PENERAPAN DATA MINING DALAM MENCARI POLA ASOSIASI DATA TRACER STUDY MENGGUNAKAN ALGORITMA FP-GROWTH (STUDY KASUS UPT. PUSAT LAYANAN KARIR UNIVERSITAS WIRARAJA)

Iddrus Iddrus; Dewi Wulansari; Johan Dharmawan

doi:10.30736/jt.v16i1.1173

Implementasi FP-Growth pada Data Tracer Study Universitas Wiraraja untuk Menemukan Pola Asosiasi

Authors

Iddrus Iddrus Informatika, Fakultas Teknik, Universitas Wiraraja
Dewi Wulansari Bisnis Digital, Fakultas Ekonomi dan Bisnis, Universitas Wiraraja
Johan Dharmawan Informatika, Fakultas Teknik, Universitas Wiraraja

DOI:

https://doi.org/10.30736/jt.v16i1.1173

Keywords:

Tracer Study, Data Mining, Association Rules, FP-Growth

Abstract

Universitas Wiraraja memiliki kumpulan data seperti data akademik, kepegawaian, tracer study dan sebagainya. Data berjumlah besar tersebut tidak hanya bermanfaat sebagai bahan pelaporan PD-DIKTI saja, akan tetapi dapat dikelola sehingga didapatkan informasi yang tersembunyi didalamnya. Terdapat beberapa teknik yang dapat dilakukan agar data yang ada bisa menjadi informasi yang berguna. Salah satu teknik yang dapat dilakukan adalah dengan menggunakan data mining. Data mining memiliki beberapa metode, salah satunya metode Association Rules dengan algoritma FP-Growth. Association Rules adalah salah satu metode analisa data untuk mencari pola asosiasi atau hubungan antara satu parameter dengan parameter lainnya. Data tracer study dan akademik yang dimiliki Universitas Wiraraja jika dipadukan dan dianalisa dengan metode dan cara yang tepat akan menghasilkan informasi berharga. Informasi tersebut dapat dijadikan bahan pendukung dalam pengambilan keputusan atau kebijakan. Penelitian ini dilakukan dengan menerapkan metode Association Rules menggunakan algoritma FP-Growth dengam data tracer study. Dataset yang digunakan merupakan lulusan tahun 2020 – 2022. Berdasarkan hasil penelitian dapat disimpulkan bahwa data tracer study dapat dianalisa dengan baik menggunakan metode data mining Association Rules yaitu algoritma FP-Growth. Model yang dibangun menggunakan algoritma FP-Growth dengan minimum support 75% dan minimum confidence 70% menghasilkan pola sebanyak 17 pola atau aturan asosiasi.

Downloads

Download data is not yet available.

References

Achmad, F., Nurdiawan, O., & Arie Wijaya, Y. (2023). Analisa Pola Transaksi Pembelian Konsumen Pada Toko Ritel Kesehatan Menggunakan Algoritma Fp-Growth. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 168–175.

Almira, A., Suendri, & Ali Ikhwan, dan. (2021). Implementasi Data Mining Menggunakan Algoritma Fp-Growth pada Analisis Pola Pencurian Daya Listrik. Jurnal Informatika Universitas Pamulang, 6(2), 442–448.

Andika, S., Nazir, A., Wulandari, F., Affandes, M., Candra, R. M., & Akhyar, A. (2022). Penerapan Data Mining Pada Hasil Tracer Study Alumni Untuk Menemukan Pola Asosiasi Dengan Algoritma Fp-Growth. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 5(3), 464–473.

Febrivani, E., & Winanjaya, R. (2021). Penerapan Data Mining Asosiasi Pada Persediaan Obat. Jurnal Ilmu Komputer Dan …, 3(3), 354–365.

Hafizh, M., Novita, T., Guswandi, D., Syahputra, H., & Mayola, L. (2023). Implementasi Data Mining Menggunakan Algoritma Fp-Growth Untuk Menganalisa Transaksi Penjualan Ekspor Online. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(3), 242–249.

Iddrus, I., & Wulan Sari, D. (2023). PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA DECISION TREE C4. 5 UNTUK MEMPREDIKSI MAHASISWA DROP OUT DI UNIVERSITAS WIRARAJA. 1(Juni), 1–7.

