TY  - THES
N1  - Pembimbing: Ir. Maria Ulfah Siregar, S.Kom., MIT., Ph.D.
ID  - digilib67893
UR  - https://digilib.uin-suka.ac.id/id/eprint/67893/
A1  - Amalina Zharfa, NIM.: 20106050023
Y1  - 2024/08/15/
N2  - Kinerja akademik mahasiswa merupakan indikator penting dalam menentukan keberhasilan proses pendidikan di perguruan tinggi. Pengolahan terhadap data mengenai kinerja mahasiswa bermanfaat bagi institusi pendidikan dalam upaya untuk meningkatkan kualitas institusi, membantu dalam mengidentifikasi faktor-faktor yang berkontribusi terhadap keberhasilan atau kegagalan akademis, sehingga institusi pendidikan dapat membuat keputusan yang lebih baik terkait kurikulum, bimbingan, dan dukungan bagi mahasiswa.
Teknik data mining metode asosiasi dapat digunakan untuk mengetahui pola tersembunyi dalam data kinerja mahasiswa. Beberapa algoritma popular dalam metode asosiasi antara lain : Apriori, FP-Growth, dan Eclat. Ketiga algoritma tersebut memiliki kelebihan dan kekurangan masing-masing baik dari segi jumlah rules yang dihasilkan, kualitas rules maupun waktu eksekusi.
Perbandingan hasil dari ketiga algoritma tersebut saat diimplementasikan dalam data kinerja mahasiswa menunjukkan bahwa algoritma Apriori dan FP-Growth menghasilkan jumlah rules yang lebih banyak jika dibandingkan dengan Algoritma Eclat pada tiap penggunaan minimum support yang berbeda. Selain itu dari segi waktu eksekusi, Algoritma Apriori dan FP-Growth jauh lebih unggul daripada Algoritma Eclat.
PB  - UIN SUNAN KALIJAGA YOGYAKARTA
KW  - Metode Asosiasi; Apriori; FP-Growth
KW  -  Eclat
M1  - skripsi
TI  - PERBANDINGAN METODE ASOSIASI PADA DATA KINERJA MAHASISWA
AV  - restricted
EP  - 75
ER  -