ABSTRAKData mining untuk pendidikan menekankan pada pemanfaatan metode untuk menemukan pengetahuan dari data di lingkungan pendidikan. Bidang ini menggunakan mekanisme transformasi atau inovasi dari pendekatan yang diturunkan dari ilmu statistik, pembelajaran mesin, psikometrik, dan komputasi ilmiah. Penelitian ini mengusulkan sebuah analisis terhadap status keaktifan siswa menggunakan salah satu teknik data mining yaitu association rule mining (ARM). Teknik ARM bertujuan menemukan pola-pola yang merepresentasikan informasi bernilai tinggi bagi para pengambil keputusan di perguruan tinggi. Salah satu algoritma yang umum digunakan dalam ARM adalah Apriori. Algoritma Apriori digunakan untuk mencari aturan-aturan asosiasi yang menarik dari basis data dalam rangka mengekstraksi pengetahuan dari data profil dan data akademik siswa. Aturan-aturan yang ditemukan selanjutnya dianalisis sebagai bahan rekomendasi bagi para pengelola akademik untuk meningkatkan kualitas proses pengambilan keputusan. Selain itu, hasil analisis dapat menjadi acuan bagi arah kurikulum yang mampu memperbaiki kualitas pembelajaran siswa. Uji coba dilakukan dengan melakukan pengaturan terhadap parameter nilai minimal support dan minimal confidence. Berdasarkan hasil analisis diperoleh pengetahuan antara lain adanya hubungan kuat antara asal sekolah mahasiswa dan pekerjaan orang tua terhadap tingkat keaktifan. Selain itu, juga diperoleh pengetahuan tentang nilai minimal mahasiswa tiap semesternya untuk tetap aktif di semester selanjutnya.Kata kunci : Data mining untuk pendidikan, Association Rule Mining, Algoritma apriori, Status keaktifan siswa. ABSTRACT Educational data mining (EDM) concerns with developing methods for discovering knowledge from data that come from educational environments. EDM requires a transformation of existing or innovation of new approaches derived from statistics, machine learning, psychometrics, and scientific computing. In this paper, we propose an analysis of student activity status using one of data mining techniques that are association rule mining (ARM).ARM technique aims at discovering patterns that can provide valuable information for the decision maker in higher education.Apriori algorithm is one of many methods in ARM.We have used Apriori algorithm for finding interesting association rules from the transformed database which can be useful to extract knowledge of students’ profile and academic evaluation. The identified rules are analyzed to offer a helpful and constructive recommendation to the academic planners in higher institutions to enhance their decision-making process.We analyze the data by setting minimal support and minimal confidence value. Based on the experiment, we conclude that the student high school location and parent’s job have a strong correlation with student activity.Moreover, we also acquired a knowledge about student minimal grade point average in a semester to remain active in the next semester.Keywords: Educational data mining, Association rule mining, Apriori algorithm, Students activity status