PEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI
Abstract
Abstrak- Pertumbuhan yang pesat dari gudang data telah menciptakan kondisi kaya akan data tapi miskin informasi. Data mining merupakan penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data dalam jumlah besar yang diharapkan dapat menghasilkan pola yang menarik atau informasi penting dari kondisi tersebut. Dengan memanfaatkan data tracer lulusan yang dihubungkan dengan pengguna lulusan yakni dunia usaha dan industri, diharapkan dapat menghasilkan informasi tentang pola hubungan keduanya melalui teknik data mining, association rule. Kategori kemampuan lulusan di ukur dengan parameter tingkat kurang diperlukan, cukup diperlukan, diperlukan, dan sangat diperlukan dalam dunia usaha dan industri. Algoritma yang digunakan adalah algoritma apriori, informasi yang ditampilkan berupa nilai support dan confidence dari masing-masing kategori jenis kemampuan lulusan.
Kata kunci: data mining, association rule, tracer lulusan, algoritma apriori
Abstract- The rapid growth of the data warehouse has created conditions for rich data but poor information. Data mining is the mining or the discovery of new information by looking for certain patterns or rules of a number of large amounts of data that is expected to produce an interesting pattern or important information from the condition. By utilizing the the graduate tracer data that is associated with users of graduates, they are business and industry, are expected to produce information about the pattern of their relationship through data mining techniques, association rule. Category ability of graduates in measuring the level parameter is less necessary, reasonably necessary, needed, and is needed in the world of business and industry. The algorithm used is a priori algorithm, the information displayed in the form of support and confidence values of each category type abilities of graduates.
Keywords: data mining, association rule, graduate tracer, apriori algorithm
Downloads
References
[2] Dana Sulistyo Kusumo, et al (2003). Data Mining Dengan Algoritma Apriori Pada RDBMS Oracle. Jurnal Penelitian dan Pengembangan Telekomunikasi. Vol. 8. No. 1. [3] Eko Wahyu Tyas (2008). “Penerapan Metode Association Rule Menggunakan Algoritma Apriori untuk Analisa Pola Data Hasil Tangkapan Ikan”. Konferensi dan Temu Nasional Teknologi Informasi dan Informasi dan Komunikasi untuk Indonesia. Jakarta.
[4] Han, Jiawei dan Kamber, Micheline (2001). “Data Mining: Concepts and Techniques”. London. Morgan Kaufmann Publishers.
[5] Kusrini, dan Emha Taufik Luthfi (2009). “Algoritma Data Mining”. Edisi I. Yogyakarta. C.V ANDI OFFSET. [6] Leni Meiwati. Application Using Data Mining Association Rules With Priori Method For Analysis Of Data On The Market Basket Pharmacy Sales Transactions. |Online|. http://www.gunadarma.ac.id.
[7] Nuqson Masykur Huda (2010). Aplikasi Data Mining Untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa”. Universitas Diponegoro.Skripsi S1.
[8] Sani Susanto, dan Dedy Suryadi (2010). “Pengantar Data Mining Menggali Pengetahuan dari Bongkahan Data”. Edisi I. Yogyakarta. C.V ANDI OFFSET.
[9] Sarjon Defit (2012). “Data Mining”. (Bahan Kuliah Advance Database). Padang.
[10] Suraj P. Patil, et al (2012). The Novel Approach for Improving Apriori Algorithm for Mining Association Rule”. Proceeding of “National Conference on Emerging Trends in Computer Technology 2012.ISSN: 2231-2587. India.
[11] Yogi Yusuf W, et al (2006). Penerapan Data Mining Dalam Penentuan Aturan Asosiasi Antar Jenis Item. SENATI 2006. ISSN: 1997-5022. Bandung.
Jurnal Digital Zone is licensed under aCreative Commons Attribution-ShareAlike 4.0 International License.
