Sistem Rekomendasi Mata Kuliah dengan Apriori Association Rules

Pada penelitian ini dikembangkan sebuah sistem rekomendasi mata kuliah berbasis apriori association rules. Penelitian ini difokuskan pada mata kuliah yang ada di dalam Massive Open Online Courses (MOOCs). Studi kasus yang digunakan pada penelitian ini adalah Canvas Network Dataset dan HarvardX-MITx Dataset. Metode yang digunakan pada penelitian ini adalah Apriori Association Rule. Sistem rekomendasi mata kuliah diawali tahap pre-processing yang mencakup normalisasi data untuk mengurangi data anomali, data cleaning untuk menangani data kosong, klasterisasi K-Modes untuk mengelompokkan pengguna, pengelompokan transaksi registrasi untuk filter transaksi registrasi pengguna. Tahap selanjutnya adalah pembentukan aturan asosiasi dengan menggunakan apriori association rule. Untuk menentukan performansi aturan asosiasi yang didapatkan, digunakan metrik evaluasi Lift Ratio. Berdasarkan hasil pengujian yang dilakukan, parameter terbaik yang didapatkan pada penelitian ini adalah nilai minimum support 0,01 dan minimum confidence 0,6. Dengan kedua parameter tersebut jumlah rule dan rata-rata nilai lift ratio pada Canvas Network Dataset sebesar 110 rule dan 19,055, sedangkan pada HarvardX-MITx Dataset sebesar 48 rule dan 3,662