Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT)

Abstract

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat

Analisis Pola Transaksi Pembelian Makanan Dan Minuman Menggunakan Algoritma Fp-Growth

“…Analisis asosiasi dikenal juga sebagai salah satu teknik data mining yang menjadi dasar dari salah satu teknologi data lainnya lainnya. Ada tiga aturan pengukuran yang digunakan dalam association rule antara lain Support,Confidence, Lift ratio [9].…”

“…Support dalam association rule merupakan ukuran yang menunjukkan sering munculnya suatu item dalam semua transaksi. Untuk mencari nilai support, dapat menggunakan rumus 1 dan rumus 2 sebagai berikut [9]:…”

“…Confidence adalah suatu pengukuran yang memperlihatkan hubungan antara dua item pada kondisi tertentu. Adapun rumus 3 untuk menghitung confidence adalah [9]:…”

“…Lift ratio adalah suatu pengukuran yang memiliki tujuan untuk mengetahui seberapa kuat aturan asosiasi yang terbentuk. Nilai lift ratio dipakai sebagai penentu apakah aturan asosiasi valid atau tidak valid [9]. Menurut [12] Atribut "Sales Number" dan "Product Name" yaitu string karena terdapat huruf, pada atribut "Sales In Date" dan "Sales In Time" memiliki tipe date time karena menunjukan waktu.…”

Analysis of the Influence of Business Intelligence on Beverage Sales Konnichiwa Coffee Using the Method Equivalence Class Transformation

“…Sementara itu, menurut [16] Algoritma ECLAT adalah algoritma yang menemukan kumpulan item yang paling sering muncul dengan melakukan pencarian depth-first pada database vertikal. Hal yang sama juga dikatakan oleh [17] bahwa algoritma ECLAT merupakan metode yang mengubah format data itemset horizontal menjadi format data itemset vertical. Proses item list ini dilakukan dari yang paling sering sampai yang paling jarang muncul tanpa perlu memperhatikan urutannya sehingga tidak perlu mengulang pencarian.…”