Rekomendasi Pemilihan Mata Kuliah Pilihan Departemen Statistika ITS dengan Algoritma Apriori dan FP-Growth

Sinaga, Vinondang M.G.A (2017) Rekomendasi Pemilihan Mata Kuliah Pilihan Departemen Statistika ITS dengan Algoritma Apriori dan FP-Growth. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1313100131-Undergraduate_Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Departemen Statistika FMIPA ITS secara resmi berdiri pada 1983 yang awalnya merupakan salah satu bidang peminatan di Departemen Matematika Fakultas Ilmu Pasti dan Ilmu Alam (FIPIA yang sekarang menjadi FMIPA) ITS. Berdasarkan Kurikulum 2014 Departemen Statistika ITS memiliki 80 sks mata kuliah pilihan yang tersedia dalam 6 RMK, yaitu RMK Pemodelan, RMK Industri, RMK Komputasi, RMK Bisnis & Ekonomi, RMK Sosial Pemerintahan dan RMK Lingkungan Kesehatan. Dalam pemilihan mata kuliah pilihan, mahasiswa memiliki beberapa masalah yaitu kurangnya informasi dan kurang menyadari potensi akademik sehingga ada mata kuliah pilihan yang ditutup. Untuk mengatasi masalah dalam pemilihan mata kuliah pilihan maka dilakukan analisis dengan menggunakan association rule untuk memberikan rekomendasi pemilihan mata kuliah pilihan dengan rule yang dihasilkan berdasarkan Algoritma Apriori dan FP-growth. Sebelum dilakukan analisis dengan algoritma Apriori dan FP-growth terlebih dahulu melakukan statistika deskriptif. Statistika deskriptif yang dilakukan adalah untuk mengetahui RMK yang paling banyak dipilih. RMK yang paling banyak dipilih adalah RMK Bisnis & Industri. Setelah deskripsi karakteristik, langkah selanjutnya adalah melakukan analisis dengan algoritma Apriori dan FP-growth. Diperoleh hasil algoritma Apriori terdapat 46779 rule dan FP-growth sebanyak 30974 rule dalam memberikan rekomendasi dengan minimum support 0,015 dan minimum confidence 0,1. Mata kuliah dengan rule terbanyak pada algoritma Apriori adalah Perancangan Kualitas dan pada FP-growth adalah Akutansi. Algoritma terbaik dalam memberikan rekomendasi adalah algoritma Apriori karena waktu yang dibutuhkan lebih cepat dan rule yang dihasilkan lebih banyak dari algoritma FP-Growth. ============================================================ Statistics Department of FMIPA ITS officially stated in 1983, which was an area of interests in Mathematics Department of Faculty of Fakultas Ilmu Pasti dan Ilmu Alam (FMIPA) ITS. Based on the 2014 curriculum Statistics Department has 80 sks of optional subject that divided into 6 RMK, those are Modelling RMK, Business and Industry RMK, Computation RMK, Economic Financial and Actuarial RMK, Social Demography RMK and Health Environment RMK. In selection of optional subjects, students had some problems such as lack of information and Lack of knowledge of academic potential so some classes had to be closed. In term of solving the problem to selecting optional subjects an analysis has to be done using association rule in purpose to give recomendation of optional subjects selection using rule that based on Apriori Algorithm and FP-growth. Before continued to the analysis withapriori Algorithm and FP-growth the descriptive statistic has to be done first. Descriptive statistic is important to know which RMK was select most. The most selected RMK was Business and Industry RMK. After finishing descriptive statistic, the next step is do the analysis using Apriori Algorithm and FP-Growth. The Apriori Algorithm gave result, that consist of 46779 rules while FP-growth has 30974 rules in providing recommendation with minimum supportt 0,015 and minimum confidence 0,1. Subject with most rules in Apriori Algorithm was Qualit Design and in FP-growth was Akutansi. The best algorithm in providing recommendation is Apriori Algorithm because time’s required faster than FP-Growth Algorithm.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 518.1 Sin r
Uncontrolled Keywords: Algoritma Apriori; Algoritma FP-Growth; Association rule; Pemilihan Mata kuliah; RMK; Statistika ITS; Apriori Algorithm; FP-Growth Algorithm;;Association rule; Optional Subject; ITS Statistics Department
Subjects: H Social Sciences > HA Statistics
L Education > LB Theory and practice of education > LB2361 Curriculum
Divisions: Faculty of Mathematics and Science > Statistics > (S1) Undergraduate Theses
Depositing User: Vinondang M.G.A Sinaga
Date Deposited: 17 Jan 2018 03:17
Last Modified: 05 Mar 2019 03:45
URI: http://repository.its.ac.id/id/eprint/48555

Actions (login required)

View Item View Item