Implementasi Algoritma FP-Growth untuk Mengukur Tingkat Kemampuan Siswa dalam Prestasi Belajar

  • Harlan Kurnia AR Universitas Putra Indonesia "YPTK" Padang
  • Nurmaliana Pohan Universitas Putra Indonesia "YPTK" Padang
Keywords: FP-Growth, Data Mining, Tingkat Kemampuan Siswa, SMP N 9 Padang

Abstract

Siswa pada sekolah menengah pertama (SMP) berasal dari berbagai sekolah dasar (SD) dengan kualitas pendidikan yang berbeda. Hal tersebut tentu menjadi salah satu faktor berprestasinya siswa dalam pendidikan. Untuk menentukan seberapa besar pengaruh asal sekolah terhadap tingkat kemampuan siswa dalam prestasi belajar perlu dilakukan suatu penelitian. Atribut yang akan diuji yaitu nilai siswa pada mata pelajaran umum, dimana pelajaran tersebut juga dipelajari pada saat SD. Dengan mengambil data nilai dari Ijazah saat lulus SD serta nilai raporttt pada saat SMP. Dengan mengambil sampel data dari siswa berprestasi pada SMP N 9 Padang yang rata-rata raportt diatas 80. Data juga dipersempit dengan hanya mengambil data nilai pada mata pelajaran Matematika, Bahasa Indonesia, dan IPA hal ini menyesuaikan dengan mata pelajaran yang ada pada ujian nasional saat SD. Maka akan didapatkan setidaknya 166 sampel. Penelitian dilakukan dengan memanfaatkan data mining dari data sampel yang telah didapatkan sehingga akan menghasilkan suatu informasi yang lebih berharga yang diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basis data. Dengan menerapkan algoritma FP-Growth akan terbentuk berbagai rules yang mencerminkan korelasi suatu atribut dengan yang lain. Tingkat korelasi tersebut dapat dilihat dari nilai support dan konfiden suatu rules. Serta dengan pemanfaatan software rapidminer dapat mempermudah dalam pemrosesan data mining pada database yang memiliki sampel yang banyak. Dari hasil penelitian, didapatkan bahwa asal sekolah memiliki dampak yang cukup signifikan dalam berprestasinya siswa di sekolah. Hal tersebut dapat dilihat dari nilai support dan nilai confident yang tinggi.

References

Choiriah, W., Informasi, S., Informasi, S., & Kuning, U. L. (2019). Penerapan Data Mining Menggunakan Metode Assiciation Pendahuluan, V(2), 193–198.

Efendi, M. F. (2019). Analisis pola kecelakaan lalu lintas di surabaya menggunakan algoritma FP-growth. Skripsi. Retrieved from http://digilib.uinsby.ac.id/id/eprint/33575

Elisa, E., & Azwanti, N. (2019). Algoritma FP-Growth untuk Menganalisa Frekuensi Pembelian Gas Elpiji 3 Kg. INTENSIF: Jurnal Ilmiah Penelitian Dan Penerapan Teknologi Sistem Informasi, 3(1), 69. https://doi.org/10.29407/intensif.v3i1.12652

Fitria, R., Nengsih, W., & Qudsi, D. H. (2017). Implementasi Algoritma FP-Growth Dalam Penentuan Pola Hubungan Kecelakaan Lalu Lintas. Jurnal Sistem Informasi, 13(2), 118. https://doi.org/10.21609/jsi.v13i2.551

Herasmus, H. (2017). Analisa Customer Service System Menggunakan Metode Data Mining Dengan Algoritma FP-Growth (Studi Kasus Di Pt Batamindo Investment Cakrawala). Jurnal Teknik Ibnu Sina (JT-IBSI), 2(2), 31–43. https://doi.org/10.36352/jt-ibsi.v2i2.57

Idayani, R., Sutardi, & Muchlis, N. F. (2017). Perancangan Aplikasi Data Warehouse Menggunakan Metode FP-Growth Untuk Memprediksi Penjualan Alat-Alat Kesehatan (Studi Kasus : Apotek Kimia Farma Korem). SemanTIK, 3(1), 81–94.

Maulana, A., & Fajrin, A. A. (2018). Penerapan Data Mining Untuk Analisis Pola Pembelian Konsumen Dengan Algoritma FP-Growth Pada Data Transaksi Penjualan Spare Part Motor. Klik - Kumpulan Jurnal Ilmu Komputer, 5(1), 27. https://doi.org/10.20527/klik.v5i1.100

Setyo, W. N., & Wardhana, S. (2019). Implementasi Data Mining Pada Penjualan Produk Di Cv Cahaya Setya Menggunakan Algoritma FP-Growth. Petir, 12(1), 54–63. https://doi.org/10.33322/petir.v12i1.416

Sulastri, S., Zuliarso, E., & Anis, Y. (2017). Implementasi Algoritma Apriori Dan Algoritma Eclat Pada Ahass Akmal Jaya Purwodadi. Dinamik, 22(1), 50–56. https://doi.org/10.35315/dinamik.v22i1.7105

Syahdan, S. Al, & Sindar, A. (2018). Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galang Kota. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 1(2). https://doi.org/10.32672/jnkti.v1i2.771
Published
2022-06-30