Available :http://uap.unnes.ac.id/Panduan/Pedoman%2520akademik%25202010-OKE.pdf, Rabu, 29 Januari 2014, pukul 11:44 wib.
Wandi, Hermawan dan Mukhlason. 2012.
Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur. Teknik ITS. Vol. 1 : A-445 – A-449.
