Data Mining untuk Menggali Pola Mahasiswa Baru Menggunakan Metode Frequent Pattern Growth (Studi Kasus : Institut Teknologi Adhi Tama Surabaya)

Budanis Dwi Meilani, Muhammad Asadulloh

Abstract


Di masa sekarang ini perguruan tinggi negeri maupun swasta mengalami perkembangan yang sangat pesat. Setiap tahunnya perguruan tinggi swasta berlomba-lomba untuk mendapatkan mahasiswa baru. Banyak cara yang dilakukan baik itu dengan cara promosi di koran, ditelevisi, brosur dan masih banyak lagi. Di dalam melakukan promosi khususnya di kampus ITATS banyak terjadi kendala terutama menentukan tempat untuk melakukan promosi. Terkadang kita tidak mengetahui pasar atau seberapa banyak mahasiswa yang mendaftar dengan kriteria yang ada. Untuk itu perlu dibuatkan program aplikasi untuk menghasilkan pola mahasiswa baru dengan menggunakan algoritma Frequent pattern growth. Algoritma Frequent pattern growth adalah pola asosiasi yang dapat digunakan untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam sebuah kumpulan data. Frequent pattern growth menggunakan pendekatan yang berbeda dari paradigma yang digunakan pada algoritma Apriori. Frequent pattern tree merupakan struktur penyimpanan data yang dimampatkan. Frequent pattern tree dibangun dengan memetakan setiap data transaksi ke dalam setiap lintasan tertentu dalam frequent pattern tree. Hasil analisa data untuk semua data pada tahun 2013 – 2014 memiliki minimum support sebesar 0,01 % memiliki jumlah item sebanyak 163 item, serta aplikasi ini mampu memproses data dengan minimum support mencapai 0,005 %.

Keywords


Pola mahasiswa; FP - Growth; FP – Tree; asosiasi rule

Full Text:

PDF

References


Efraim, Turban. Rainer, Kelly R dan Potter, Richard. (2005). “Introduction to Information Technology”. 3 rd Edition. USA : John Willey & Sons, Inc.

Fayyad, Usama. Piatetsky-Shapiro, G. Smyth, P dan Uthurusamy, R. (1996). “Advances in Knowledge Discovery and Data Mining”. Cambridge, MA : MIT Press.

J, Han. J, Pei dan Y, Yin. (2000). “Mining Frequent Patterns Without Candidate Generation”. In: Proceeding of The 2000 ACM-SIGMOD International Conference on Management of Data (SIGMOD’00). Dallas, TX : pp 1 - 12

Larose, Daniel T.. (2006). “Data Mining Methods and Models”. Hoboken New Jersey : John Willey & Sons, Inc.

Larose, Daniel T.. (2006). “Discovering Knowledge in Data: An Introduction to Data Mining”. USA : John Willey & Sons. Inc.

Marlinda, Linda. (2004). “Sistem Basis Data/Linda Marlinda”. Yogyakarta : Andi.

Yuswanto et. al. (2005). “Mengolah Database dengan SQL Server 2000”. Jakarta : Prestasi Pustakarya.

Zhao QianKun and Bhowmick S. Sourav (2003). “Association Rule Mining : A Survey”. CAIS Nanyang Technological University, Singapore.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Budanis Dwi Meilani, Muhammad Asadulloh

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.