Sistem Rekomendasi Pemilihan Mata Kuliah Peminatan Menggunakan Algoritma K-means Dan Apriori (studi Kasus: Jurusan S1 Teknik Informatika Fakultas Informatika)

Riki Nur Afifuddin, Dade Nurjanah

Abstract

Abstrak Setiap mahasiswa Universitas Telkom wajib merencanakan mata kuliah pilihan yang akan diambil mulai dari semester empat. Masih banyak mahasiswa yang mengalami kesulitan untuk memilih mata kuliah pilihan sesuai dengan kelompok keahlian. Oleh karena itu, dibutuhkansistem rekomendasi yang dapat digunakan untuk melakukan prediksi terhadap pengambilan mata kuliah pilihan yang ada di Universitas Telkom pada jurusan S1 Teknik Informatika.Tugas Akhir ini melakukan studi dan implementasi metoda K-means dan Apriori untuk memberikan rekomendasi pemilihan mata kuliah pilihan sesuai dengan kelompok keahlian. Eksperimen dilakukan dengan menggunakan data 660 Sajarna S1 Teknik Informatika tahun 2013. Hasil eksperimen menunjukan algoritma K-means dapat mengelompokkan mahasiswa kedalam kelompok keahlian dan Apriori dapat menghasilkan rule yang dapat digunakan sebagai rekomedasi pemilihan mata kuliah pilihan.

Kata kunci : rekomendasi, K-means, Apriori.

Abstract Every Telkom University student is required to plan elective courses to be taken starting from the fourth semester. There are many students who have difficulty choosing elective courses according to the expertise group. Therefore, a recommendation system that can be used to predict the selection of elective subjects at Telkom University in the S1 Informatics Department Faculty of Informatics. The final task is to study and implement the K-means and Apriori methods to provide recommendations for the selection of elective courses according to the expertise group. Experiments were carried out using 660 S1 Informatics Engineering students data in 2013. The experimental results showed that the K-means Algorithm can group students into expertise groups and Apriori can produce rules that can be used as recommendation for the choice of elective subjects.

Keywords: recommendation, K-means, Apriori

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0