Penerapan Association Rule Mining-Frequent Itemset dengan Algoritme Frequent Pattern Growth (FP- Growth) pada Dataset Kelulusan Mahasiswa S1

Abstract

Data mining adalah suatu proses mencari suatu informasi yang bermanfaat dalam sebuah dataset dengan metode tertentu yang salah satunya adalah metode association rule (aturan asosiasi). Algoritme FP-Growth merupakan algoritme yang dapat digunakan untuk menentukan himpunan data yang sering muncul (frequent itemset) dalam sebuah dataset. Aturan asosiasi dapat diterapkan pada data kelulusan mahasiswa menggunakan algoritme FP-Growtht. Oleh karena itu, pada artikel ini diterapkan metode aturan asosiasi dengan algoritme FP-Growth pada data kelulusan mahasiswa S1 FMIPA UNS tahun 2010-2019 berdasarkan enam atribut. Keenam atribut tersebut adalah jenis kelamin, program studi, asal provinsi, IPK, jumlah SKS, dan lama studi. Adapun langkah yang digunakan pada penelitian ini yaitu cleaning data, penentuan atribut dan penerapan algoritme FP-Growth pada data kelulusan mahasiswa S1. Data tersebut diolah dengan aturan asosiasi dan menghasilkan sebuah aturan yang merupakan kumpulan dari frequent itemsets yang diurutkan dengan nilai confidence tertinggi. Hasil penelitian dan pembahasan diperoleh 32 rules dengan rentang confidence 90-97%.