Analisis Asosiasi Latar Belakang Mahasiswa Terhadap Capaian Nilai Akademik Menggunakan Algoritma Apriori Di Fakultas Ilmukomputer Universitas Katolik Santo Thomas

Abstract

Analisis asosiasi atau association rule mining adalah teknik data  mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Secara khusus, salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frekuensi tinggi (frequent pattern mining). Penting tidaknya suatu aturan asosiasi dapat diketahui dengan dua parameter, yaitu support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi. Dengan bantuan analisis asosiasi  kita dapat menemukan aturan asosiatif antara suatu kombinasi item  latar belakang mahasiswa fakultas ilmu komputer terhadap capaian nilai akademiknya. Salah satu cara yang digunakan adalah teknik data mining yaitu menggunakan Algoritma Apriori. Algoritma Apriori adalah salah satu algoritma yang melakukan pencarian frequent itemset dengan menggunakan teknik association rule. Algoritma Apriori menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya untuk memproses informasi selanjutnya. Fakultas Ilmu Komputer merupakan salah satu fakultas yang memiliki ±900 mahasiswa aktif, namun dalam hal ini peneliti hanya menggunakan data mahasiswa yang sudah dinyatakan lulus pada tahun 2013-2018 untuk mengetahui asosiasi latar belakang mahasiswa terhadap capaian nilai akademiknya.