Suparman, Rexsy Rustiana (2019) Prediksi faktor dominan yang mempengaruhi kasus pengunduran diri menggunakan Association Rule Mining. Diploma thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (95kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (116kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (76kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (304kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (285kB) | Request a copy |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (2MB) | Request a copy |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (103kB) | Request a copy |
||
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 |