PERBANDINGAN ALGORITMA APRIORI DAN ECLAT DALAM ANALISIS POLA SKRIPSI MAHASISWA
DOI:
https://doi.org/10.36595/jire.v8i2.1663Keywords:
Apriori, Algoritma ECLAT, Pola Frekuensi, Data Mining, Skripsi MahasiswaAbstract
Pemanfaatan data judul skripsi mahasiswa Teknik Informatika yang melimpah belum dioptimalkan, sehingga menyulitkan mahasiswa menentukan topik yang relevan dan menarik. Analisis pola frekuensi dapat mengidentifikasi tren dan potensi pengembangan topik baru. Penelitian ini membandingkan kinerja algoritma Apriori dan ECLAT dalam menganalisis pola frekuensi 545 judul skripsi dari berbagai tahun. Analisis dilakukan untuk mengidentifikasi topik, metode, dan output yang sering digunakan. Data diproses melalui tahap preprocessing untuk memastikan konsistensi dan kualitas dataset. Algoritma Apriori menggunakan pendekatan breadth-first search, sedangkan ECLAT memanfaatkan depth-first search dengan struktur data vertikal. Hasilnya menunjukkan kedua algoritma menghasilkan jumlah aturan asosiasi yang sama dengan rata-rata confidence 0,82 dan lift ratio 2,91. Namun, ECLAT lebih cepat dalam eksekusi (0,007 detik dibandingkan 0,008 detik), sementara Apriori lebih hemat memori (38 KB dibandingkan 198 KB). Analisis ini juga mengungkapkan bahwa sistem berbasis website dan prototipe merupakan output yang paling dominan, sementara banyak judul tidak skripsi yang tidak menyebutkan metode atau algoritma yang mereka gunakan melainkan hanya focus ke system. Hasil penelitian ini dapat membantu pihak prodi dalam memberikan gambaran kepada mahasiswa mengenai topik skripsi yang sesuai, serta mendukung mahasiswa dalam memilih judul, output, dan metode yang tepat berdasarkan tren sebelumnya dari hasil analisis data.
Downloads
References
[1] A. Winyo, T. Trisno, And T. Kurra, “Analisis Algoritma Asosiasi Untuk Memilih Judul Mahasiswa Skripsi Stimkom Stella Maris Sumba,” Multidiscip. Indones. Cent. J., Vol. 1, No. 1, Pp. 404–411, 2024, Doi: 10.62567/Micjo.V1i1.46.
[2] F. Teknik, “Penerapan Teks Mining Dan Cosine Similarity Untuk Menentukan Kesamaan Dokumen Skripsi Application Of Text Mining And Cosine Similarity To Determine The Similarity Of Thesis Documents,” Ijis Indones. J. Inf. Syst., Vol. 9, No. April 2024, Pp. 99–109, 2024.
[3] E. P. W. Mandala, “Pola Frekuensi Judul Skripsi Mahasiswa Teknik Informatika Dengan Algoritma Apriori,” J. Teknoif, Vol. 5, No. 2, Pp. 25–35, 2017, Doi: 10.21063/Jtif.2017.V5.2.25-35.
[4] L. Lisnawita And M. Devega, “Analisis Perbandingan Algoritma Apriori Dan Algoritma Eclat Dalam Menentukan Pola Peminjaman Buku Di Perpustakaan Universitas Lancang Kuning,” Inovtek Polbeng - Seri Inform., Vol. 3, No. 2, P. 118, 2018, Doi: 10.35314/Isi.V3i2.753.
[5] F. Sulianta And E. Prayogo, “Aturan Asosiasi Menggunakan Algoritma Apriori Untuk Menciptakan Strategi Pemasaran Pada Apotek,” E-Link J. Tek. Elektro Dan Inform., Vol. 19, No. 1, P. 83, 2024, Doi: 10.30587/E-Link.V19i1.5951.
[6] N. A. Hibnastiar, A. F. Setiawan, And E. H. Susanto, “Application Of Apriori Algorithm For Product Bundle Recommendations Penerapan Algoritma Apriori Dalam Menentukan Rekomendasi Paket Produk,” Vol. 5, No. January, Pp. 321–331, 2025.
[7] L. Zahrotun And A. F. I. Robbani, “Penerapan Algoritma Eclat Untuk Menemukan Pola Asosiasi Antar Barang Di Aneka Sandang Collection,” Jrst (Jurnal Ris. Sains Dan Teknol., Vol. 7, No. 1, P. 37, 2023, Doi: 10.30595/Jrst.V7i1.15298.
[8] D. Sitanggang, M. Kom, And A. Apriori, “Delima Sitanggang, M.Kom,” 2023.
[9] I. P. S. Handika And I. K. S. Satwika, “Perbandingan Kinerja Algoritma Apriori Dan Equivalence Class Transformation ( Eclat ) Dalam Menemukan Pola Pembelian Pada Data Transaksi Minimarket Performance Comparison Of Apriori And Equivalence Class Transformation ( Eclat ) Algorithms In Finding Purc,” Vol. 9, No. 2, Pp. 149–160, 2024.
[10] R. Adolph, Data Mining Keterkaitan Antara Keberadaan Tambakmenurut Jenis Ikan Pada Kabupatenatau Kota Di Provinsi Jawa Tengah Dengan Algoritma Apriori, vol. 3, no. 2. 2016.
[11] E. Erni and K. Handayani, “Penerapan Pola Permintaan Darah Metode Association Rule Menggunakan Algoritma Apriori,” J. Manaj. Inform. dan Sist. Inf., vol. 6, no. 2, pp. 123–133, 2023, doi: 10.36595/misi.v6i2.764.
[12] W. Firgiawan and N. Nur, “Perbandingan Kinerja Algoritma Apriori dan Frequent Pattern Growth dalam Menemukan Pola Asosiasi”.
[13] A. O. Br Ginting, “Penerapan Data Mining Korelasi Penjualan Spare Part Mobil Menggunakan Metode Algoritma Apriori (Studi Kasus: CV. Citra Kencana Mobil),” J. Inf. Technol., vol. 1, no. 2, pp. 70–77, 2021, doi: 10.32938/jitu.v1i2.1472.
[14] T. A. Lestari, R. Ramadhanti, and A. P. Windarto, “Implementasi Algoritma Apriori Terhadap Data Penjualan di Toko Roti Ganda Pematangsiantar,” Media Online), vol. 1, no. 2, pp. 37–41, 2021, [Online]. Available: https://hostjournals.com/bulletincsr
[15] Thariq, S. Martha, and H. Perdana, “Analisis Association Rules Menggunakan Algoritma Eclat Pada Toko Swalayan,” Bul. Ilm. Math. Stat. dan Ter., vol. 12, no. 2, pp. 171–178, 2023.
[16] A. Setiawan, V. Kurniawan, and R. Novita, “Penerapan Algoritma Eclat Untuk Mencari Pola Hubungan Antar Barang Pada Data transaksi Penjualan,” IJIRSE Indones. J. Inform. Res. Softw. Eng., vol. 4, no. 1, pp. 9–16, 2024.
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
