UNIKOMUNIKOM

Komputika : Jurnal Sistem KomputerKomputika : Jurnal Sistem Komputer

Jumlah data mahasiswa yang bertambah setiap tahun tentu mengakibatkan penumpukan data di perguruan tinggi. Dibutuhkan suatu teknik pengolahan data agar data yang menumpuk tidak sulit untuk dianalisa. Riset ini dilakukan untuk menganalisis hubungan antara data akademik mahasiswa dengan kategori kelulusan. Teknik pengolahan yang bervariasi perlu disesuaikan dengan kebutuhan analisis data, metode yang digunakan dalam riset ini adalah algoritma Apriori, yaitu algoritma Asosiasi yang menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya untuk memproses informasi selanjutnya. Riset ini dilakukan dengan memanfaatkan data akademik dan data kelulusan mahasiswa, yaitu dengan mencari persentase hubungan antara nilai mata kuliah mahasiswa terhadap kategori kelulusan menggunakan data mining. Kategori kelulusan diukur dari lama studi mahasiswa dan IPK, sedangkan data akademik yang digunakan adalah nilai mata kuliah mahasiswa. Informasi yang ditampilkan berupa nilai support (Nilai Penunjang) dan confidence (Nilai Kepastian).

Berdasarkan pengujian aplikasi dan pembahasan, dapat ditarik kesimpulan bahwa ada hubungan antara kategori kelulusan dengan nilai mata kuliah berdasarkan proses asosiasi dan kombinasi data.Kemudian, berdasarkan training dan pengujian database dapat disimpulkan jumlah data training (jumlah data dalam database) dapat mempengaruhi persentase kecocokan atau keakurasian datamining.Pada pengujian aplikasi dapat dilihat bahwa jika mengubah nilai threshold, akan dihasilkan kombinasi yang bervariasi.

Penelitian lanjutan dapat difokuskan pada pengembangan model prediktif kelulusan mahasiswa yang lebih akurat dengan mengintegrasikan data akademik, non-akademik, dan faktor eksternal seperti kondisi sosial ekonomi mahasiswa. Selain itu, eksplorasi teknik data mining yang lebih canggih seperti deep learning atau ensemble methods dapat dilakukan untuk meningkatkan kemampuan prediksi dan menangani kompleksitas data yang lebih tinggi. Terakhir, penelitian dapat diperluas dengan menguji efektivitas model pada berbagai program studi dan institusi pendidikan untuk memastikan generalisasi dan validitas hasil penelitian, serta mengidentifikasi pola-pola unik yang mungkin berbeda antar konteks pendidikan.

  1. Algoritma Apriori untuk Menampilkan Korelasi Nilai Akademik dengan Kelulusan Mahasiswa: Data Mining |... ojs.unikom.ac.id/index.php/komputika/article/view/1706Algoritma Apriori untuk Menampilkan Korelasi Nilai Akademik dengan Kelulusan Mahasiswa Data Mining ojs unikom ac index php komputika article view 1706
Read online
File size411.46 KB
Pages7
DMCAReport

Related /

ads-block-test