Claim Missing Document
Check
Articles

Found 2 Documents
Search

Penerapan Association Rule Dengan Algoritma Apriori Pada Analisis Pemilihan Mata Kuliah Pilihan dan Bidang Keahlian Pada Mahasiswa Teknik Industri UPN “Veteran” Jawa Timur Avril Firda Amelia; Dwi Sukma Donoriyanto
Jurnal PASTI (Penelitian dan Aplikasi Sistem dan Teknik Industri) Vol 19, No 3 (2025): Jurnal PASTI
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/pasti.2025.v19i3.003

Abstract

Teknik aturan asosiasi ialah pendekatan pembelajaran mesin nonparametrik yang digunakan untuk mendapatkan asosiasi tersembunyi dalam basis data antara variabel. Penelitian ini menganalisis pola preferensi mahasiswa serta mengidentifikasi hubungan atau asosiasi terkait mata kuliah pilihan yang dipilih dengan bidang keahlian atau topik skripsi yang akan dipilih, dan mengidentifikasi keterkaitan antara pilihan mata kuliah pilihan dengan rencana bidang keahlian skripsi yang ditempuh mahasiswa. Data diolah secara manual dan menggunakan software RapidMiner. Langkah pertama yang dilakukan adalah membentuk kombinasi 1 item-set dan menghitung nilai support, tahap itu dilanjutkan hingga pembentukan kombinasi 3 item-set. Dari aturan asosiasi di atas didapatkan 1 pola atau aturan (rules) yang memenuhi minimum confidence sebesar 80%. Dikarenakan hanya terdapat 1 aturan yang memenuhi ketentuan  minimum confidence, maka aturan tersebut menjadi asosiasi final. Berdasrkan asosiasi yang memenuhi ketentuan, dapat dikatakan mayoritas mahasiswa sudah mengambil mata kuliah pilihan sesuai dengan rencana bidang keahlian skripsi yang akan diambil.
Penerapan Association Rule dengan Algoritma Apriori pada Analisis Pemilihan Mata Kuliah Pilihan dan Bidang Keahlian pada Mahasiswa Teknik Industri UPN “Veteran” Jawa Timur Avril Firda Amelia; Dwi Sukma Donoriyanto
Jurnal PASTI (Penelitian dan Aplikasi Sistem dan Teknik Industri) Vol. 19 No. 3 (2025): Jurnal PASTI
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/pasti.2025.v19i3.003

Abstract

The association rule technique is a nonparametric machine learning approach used to obtain hidden associations in databases between variables. This research analyzes student preference patterns and identifies relationships or associations related to elective courses chosen with the field of expertise or thesis topic to be chosen, and identifies the relationship between the choice of elective courses and the planned thesis field of expertise taken by students. Data is processed manually and using RapidMiner software. The first step taken is to form a combination of 1 itemset and calculate the support value, the stage is continued until the formation of a combination of 3 itemsets. From the association rules above, 1 pattern or rule (rules) is obtained that meets the minimum confidence of 80%. Since there is only 1 rule that meets the minimum confidence requirement, the rule becomes the final association. Based on the association that meets the conditions, it can be said that the majority of students have taken elective courses according to the plan for the thesis field of expertise to be taken.