Prediksi Nilai Mata Kuliah Mahasiswa Menggunakan Algoritma K-Apriori

Abstract

Tujuan utama dari prediksi nilai mata kuliah adalah membantu mahasiswa mengambil mata kuliah pilihan secara tepat. Kebanyakan mahasiswa mengambil mata kuliah didasarkan pada jumlah mahasiswa mengambil matakuliah. Sekumpulan transkrip mahasiswa dapat dianalisis pola keterkaitan (association rule) antar nilai matakuliah. K-Apriori merupakan metode data mining untuk mencari pola keterkaitan nilai mata kuliah sehingga dapat digunakan memprediksi nilai mata kuliah lain. Tahapan utama metode ini meliputi mengelompokkan data menggunakan metode K-Means dan menemukan pola nilai mata kuliah menggunakan Apriori. Namun terdapat kekosongan nilai karena seluruh mata kuliah yang ditawarkan tidak diambil setiap mahasiswa. Oleh karenanya, dilakukan preprocessing data menggunakan Wiener Transformation sebelum dicari polanya.Pengujian didasarkan tingkat kemampuan akademik mahsiswa dengan minimum support dan confidence sebesar 10% dan lift ratio >1. Hasilnya, rule yang dibangkitkan dari IPK di bawah dan di atas rata-rata memiliki tingkat kesalahan sebesar 8.75% dan 8.5%. Sedangkan jika rule dibangkitkan dari IPK rata-rata memiliki kesalahan sebesar 11%.