<![CDATA[Pemantauan kelulusan mahasiswa memerlukan informasi yang dapat menjelaskan kombinasi kondisi akademik yang sering muncul bersama status lulus tepat waktu maupun tidak tepat waktu. Penelitian ini menerapkan algoritma Apriori untuk membentuk aturan asosiasi sebagai dasar indikasi kelulusan pada rancangan sistem pendukung akademik. Data yang tersedia pada laporan penelitian berupa 500 rekaman uji anonim/simulasi dengan atribut IPK awal, persentase SKS tuntas, jumlah mata kuliah mengulang, kehadiran, asal sekolah, jalur masuk, dan status kelulusan. Tahapan analisis mencakup pembersihan data, transformasi atribut menjadi itemset, pembentukan frequent itemset, penyaringan consequent kelulusan, serta evaluasi support, confidence, dan lift. Pada skenario utama minimum support 12% dan minimum confidence 80%, diperoleh 190 frequent itemset dan 17 aturan yang mengarah pada kelulusan tepat waktu. Aturan terkuat adalah IPK_Tinggi + MK_Ulang_Rendah → Lulus_Tepat_Waktu dengan support 13,0%, confidence 95,6%, dan lift 1,557. Untuk keterlambatan, IPK_Rendah + MK_Ulang_Tinggi → Lulus_Tidak_Tepat_Waktu menghasilkan support 12,4%, confidence 92,5%, dan lift 2,397. Hasil menunjukkan bahwa Apriori mampu menghasilkan pola yang interpretatif, tetapi tidak boleh ditafsirkan sebagai hubungan sebab-akibat atau prediksi probabilistik. Karena pengujian menggunakan data simulasi, validasi dengan data akademik aktual tetap diperlukan sebelum penerapan operasional.]]>
Copyrights © 2025
