Pemodelan Data Mining Pola Kelayakan Kemampuan Lulusan Dengan Kebutuhan Stakeholder Menggunakan Algoritma Apriori

JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Pub Date : 2021-08-29 DOI:10.30630/JITSI.2.3.40

Henny Indriyawati, Titin Winarti

{"title":"Pemodelan Data Mining Pola Kelayakan Kemampuan Lulusan Dengan Kebutuhan Stakeholder Menggunakan Algoritma Apriori","authors":"Henny Indriyawati, Titin Winarti","doi":"10.30630/JITSI.2.3.40","DOIUrl":null,"url":null,"abstract":"Kecepatan layanan, ketepatan, keakuratan data, kemudahan penyampaian informasi serta akuntanbilitas menjadi alasan yang sangat penting bagi penerapan system informasi. Universitas Semarang (USM) merupakan perguruan tinggi swasta di Semarang yang mempunyai mahasiswa terbanyak ke 2 se Jawa Tengah. USM salah satu perguruan tinggi yang sedang berkembang dengan pesat. Banyaknya mahasiswa membuat USM mempunyai tangung jawab yang besar terhadap pendidikan mahasiswa sehingga kelak menjadi lulusan yang siap kerja sesuai dengan kebutuhan dunia usaha atau industry. Berdasarkan data tracer USM tahun 2019 menunjukkan keselarasan horizontal yaitu keselarasan seberapa erat hubungan antara bidang studi dengan pekerjaan alumni, tampak bahwa masih ada ketidaksesuaian (tidak sama sekali=1,6%, kurang=19,2%. Dan cukup besar=27,5%) kemampuan lulusan dengan stakeholder. Hal ini menjadi perhatian khusus perguruan tinggi untuk membenahi/mengatur strategi agar prosentase data tersebut berkurang. Algoritma Apriori merupakan algoritma yang paling dikenal untuk menemukan pola frekuensi tinggi. Pola frekuensi tinggi ini juga digunakan untuk menyusun aturan assosiatif dan juga beberapa teknik data mining yang lain. Aturan yang menyatakan asosiasi antara beberapa atributsering disebut affinity analysis atau market basket analysis. Penggunaan Algoritma Apriori pada perhitungan data mining dengan menggunakan data dari tracer Universitas Semarang bahwa Batasan dari minimum support adalah 50% dan minimum confidence nya adalah sebesar 100% sehingga membentuk 4 rules. Dari keempat rules yang dihasilkan bahwa pemodelan dengan menggunakan Algoritma Apriori dapat menghasilkan beberapa formasi rules sehingga dapat memberikan evaluasi kepada pihak Universitas untuk menyusun langkah-langkah hal ini dapat dilihat karena rule yang dihasilkan berbeda karena pada tiap hubungan lulusan dengan stakeholder mempunyai acuan serta gaya yang berbeda, \n ","PeriodicalId":395393,"journal":{"name":"JITSI : Jurnal Ilmiah Teknologi Sistem Informasi","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-08-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JITSI : Jurnal Ilmiah Teknologi Sistem Informasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30630/JITSI.2.3.40","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 3

Abstract

Kecepatan layanan, ketepatan, keakuratan data, kemudahan penyampaian informasi serta akuntanbilitas menjadi alasan yang sangat penting bagi penerapan system informasi. Universitas Semarang (USM) merupakan perguruan tinggi swasta di Semarang yang mempunyai mahasiswa terbanyak ke 2 se Jawa Tengah. USM salah satu perguruan tinggi yang sedang berkembang dengan pesat. Banyaknya mahasiswa membuat USM mempunyai tangung jawab yang besar terhadap pendidikan mahasiswa sehingga kelak menjadi lulusan yang siap kerja sesuai dengan kebutuhan dunia usaha atau industry. Berdasarkan data tracer USM tahun 2019 menunjukkan keselarasan horizontal yaitu keselarasan seberapa erat hubungan antara bidang studi dengan pekerjaan alumni, tampak bahwa masih ada ketidaksesuaian (tidak sama sekali=1,6%, kurang=19,2%. Dan cukup besar=27,5%) kemampuan lulusan dengan stakeholder. Hal ini menjadi perhatian khusus perguruan tinggi untuk membenahi/mengatur strategi agar prosentase data tersebut berkurang. Algoritma Apriori merupakan algoritma yang paling dikenal untuk menemukan pola frekuensi tinggi. Pola frekuensi tinggi ini juga digunakan untuk menyusun aturan assosiatif dan juga beberapa teknik data mining yang lain. Aturan yang menyatakan asosiasi antara beberapa atributsering disebut affinity analysis atau market basket analysis. Penggunaan Algoritma Apriori pada perhitungan data mining dengan menggunakan data dari tracer Universitas Semarang bahwa Batasan dari minimum support adalah 50% dan minimum confidence nya adalah sebesar 100% sehingga membentuk 4 rules. Dari keempat rules yang dihasilkan bahwa pemodelan dengan menggunakan Algoritma Apriori dapat menghasilkan beberapa formasi rules sehingga dapat memberikan evaluasi kepada pihak Universitas untuk menyusun langkah-langkah hal ini dapat dilihat karena rule yang dihasilkan berbeda karena pada tiap hubungan lulusan dengan stakeholder mempunyai acuan serta gaya yang berbeda,

查看原文本刊更多论文

利用杏算法为毕业生的能力编制数据挖掘模式

服务速度、数据准确性、信息传递能力和会计能力成为使用信息系统至关重要的原因。三宝垄大学是三宝垄的一所私立大学，学生中人数最多。这是一所正在快速发展的大学。许多学生使USM对学生教育负有重大责任，使他成为一名准备工作的毕业生，以满足商业或行业的需要。根据2019年USM tracer的数据，水平对齐表示，研究领域与校友工作之间的关系是如此紧密，似乎仍然存在不匹配(不完全= 1.6%，小于= 19.2%)。能力强的学生。这是学校特别关心的问题，以减少一定比例的数据。杏色算法是已知的最能发现高频模式的算法。这种高频模式还用于起草隔离规则和其他数据挖掘技术。一项规则规定，其中一些属性经常被称为疼痛分析或市场分析。根据大学三宝垄的数据，使用四月数据挖掘算法的使用表明，最低支持的限制是50%，最低赌注是100%，因此形成了4条规则。利用四月算法建模的四种规则可以产生几个规则，这样就可以为大学制定这些步骤提供评价，因为它的规则是不同的，因为在每个毕业生与利益相关者的关系中都有不同的参考和风格，

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

JITSI : Jurnal Ilmiah Teknologi Sistem Informasi

自引率

0.00%

发文量