Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Algoritma Fp-Growth (Study Kasus Upt. Pusat Layanan Karir Universitas Wiraraja)

Abstract

Universitas Wiraraja memiliki kumpulan data seperti data akademik, data kepegawaian, data tracer study dan sebagainya. Data dalam jumlah besar ini merupakan bahan penting untuk mendapat informasi yang tersembunyi didalamnya. Perlu penerapan teknik khusus untuk memperoleh informasi dari data tersebut. Salah satu teknik yang dapat dilakukan adalah dengan menggunakan data mining. Data mining memiliki beberapa metode didalamnya, salah satunya metode Association Rules dengan algoritma FP-Growth. Association Rules atau pola asosiasi adalah salah satu metode analisa data untuk mencari pola asosiasi atau hubungan antara satu parameter dengan parameter lainnya. Data tracer study dan akademik yang dimiliki Universitas Wiraraja jika dipadukan dan dianalisa dengan metode dan cara yang tepat akan menghasilkan informasi berharga yang tersembunyi. Informasi tersebut dapat dijadikan bahan pendukung dalam pengambilan keputusan atau kebijakan. Sehingga peneliti tertarik melakukan penelitian ini dengan menerapkan metode Association Rules menggunakan algoritma FP-Growth menggunakan data tracer study. Pada penelitian ini, dataset yang digunakan adalah 9 atribut dan berjumlah 1473 data. Berdasarkan hasil penelitian dapat disimpulkan bahwa data tracer study dapat dianalisa dengan baik menggunakan metode data mining Association Rules yaitu algoritma FP-Growth. Model yang dibangun menggunakan algoritma FP-Growth dengan minimum support 75% dan minimum confidence 70% menghasilkan pola sebanyak 17 pola atau aturan asosiasi.