Analisa Dan Implementasi Association Rule Dengan Algoritma Apriori Dalam Penerimaan Dosen Studi Kasus Pada (Stkip) Ypm Bangko

  • Deni Satria STIH Merangin
DOI: https://doi.org/10.47233/jteksis.v2i2.117
Keywords: data mining, FP-growth, frequent itemse, rule

Abstract

Dalam mengambil sebuah keputusan salah satu algoritma yang dapat digunakan adalah Algoritma FP-Growth.  Dikarenakan Algoritma FP-Growth adalah Algoritma yang penyempurnaan dari Algoritma Apriori sehingga dengan menggunakan Algoritma FP-Growth kita akan mudah dalam mencari  frequent itemse dan menentukan atau menemukan rule dari basis data yang besar. Dalam penelitian ini, menggunakan Algoritma FP-Growth yang bisa digunakan dalam mencari itemset dan menemukan aturan asosiasi atau rule sehingga akan membantu pimpinan dalam mengambil sebuah keputusan dari penerimaan dosen pada Sekolah Tinggi Keguruan Dan Ilmu Pendidikan.

Downloads

Download data is not yet available.

References

Melani DB, Asadulloh. (2015). Data Mining Untuk Menggali Pola Mahasiswa Baru Menggunakan Metode Frequent Pattern Growth (Studi Kasus : Institut Teknologi Adhi Tama Surabaya)

Aggarwal.S, (2013) Beberapa algoritma yang termasuk dalam Aturan Asosiasi adalah seperti AIS Algorithm, FP-Growth Algorithm, DHP Algorithm, dan Partition Algorithm.

Tampubolon.K, Saragih.H, Reza.B, (2013). Implementasi Data Mining Algoritma Apriori pada sistem persediaan alat-alat kesehatan: ISSN 2339-210x

Terttiaavini, Agustri. S, (2015). Sistem Informasi E-Recruitment dosen pada perguruan tinggi swasta. ISSN Online : 3477:3786

Ikmah, (2016). sistem pendukung keputusan seleksi penerimaan dosen menggunakan metode topsis. ISSN 2302-3805

Jailani, Defit.S, Nurcahyo,G.W, (2015). Penerapan Algoritma C4.5 Pada NUPTK untuk Menentukan Pola ertifikasi Guru dengan menggunakan metode klasifikasi decesion tree (Studi kasus pada dinas pendidikan pemuda dan olah raga kabupaten rokan hulu, Vol.1/No.1/2015 : 69-83 .

Kurniawati.A, (2014). Data mining juga sering disebut sebagai Knowledge Discovery in Databases (KDD). KDD terdiri dari tiga proses utama Hardjana, Agus M. (2003). Komunikasi Intrapersonal & Komunikasi Interpersonal. Yogyakarta: Penerbit Kanisius.

Han dan Kamber, (2006). Knowladge discovery sebagai sebuah proses yang digambarkan pada gambar 2.1, dan terdiri atas runtunan iterative dari langkah-langkah yang ada .

Ardani N.R, Fitrina N, (2016). Sistem Rekomendasi Pemesanan Sparepart Dengan Algoritma Fp-Growth (Studi Kasus Pt. Rosalia Surakarta). ISSN : 2302-3805.

Yusuf W,Y., Pratikto,F,R, Gerry T., (2006). Penerapan Data Mining Dalam Penentuan Aturan Asosiasi Antar Jenis Item . ISSN: 1907-5022.

S. Sularno and P. Anggraini, PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI TINGKAT KEGANASAN HAMA PADA TANAMAN PADI (Studi Kasus : Dinas Pertanian Kabupaten Kerinci), J. Sains dan Inform., vol. 3, no. 2, p. 161, Nov. 2017.

Ikhwan.A, Nofriansyah.D, Sriani., (2015). Penerapan Data Mining dengan Algoritma Fp-Growth untuk Mendukung Strategi Promosi Pendidikan ( Studi Kasus Kampus STMIK Triguna Dharma). ISSN : 1978-6603.

Published
2020-07-01
How to Cite
Satria, D. (2020). Analisa Dan Implementasi Association Rule Dengan Algoritma Apriori Dalam Penerimaan Dosen Studi Kasus Pada (Stkip) Ypm Bangko. Jurnal Teknologi Dan Sistem Informasi Bisnis, 2(2), 74-85. https://doi.org/10.47233/jteksis.v2i2.117
Issue
Vol 2 No 2 (2020): Juli 2020
Section
Articles

Copyright (c) 2020 Jurnal Teknologi Dan Sistem Informasi Bisnis - JTEKSIS

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under an Attribution 4.0 International (CC BY 4.0) that allows others to share — copy and redistribute the material in any medium or format and adapt — remix, transform, and build upon the material for any purpose, even commercially with an acknowledgment of the work's authorship and initial publication in this journal.