Terdapat beberapa teknik data mining yang umumnya digunakan untuk memperoleh pengetahuan lebih dari data yang berjumlah besar. Association Rule adalah salah satu dari beberapa teknik data mining yang dapat menemukan hubungan asosiasi antar tiap item berdasarkan besar minimum support (minsup) dan minimum confidence (mincof). Apriori merupakan salah satu algoritma dari Association Rule yang bekerja dengan cara melakukan scan database untuk membangkitkan frequent itemset. ¬K-Itemset yang terbentuk dijadikan sebagai rule dan masing-masing dibangun oleh antecedent dan consequent. Pada Penelitian ini digunakan skenario ujicoba 100 record data dan didapatkan support minimal sebesar 42% dan support maksimal sebesar 62% dengan rule terbaik pada minsup 62% yaitu kombinasi Mata Kuliah Prasyarat (MKP) PTI dan bidang minat SISTER dengan confidence sebesar 87,37%. Support minimal dapat terbentuk apabila jumlah dari tiap-tiap item (atribut) lebih besar sama dengan minsup yang digunakan, support maksimal dapat terbentuk apabila dari minsup yang digunakan tidak lagi mengahasilkan output yaitu berupa rule. Sedangkan rule yang terbaik adalah rule yang mempunyai nilai support dan confidence yang paling tinggi dan rule tersebut mempunyai nilai kepercayaan yang dapat mewakili dari seluruh kombinasi item yang telah terbentuk. Semakin besar jumlah minsup dan mincof yang digunakan maka rule yang dihasilkan akan semakin sedikit, tetapi rule yang dihasilkan tersebut juga akan semakin kuat karena memiliki nilai kepercayaan yang tinggi.


Deskripsi Lain

There were several data mining techniques were commonly used to gain more knowledge of large amounts of data. Association Rule was one of several data mining techniques that could find the association relationship between each of the items based on minimum support (minsup) and minimum confidence (mincof). Apriori was one of the Association Rule algorithms that work by scanning the database to generate frequent itemset. ¬ K-itemset formed and used as a rule each built by the antecedent and consequent. This study used a scenario at trial 100 data records, obtained a minimum support of 42% and support a maximum of 62% with the best rule was a combination of 62% minsup Course Prerequisite (MKP) and areas of interest SISTER PTI with confidence of 87.37%. Minimal support could be formed if the number of individual items (attributes) greater equal to minsup was used, the maximum could be formed if support from minsup used no longer result in the output in the form of rule. Meanwhile, the best rule was the rule that had the support and confidence values were highest and the rule had a confidence value that could represent all combinations of items that have been formed. The greater the number of minsup and mincof used then the resulting rule would be less, but the resulting rule will also be more powerful because it had a high trust value.

• SISTEM PEMILIHAN BIDANG MINAT (SPBM)MENGGUNAKAN METODE ASSOCIATION RULE(Studi Kasus : Jurusan Teknik Informatika Universitas Trunojoyo Madura)