PENERAPAN ALGORITMA FP-GROWTH UNTUK MENGETAHUI POLA ASOSIASI FAKTOR EKSTERNAL YANG MEMPENGARUHI PRESTASI AKADEMIK MAHASISWA PROGRAM STUDI MATEMATIKA FMIPA UNY

Luthfita Khotimatul Amanah , Nur Hadi Waryanto,

Abstract


Abstrak

Data mining merupakan pencarian pola atau informasi yang menarik yang dapat diterapkan dalam data mahasiswa Program Studi (Prodi) S1 Matematika FMIPA UNY. Tujuan dari penelitian ini adalah untuk mengetahui pola asosiasi faktor eksternal yang mempengaruhi prestasi akademik mahasiswa Prodi Matematika FMIPA UNY yang ditinjau dari angkatan masuk dengan menggunakan algoritma Frequent Pattern (FP) Growth. Teknik sampling yang digunakan adalah purposive sampling yaitu dengan mengambil data mahasiswa Prodi Matematika FMIPA UNY angkatan 2014 dan 2015 saja. Terdapat dua langkah dalam pencarian rules meggunakan algoritma FP-Growth, pertama mencari itemset yang sering muncul dan yang kedua pembentukan aturan asosiasi. Hasil rules untuk data mahasiswa angkatan 2014 dan 2015 adalah mahasiswa yang masuk UNY melalui jalur masuk SNMPTN dengan pendapatan orang tua kurang dari atau sama dengan Rp. 1.000.000,00 dan pendidikan terakhir orang tua mahasiswa adalah SMA/MA atau SMK (untuk angakatan 2014) dan SD/MI atau SMP/MTs (untuk angkatan 2015), memiliki nilai IPK 3,01 – 3,50.

 

Kata kunci: Data Mining, Aturan Asosisasi, Algoritma FP-Growth, Data Mahasiswa, Prestasi Akademik

 

Abstract

Data mining is used do search interesting patterns or information that can be applied in the data of undergraduate student of Mathematics Study Program FMIPA UNY. The purpose of this study is to determine the pattern of external factor associations Thar influence the academic achievement of Mathematics Study Program students of FMIPA UNY in terms of each batch using the Frequent Pattern (FP) Growth algorithm. The sampling technique used is purposive sampling by taking data from Mathematics Study Program students batch 2014 and 2015. There are two steps in searching rules using this algorithm. First is to find the frequent itemsets and second is forming association rules. Rules for student data for the 2014 and 2015 classes are students who enter UNY through the SNMPTN entrance path with parental income less than or equal to Rp. 1,000,000.00 and the last education of parents is SMA/MA or SMK (for 2014) and SD/MI or SMP/MTs (for 2015), having a GPA of 3.01 - 3.50.

 

Keywords:Data Mining, Association Rules, FP-Growth Algorithm, Student Data, Academic Achievement


Full Text:

PDF

Refbacks

  • There are currently no refbacks.


 


Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.