Sistem Rekomendasi Mata Kuliah Menggunakan Algoritma Apriori

Wati, Heni Noviya Isma (2018) Sistem Rekomendasi Mata Kuliah Menggunakan Algoritma Apriori. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[img] Text
PENDAHULUAN.pdf

Download (480kB)
[img] Text
ABSTRAKSI.pdf

Download (12kB)
[img] Text
BAB I.pdf

Download (275kB)
[img] Text
BAB II.pdf
Restricted to Repository staff only

Download (544kB)
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (718kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (836kB)
[img] Text
BAB V.pdf
Restricted to Repository staff only

Download (183kB)
[img] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (991kB)

Abstract

Sistem rekomendasi ini digunakan untuk merekomendasikan mata kuliah pada mahasiswa yang sedang merencanakan kartu rencana studi. Sistem ini menerapkan metode association rule, dimana metode ini merupakan teknik data mining yang digunakan untuk menemukan aturan asosiatif antara suatu kombinasi item. Salah satu algoritma dari association rule yaitu apriori. Penelitian ini menggunakan 6.814 dataset mahasiswa teknik informatika universitas muhammadiyah jember angkatan 2015. Penerapan algoritma apriori pada dataset mahasiswa menggunakan minimum support 70% dan minimum confidence 70%. Dari dataset yang sudah diolah menggunakan algoritma apriori ditemukan nilai support dan confidence tertinggi semester genap sebesar 90% dari 2775 dataset mata kuliah dan nilai support dan confidence tertinggi semester ganjil sebesar 93% dari 3915 mata kuliah.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Sistem Rekomendasi, Algoritma Apriori, Mata Kuliah, Support, Confidence.
Subjects: 000 General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1 - Undergraduate Thesis)
Depositing User: Hendri Uut Fahrullah
Date Deposited: 14 Oct 2019 03:10
Last Modified: 14 Oct 2019 03:10
URI: http://repository.unmuhjember.ac.id/id/eprint/2473

Actions (login required)

View Item View Item