Penerapan Data Mining Untuk Mengetahui Pola Asosiasi Antara Data Mahasiswa Dan Tingkat Kelulusan Menggunakan Algoritma Fold-Growth

Setiap tahun Universitas Brawijaya mengadakan penerimaan mahasiswa baru, masing-masing mahasiswa mengumpulkan data lengkap untuk pendataan pendaftaran mahasiswa. Selain itu, pendataan mahasiswa juga dilakukan untuk yang sudah lulus dari Universitas Brawijaya. Dewasa ini belum diketahui tentang pola asosiasi antara data mahasiswa dan data kelulusan mahasiswa. Pola asosiasi ini bisa digunakan untuk memprediksi tingkat kelulusan mahasiswa berdasarkan parameter data mahasiswa yang diteliti. Dalam penelitian ini, pencarian pola asosiasi antara data mahasiswa dan data tingkat kelulusan dilakukan berdasarkan jalur masuk dan program studi dengan menerapkan algoritma FOLD – Growth . Sistem akan mencari aturan asosiasi dengan tahap awal adalah mencari frequent itemset . Pada tahap akhir, association rule akan diuji dalam 3 jenis,yaitu uji pengaruh nilai minimum support dan nilai minimum confidence terhadap jumlah rule , uji lift ratio dan uji akurasi association rule . Perbandingan antara minimum support dan minimum confidence dengan jumlah rule berbanding terbalik. Nilai lift ratio tertinggi adalah 1,657 dari PSB,A2 pada program studi Statistika dan nilai lift ratio terendah sebesar 0,531 dari PSB,B2 pada program studi Ilmu Komputer. Hasil pengujian akurasi assosiation rule menunjukkan tingginya prosentase association rule yang diterapkan pada data uji, sehingga dapat digunakan untuk memprediksi tingkat kelulusan mahasiswa di waktu yang akan datang