PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK ANALISIS PENGARUH LAMA STUDI MAHASISWA TEKNIK INFORMATIKA BINA DARMA PALEMBANG

RENI, NOPIA and Siti, Sauda (2019) PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK ANALISIS PENGARUH LAMA STUDI MAHASISWA TEKNIK INFORMATIKA BINA DARMA PALEMBANG. Diploma thesis, Universitas Bina Darma.

[img] Text
Reni Nopia (bab 0).pdf

Download (964kB)
[img] Text
Reni Nopia (bab 1).pdf

Download (423kB)
[img] Text
Reni Nopia (daf. pus).pdf

Download (293kB)

Abstract

Pada Universitas Bina Darma khususnya program studi Teknik Informatika, datadata alumni belum dimanfaatkan secara maksimal untuk menjadi sebuah informasi dan pengetahuan. Oleh karena itu dibutuhkan teknik data mining yang cepat namun akurat untuk menyelesaikan masalah ini. Salah satu teknik yang dapat diterapkan yaitu Association rule mining. Data Mining yang dipergunakan untuk menemukan aspek yang mempengaruhi lama studi mahasiswa adalah algoritma Apriori dan algoritma Fp-growth. Lama studi mahasiswa terbagi atas tiga kategori lulus yaitu cepat, tepat, tidak tepat. Hasil analisis yang didapat dari algoritma apriori untuk data mahasiswa lulus cepat adalah rule yang terbentuk jika IPK bukan dari kategori IPK3 maka IPK adalah dari kategori IPK4. Untuk data mahasiswa lulus tepat jika IPK bukan dari kategori IPK3 maka PREDIKAT YUDISIUM bukan dari kategori SANGAT MUASKAN. Untuk data mahasiswa lulus tidak tepat jika IPK adalah IPK2 maka PREDIKAT YUDISIUM adalah dari kategori predikat MEMUASKAN. Hasil analisis yang didapat dari algoritma fpgrowth untuk data mahasiswa lulus cepat adalah rule yang terbentuk jika kategori IPK adalah IPK3 maka PREDIKAT YUDISIUM adalah SANGAT MEMUASKAN.Untuk data mahasiswa lulus tepat jika kategori IPK adalah IPK3 maka PREDIKAT YUDISIUM adalah SANGAT MEMUASKAN. Untuk data mahasiswa lulus tidak tepat jika JENIS KULIAH adalah MALAM maka JENIS KELAMIN adalah LAKI-LAKI.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Lama Studi, Data Mining, Algoritma Apriori, Algoritma Fp-Growth
Subjects: Q Science > Q Science (General)
Q Science > QA Mathematics > QA76 Computer software
Depositing User: Users 4 not found.
Date Deposited: 14 Dec 2019 02:00
Last Modified: 14 Dec 2019 02:00
URI: http://repository.binadarma.ac.id/id/eprint/715

Actions (login required)

View Item View Item