Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen
Yagus Cahyadi
Prodi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Teknologi Digital Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Data Mining Untuk Memprediksi Status Kelulusan Mahasiswa Sumiyatun; Yagus Cahyadi; Edi Iskandar
Jurnal Informatika Komputer, Bisnis dan Manajemen Vol 21 No 3 (2023): September 2023
Publisher : LPPM STMIK El Rahma Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61805/fahma.v21i3.3

Abstract

Semakin lama operasional sebuah perguruan tinggi, semakin banyak lulusan (alumni) yang dihasilkan. Data alumni serta mahasiswa aktif, merupakan aset yang dapat digunakan untuk keperluan tertentu, salah satunnya adalah digunakan untuk memprediksi status kelulusan. Pendekatan yang umum digunakan adalah teknik penambangan data (data mining). Penelitian ini akan menerapakan teknik data mining untuk memprediksi status kelulusan mahasiwa. Pengolahan data akan memanfaatkan aturan asosiatif (association rule mining) dan menggunakan algoritma apriori. Algoritma apriori adalah algoritma dasar untuk penentuan frequent itemsets aturan asosiasi boolean. Algoritma ini mengontrol berkembangnya kandidat itemset dari hasil frequent itemsets dengan support-based pruning untuk menghilangkan itemset yang tidak menarik dengan menetapkan minsup. Berdasarkan hasil penelitian yang telah dilakukan, dapat disimpulkan bahwa aplikasi data mining dengan menggunakan pendekatan aturan asosiasi dan algoritma apriori dapat digunakan untuk menampilkan informasi aturan status kelulusan. Informasi yang ditampilkan berupa nilai support dan confidence. Semakin tinggi nilai confidence dan support maka semakin kuat nilai hubungan antar atribut/item. Data alumni dan data mahasiswa yang diproses meliputi IPS2, IPS4, ORG, PRG dan SL
Co-Authors Edi Iskandar Sumiyatun