Aplikasi Data Mining Untuk Menganalisis Aturan Asosiasi Tracer Study Di Ibi-Kosgoro1957

Abstract

Lulusan sebagai produk akhir dari institusi pendidikan merupakan sasaran mutu dan tolok ukur keberhasilan institusi pendidikan. Salah satu strategi untuk memperoleh umpan balik dari lulusan adalah Tracer Study. Penelitian ini bertujuan untuk menganalisa bagaimana pola-pola asosiatif yang dapat ditemukan dalam data tracer study IBI-Kosgoro1957. Pencarian aturan asosiasi dilakukan menggunakan algoritma apriori. Pola-pola ini akan digunakan untuk mengevaluasi karakteristik dari mahasiswa lulusan IBI-Kosgoro 1957. Implementasi penambangan data dilakukan menggunakan bahasa pemrograman Python dan dieksekusi menggunakan Google Colabs. Karakter dominan dari lulusan IBI Kosgoro 1957 adalah lebih banyak pekerja kantoran bukan enterpreneurship, kurang aktif berorganisasi, nilai IPK sedang, tetapi bisa berbicara satu bahasa asing dan paling banyak adalah bahasa Inggris. Lebih banyak yang bekerja tidak sesuai bidang kelimuan daripada berkerja sesuai bidang kelimuan proposinya hampir sama. Nilai IPK sendiri tidak mempengaruhi kesuksesan untuk mendapatkan pekerjaan yang berpenghasilan diatas UMP. Walaupun begitu 30% dari mereka mendapatkan penghasilan diatas UMP. Dengan minimum support 10% dan confidence diatas 50%, lulusan akan bekerja sesuai bidang ilmu dan mendapatkan berpenghasilan diatas UMP jika mereka bilingual, tidak aktif berorganisasi dan cepat mencari kerja.

Penentuan Pola Asosiatif Data Tracer Study Universitas Semarang dengan Algoritma Hash Based

“…Hal ini dapat dilihat dari beberapa penelitian terdahulu seperti pengembangan sistem informasi yang terintegrasi dengan sistem akademik [7][8] [9], pemanfaatan GrapQL sebagai metode distribusi data [10], algoritma C-45 [11]. Beberapa penelitian tentang tracer study juga telah memanfaatkan pola asosiasi data mining [12] dengan algoritma apriori [13], algoritma fp-growth [14], penggunaan Equivalence Class Transformation (Eclat) [15] dan hasil dari penelitian tersebut telah menghasilkan rekomendasi atau pola yang dapat membantu perguruan tinggi.…”

“…Beberapa studi terdahulu untuk menghasilkan pola asosiasi pada data tracer study sudah pernah dilakukan, di antaranya yaitu pemanfaatan metode data mining dengan mengunakan algoritma apriori [12,13], algoritma fp-growth [14], dan metode Equivalence Class Transformation (Eclat) [15]. Studi [12] menunjukkan pola asosiatif dengan nilai support minimum sebesar 10% dan nilai confidence diatas 50% yang menyatakan bahwa para lulusan akan bekerja di bidang ilmu yang tepat dan memperoleh penghasilan di atas UMP apabila mereka memiliki kemampuan bilingual, tidak terlalu aktif dalam kegiatan organisasi, serta cekatan dalam mencari pekerjaan. Dalam studi [13], temuan baru telah ditemukan bahwa lulusan pertama kali yang menunggu kurang dari 6 bulan untuk pekerjaan biasanya sebagai karyawan kontrak atau honorer dengan gaji berkisar antara 3-5 juta rupiah dan memiliki indeks prestasi kumulatif (IPK) antara 3-3,5.…”