Prediksi faktor dominan yang mempengaruhi kasus pengunduran diri menggunakan Association Rule Mining

Suparman, Rexsy Rustiana (2019) Prediksi faktor dominan yang mempengaruhi kasus pengunduran diri menggunakan Association Rule Mining. Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (95kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (116kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (76kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (304kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (285kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (103kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (123kB) | Request a copy

Abstract

Pengunduran diri mahasiswa dari jurusan yang diambilnya merupakan kasus yang selalu terjadi setiap tahun bahkan dalam hitungan semester hampir di semua perguruan tinggi. Kasus pengunduran diri tersebut didasari berbagai macam faktor, baik faktor akademik, non akademik ataupun dari personalnya yang menyebabkan serta mempengaruhi mahasiswa tersebut untuk mengundurkan diri. Penelitian ini diangkat bertujuan untuk melakukan prediksi untuk mengetahui faktor-faktor dominan yang mempengaruhi kasus tersebut dengan menganalisis pola keterkaitan dari data akademik maupun non akademik mahasiswa. Metode Association Rule Mining merupakan teknik dalam data mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Proses prediksi dalam penelitian ini menggunakan algoritma apriori. Atribut yang dianalisis untuk menghasilkan pola keterkaitan diantaranya nilai IPK, domisili asal, ujian saringan masuk, jenis kelamin, jurusan kuliah, dan status mahasiswa. Parameter yang diatur dalam penentuan pola aturan asosiatif pada penelitian ini adalah nilai minimum support dan nilai minimum confidence. Data yang digunakan dalam proses analisis berjumlah 982 data dari mahasiswa angkatan 2012 – 2017, dimana pada hasilnya yang menjadi aturan asosiasi final adalah aturan yang memiliki nilai confidence tertinggi dengan nilai lift ratio >1

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Pengunduran diri; Mahasiswa; Association Rule Mining; Algoritma Apriori;
Subjects: Data Processing, Computer Science
Data Processing, Computer Science > Computer and Human
Data Processing, Computer Science > Systems Analysis and Computer Design
Technology, Applied Sciences
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Rexsy Rustiana Suparman
Date Deposited: 01 Oct 2019 07:21
Last Modified: 01 Oct 2019 07:21
URI: https://digilib.uinsgd.ac.id/id/eprint/24018

Actions (login required)

View Item View Item