Pola asosiasi jalur masuk terhadap kelulusan mahasiswa menggunakan algoritma fold-growth (studi kasus jurusan teknik informatika UIN Maulana Malik Ibrahim Malang)

ABSTRAK:

Penerimaan mahasiswa tiap tahunnya di Universitas Islam Negeri Maulana Malik Ibrahim Malang mengakibatkan terjadinya akumulasi data mahasiswa dalam jumlah besar. Perlunya pemanfaatan data dalam jumlah besar dengan banyaknya variasi pada basis data mahasiswa di Universitas Islam Negeri Maulana Malik Ibrahim Malang yang optimal. Pengolahan data mahasiswa pada saat pertama kali masuk universitas dan data kelulusan mahasiswa dapat dianalisis dan diketahui pola-pola dari kedua data tersebut menjadi sebuah informasi baru. Untuk mendapatkan informasi tersebut diperlukan sebuah sistem yang mengetahui pola asosiasi tingkat kelulusan mahasiswa dengan jalur masuk mahasiswa menggunakan algoritma FOLD-Growth. Proses penggalian data algoritma FOLD-Growth ini lebih cepat dibandingkan algoritma yang sebelumya seperti algoritma apriori. Algoritma FOLD-Growth memiliki 4 tahapan dalam proses penggalian data yaitu penggalian L1 dan L2 dengan menggunakan SOTrieIT, pemangkasan item-item yang tidak frequent, membangun FP-Tree dan penggalian itemset frequent. Apabila pola asosiasi sudah terbentuk maka akan dilakukan perhitungan pengujian lift ratio untuk mengetahui kekuatan dari pola asosiasi. Penelitian ini menggunakan 90 data mahasiswa jurusan Teknik Informatika angkatan 2013. Hasil dari penelitian dengan menggunakan nilai minimum support sebesar 4% dan 8% dan nilai minimum confidence sebesar 30% dan 60% yaitu 7 pola asosiasi dengan nilai lift ratio tertinggi sebesar 7,31 dan terendah sebesar 3,28.

ABSTRACT:

Admission of students every year at Maulana Malik Ibrahim State Islamic
University Malang resulted in the accumulation of student data in large quantities.
The need for the utilization of large amounts of data with the many variations in the
student database at Maulana Malik Ibrahim Malang State Islamic University is
optimal. Processing student data at the first time of university entry and student
graduation data can be analyzed and known patterns of both data into a new
information. To get this information, a system is needed that knows the pattern of
association of student graduation rates with student entrance using the FOLD-
Growth algorithm. The process of extracting FOLD-growth algorithm data is faster
than previous algorithms such as a priori algorithms. FOLD -Growth algorithm has
4 stages in the process of extracting data, namely L1 and L2 excavation using
SOTrieIT, trimming items that are not frequent, building FP-Tree and digging
frequent itemset. If the association pattern has been formed, it will be done the
calculation of lift ratio testing to find out the strength of the association pattern. This
study used 90 student data majoring in Informatics Engineering class of 2013. The
results of the study using minimum support values of 4% and 8% and minimum
confidence values of 30% and 60% are 7 association patterns with the highest lift
ratio value of 7.31 and the lowest of 3.28.

مستخلص البحث:

ََمكارتَىلإ َجنلاامَيفَةيملاسلإاَميهاربإَكلامَانلاومَةعماجَيفَبلاطللَيونسلاَلوبقلاَىدأ
َنمَديدعلاَعمَتانايبلاَنمَةريبكَتايمكَمادختساَىلإَةجاحلاَ.بلاطلاَتانايبَنمَةريبكَتايمك
ةلودلاَةيملاسلإاَجنلاامَميهاربإَكلامَانلاومَةعماجَيفَبلاطلاَتانايبَةدعاقَيفَتافلاتخلااََبلاطلاَجرختَتانايبوَةعماجلاَلوخد َنمَىلولأاَةرملاَيفَبلاطلا َتانايبَةجلاعمَ.لثملأا
ََ.ةديدجَتامولعمَيف َتانايبلا َنمَلكَنمَةفورعمَطامنأوَاهليلحت َنكميَهذهَىلعَلوصحلل
ََبلاطلاَلوخدَعمَبلاطلاَجرختَتلادعمَطابتراَطمنَفرعيَماظنَىلإَةجاحَكانهَ،تامولعملا
يمزراوخ َمادختسابََةFOLD-Growthََ.ةيمزراوخ َتانايب َجارختسا َةيلمع FOLDGrowthةقباسَتايمزراوخ
َلثمَةقباسلا َتايمزراوخلا َنمَعرسأََِِّّةيمزراوخFOLD-
Growthََََاهيدل4ََتانايبلاَجارختساَةيلمعَيفَلحارمََيهوَ،L1ََََوL2ََََمعدَمادختسابَرفحلا
ََيرتَترمأرصانعلاَةعومجمََةرركتمَةرجشَطمنَءانبوَ،ةرركتمَتسيلَيتلاَرصانعلاَميلقتوَ،
ََرفحورصانعلاَةعومجم .ةرركتم ََةبسنَرابتخاَباسحَءارجإَمتيسَ،َطابترلااَطمنَليكشتَمتَاذإ
.نارتقلاا َطمنَةوقَةفرعملَعفرلا ََةساردلاَهذهَتمدختسا90ََََةئفَيفَصصختَبلاطلاَتانايب
ََماعَنمَةيتامولعملاَةسدنه2013. ئاتنََنمَمعدلاَميقلَىندلأاَدحلاَمادختسابَةساردلا َج4َ%َََو
8َ%ََََنمَايندلاَةقثلاَميقو30َ%ََََو60َ%ََََيه7ََََنمَعفرَةبسنَةميقَىلعأَعمَطابترلااَطامنأ7.31
َنمَىندأو3.28.