ANALISIS ASOSIASI UNTUK MENENTUKAN STRATEGI PROMOSI PERGURUAN TINGGI DENGAN ALGORITMA APRIORI

Erna Hudianti Pujiarini

Abstract


Setiap perusahaan atau organisasi perlu untuk menentukan strategi promosi untuk mengenalkan perusahaan atau organisasinya. Penentuan strategi promosi yang tepat akan dapat mengurangi biaya promosi dan mencapai sasaran promosi yang lebih tepat. Salah satu cara yang dapat dilakukan untuk menggali pengetahuan  yang dapat dipergunakan untuk rencana promosi adalah dengan menggunakan analisis asosiasi. Analisis Apriori merupakan teknik data mining untuk menemukan aturan assosiatif  kombinasi item. Algoritma Apriori merupakan salah satu teknik dalam analisis asosiasi. Penelitian dilakukan dengan mengamati beberapa variabel yang dipertimbangkan oleh perguruan tinggi dalam menentukan rencana promosinya yaitu  daerah asal mahasiswa, jurusan mahasiswa, dan jenis sekolah menengah atas. Hasil dari penelitian ini digunakan sebagai salah satu dasar pengambilan keputusan untuk menentukan strategi promosi berdasarkan nilai support dan confidence untuk pemilihan jurusan mahasiswa berdasarkan daerah asal mahasiswa dan jenis sekolah menngah atas. Itemset yang mempunyai nilai support lebih dari 2% ada 13 itemset. Aturan asosiasi yang untuk pemilihan program studi  berdasarkan kota asal dan jenisSMA ada 16 aturan

Full Text:

PDF

References


Thomas M. Connolly, and Carolyn E. Begg, “Database Systems A Practical Approach to Design, Implementation, and Management,” Sixth Edition, University of the west, Scotland, 2015.

Fajar Rohman Hariri , Risky Aswi Ramadhani, “Penerapan Data Mining menggunakan Association Rules untuk Mendukung Strategi Promosi Universitas Nusantara PGRI Kediri,” SNATIKA, Volume 04, hal 138-142, 2017

Domi Sepri , M. Afdal, “Analisa Dan Perbandingan Metode Algoritma Apriori Dan Fp-Growth Untuk Mencari Pola Daerah Strategis Pengenalan Kampus Studi Kasus Di Stkip Adzkia Padang”, Jurnal Sistem Informasi Kaputama (JSIK), Vol 1 No 1, Januari 2017.

Pete Chapman , Julian Clinton, Randy Kerber, Thomas Khabaza, Thomas Reinartz, Colin Shearer and Rüdiger Wirth “CRISP-DM 1.0 Step-by-step data mining guide,” The CRISP-DM consortium, Agustus 2000.

Jiawei Han, Micheline Kamber, Jian Pei Simon, “ Data Mining Concepts and Techniques,” Third Edition, Morgan Kaufmann Publishers, USA, 2012.




DOI: http://dx.doi.org/10.26798/jiko.v4i1.220

Article Metrics

Abstract view : 818 times
PDF - 960 times

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Copyright (c) 2019 Erna Hudianti Pujiarini

JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.