Mukhtar, & Asmasari, N. (2021). Perancangan dan Implementasi Sistem Informasi Tracer Study Amik Mahaputra Riau Berbasi Web. Jurnal Intra Tech, 5(2), 2.

Musdalifah, I., & Jananto, A. (2022). Analisis Perbandingan Algoritma Apriori Dan FP-Growth Dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan. Progresif: Jurnal Ilmiah Komputer, 18(2), 175.

Ndruru, N., Syahra, Y., & Elfitriani, E. (2022). Penerapan Metode Fp-Growth Untuk Penjualan Produk Seni Ukir Pada Buulolo Galery. J-SISKO TECH (Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD), 5(1).

Nurrohmat, I., Nurdiawan, O., & Bahtiar, A. (2022). Implementasi Algoritma Fp-Growth Untuk Menunjang Keputusan Persedian Barang Di Cv Indotech Jaya Sentosa Kota Cirebon. Jurnal Sistem Informasi Dan Manajemen, 10(2), 200–205.

Pangestu, F., & Andri, A. (2020). Implementasi Data Mining Untuk Menentukan Pola Penyebab Kecelakaan Lalu Lintas Di Wilayah Kota Palembang Menggunakan Algoritma FP-Growth. Journal of Software Engineering Ampera, 1(2), 97–109.

Prasetyo, A., & Ridwan, T. (2023). Analisis Sentimen Terhadap Pemberhentian Tv Analog Pada Twitter Menggunakan Algoritma Naive Bayes. Jurnal Teknika, 15(2), 67–74.

Salsabila, N., Sulistiyowati, N., & Padilah, T. N. (2022). Pencarian Pola Pemakaian Obat Menggunakan Algoritma FP-Growth. Journal of Applied Informatics and Computing, 6(2), 120–128.

Silitonga, D. A., & Windarto, A. P. (2022). Implementasi Market Basket Analysis Menggunakan Assocation Rule Menerapkan Algoritma FP-Growth. Journal of Information System Research (JOSH), 3(2), 101–109.

Umar, E., Manongga, D., & Iriani, A. (2022). Market Basket Analysis Menggunakan Association Rule dan Algoritma Apriori Pada Produk Penjualan Mitra Swalayan Salatiga. Jurnal Media Informatika Budidarma, 6(3), 1367.

Wibowo, A. R., & Jananto, A. (2020). Implementasi Data Mining Metode Asosiasi Algoritma FP-Growth Pada Perusahaan Ritel. Inspiration: Jurnal Teknologi Informasi Dan Komunikasi, 10(2), 200.

Downloads

PlumX Metrics

Published

2024-03-19

How to Cite

Iddrus, I., Wulansari, D., & Dharmawan, J. (2024). Implementasi FP-Growth pada Data Tracer Study Universitas Wiraraja untuk Menemukan Pola Asosiasi. Jurnal Teknika, 16(1), 1–6. https://doi.org/10.30736/jt.v16i1.1173

Download Citation

Issue

Vol. 16 No. 1 (2024): MARET

Section

Jurnal Teknika

License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Teknika dilisensikan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Anda bebas untuk:

Bagikan â€” salin dan distribusikan ulang materi dalam media atau format apa pun
Beradaptasi â€” me-remix, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial. Lisensi ini dapat diterima untuk Karya Budaya Bebas.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti persyaratan lisensi.

Atribusi â€” Anda harus memberikan kredit yang sesuai, memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Anda dapat melakukannya dengan cara yang wajar, tetapi tidak dengan cara apa pun yang menunjukkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
ShareAlike â€” Jika Anda me-remix, mengubah, atau membangun materi, Anda harus mendistribusikan kontribusi Anda di bawah lisensi yang sama seperti aslinya.
Tidak ada batasan tambahan â€” Anda tidak boleh menerapkan persyaratan hukum atau tindakan teknologi yang secara hukum membatasi orang lain untuk melakukan apa pun yang diizinkan oleh lisensi.

Hak Cipta

Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:

Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini .

Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.

Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).