Rekomendasi Pemilihan Mata Kuliah dalam Pengisian Rencana Studi Mahasiswa dengan Penerapan Algoritma Apriori

Ahmad Syahrul, Achmad Solichin
{"title":"Rekomendasi Pemilihan Mata Kuliah dalam Pengisian Rencana Studi Mahasiswa dengan Penerapan Algoritma Apriori","authors":"Ahmad Syahrul, Achmad Solichin","doi":"10.31961/eltikom.v6i1.522","DOIUrl":null,"url":null,"abstract":"Pada masa pengisian rencana studi, banyak mahasiswa Universitas Budi Luhur merasa kesulitan dalam memilih mata kuliah yang akan diambil di semester berikutnya. Kesalahan dalam pemilihan mata kuliah dapat berdampak pada pencapaian prestasi yang tidak optimal serta dapat menghambat kelulusan maha-siswa. Peran dosen pembimbing akademik (PA) dalam membantu mahasiswa menentukan mata kuliah di semester yang akan datang sangatlah penting, tetapi pada beberapa kasus, terdapat dosen pembimbing akademik yang tidak memiliki waktu untuk berdiskusi secara langsung dengan mahasiswa. Oleh karena itu, penelitian ini bertujuan mengembangkan sebuah sistem yang dapat memberikan rekomendasi bagi mahasiswa dalam pengambilan mata kuliah pada saat mengisi rencana studi untuk semester selanjutnya. Sistem rekomendasi pemilihan mata kuliah ini menggunakan metode association rule mining dengan al-goritma apriori. Data riwayat pengambilan mata kuliah mahasiswa dievaluasi menggunakan algoritma apriori untuk selanjutnya dihasilkan rekomendasi pengambilan mata kuliah di semester berikutnya. Hasil pengujian terhadap sistem menunjukkan rata-rata persentase akurasi rekomendasi rencana studi sebesar 80,16% dengan minimum confidence sebesar 80%, dan minimum support sebanyak 7. Hasil tersebut menunjukkan bahwa sistem ini dapat membantu mahasiswa dalam melakukan pemilihan mata kuliah di semester yang akan datang.","PeriodicalId":33096,"journal":{"name":"Jurnal ELTIKOM Jurnal Teknik Elektro Teknologi Informasi dan Komputer","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal ELTIKOM Jurnal Teknik Elektro Teknologi Informasi dan Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31961/eltikom.v6i1.522","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Pada masa pengisian rencana studi, banyak mahasiswa Universitas Budi Luhur merasa kesulitan dalam memilih mata kuliah yang akan diambil di semester berikutnya. Kesalahan dalam pemilihan mata kuliah dapat berdampak pada pencapaian prestasi yang tidak optimal serta dapat menghambat kelulusan maha-siswa. Peran dosen pembimbing akademik (PA) dalam membantu mahasiswa menentukan mata kuliah di semester yang akan datang sangatlah penting, tetapi pada beberapa kasus, terdapat dosen pembimbing akademik yang tidak memiliki waktu untuk berdiskusi secara langsung dengan mahasiswa. Oleh karena itu, penelitian ini bertujuan mengembangkan sebuah sistem yang dapat memberikan rekomendasi bagi mahasiswa dalam pengambilan mata kuliah pada saat mengisi rencana studi untuk semester selanjutnya. Sistem rekomendasi pemilihan mata kuliah ini menggunakan metode association rule mining dengan al-goritma apriori. Data riwayat pengambilan mata kuliah mahasiswa dievaluasi menggunakan algoritma apriori untuk selanjutnya dihasilkan rekomendasi pengambilan mata kuliah di semester berikutnya. Hasil pengujian terhadap sistem menunjukkan rata-rata persentase akurasi rekomendasi rencana studi sebesar 80,16% dengan minimum confidence sebesar 80%, dan minimum support sebanyak 7. Hasil tersebut menunjukkan bahwa sistem ini dapat membantu mahasiswa dalam melakukan pemilihan mata kuliah di semester yang akan datang.
Apriori算法表达式在毕业设计中的高校选眼推荐
在备选学习计划的时候,许多布迪赫大学的学生发现很难选择下学期要选的课程。选修课上的错误会影响不最佳成绩的成就,也会阻碍马哈学生的毕业。学术顾问(PA)在帮助学生确定未来学期课程方面的作用是至关重要的,但在某些情况下,学术顾问没有时间与学生进行直接讨论。因此,本研究旨在建立一种系统,在填写下学期的学习计划时,可以为学生提供选修课的建议。选举建议系统采用了合并规则矿业方法与al-goritma杏糖。学生选修课的历史数据使用杏算法对下学期选修课推荐进行评估。对系统的测试结果显示,研究计划推荐准确率平均为80.16%,最低为80%,最低为7。结果表明,这个系统可以帮助学生在下学期选择选修课。
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
自引率
0.00%
发文量
10
审稿时长
6 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信