Fp-Tree Assosiasi Rule Mining Pola Pemetaan Wilayah Promosi Kampus UMBP Upaya Mengefesiensikan Waktu dan Biaya

Authors

  • Lismardiana Sembiring Universitas Mandiri Bina Prestasi
  • Jaidup Banjarnahor Universitas Mandiri Bina Prestasi
  • Jimmy Peranginangin Universitas Mandiri Bina Prestasi

DOI:

https://doi.org/10.53513/jis.v24i1.10724

Keywords:

Assosiasi Rule Mining, FP_Tree, Promosi, UMBP

Abstract

Setiap Perguruan Tinggi perlu melakukan branding untuk meningkatkan jumlah mahasiswa mendaftar masuk ke Perugruan TInggi. Untuk mempersiapkan rencana promosi yang akan dilakukan setiap tahunnya oleh tim promosi universitas Mandiri Bina Prestasi (UMBP), Hal ini sesuai dengan arahan Yayasan UMBP dan Rektor UMBP untuk melakukan promosi setiap tahunnya. kegiatan promosi yang dilakukan tim promosi setiap tahunnya terdapat ±250 nama nama sekolah yang harus dikunjungi setiap tahunnya baik itu wilayah dalam kota maupun luar kota. Dengan jumlah yang cukup banyak tidak semua sekolah sekolah yang di daftar list kunjungan promosi dapat dijalani, disebabkan karena beberapa hal yaitu: dari segi waktu  adanya kekurangan tenaga personil tim promosi dan biaya promosi yang cukup tinggi. Untuk mengatasi hal ini tim peneliti dosen UMBP membuat terobosan baru dengan menganalisa tentang lokasi kota dan nama sekolah untuk menjadi rekomendasi daftar kunjungan promosi prioritas. Untuk mengolah data promosi digunakan metode Assosiasi rule mining dengan FP_Tree. Dari pengolahan data yang dihasilkan terdapat untuk nama sekolah:[ SMAN 15 , SMKN10,SMA N1 LAHUSA ] nilai min support 3%, dan 53% nilai min conffidence.untuk kota lokasi promosi [kota Medan, dan Kota Nias] dengan nilai min support 53% dan 70%. Nama sekolah dan lokasi sekolah/kota ini yang akan di prioritas untuk dikunjungi oleh tim promosi UMBP. Dengan adanya pola pemetaan promosi ini dapat memangkas biaya promosi sebesar 50% dari anggaran sebelumnya dan mampu memberikan informasi daftar list kunjungan yang valid serta mampu juga  mengefesiensikan dari segi waktu dalam melakukan kegiatan promosi.

Author Biographies

Lismardiana Sembiring, Universitas Mandiri Bina Prestasi

Teknik Informatika

Jaidup Banjarnahor, Universitas Mandiri Bina Prestasi

Teknik Informatika

Jimmy Peranginangin, Universitas Mandiri Bina Prestasi

Teknik Informatika

References

F. Fitriani, N. Lelawati, and S. R. Rahayu, “Strategi Promosi Penerimaan Mahasiswa Baru (Penmaru) Um Metro,” J. Lentera Pendidik. Pus. Penelit. Lppm Um Metro, vol. 6, no. 2, p. 155, 2021, doi: 10.24127/jlpp.v6i2.1809.

Y. Setyanto, P. T. Anggarina, and A. Valentina, “Branding yang Dilakukan Humas pada Perguruan Tinggi Swasta,” J. Muara Ilmu Sos. Humaniora, dan Seni, vol. 1, no. 1, p. 171, 2017, doi: 10.24912/jmishumsen.v1i1.347.

I. Irwan, “Strategi Promosi Dengan Algoritma FP-Groowth (Studi Kasus di Universitas Harapan Medan),” INTECOMS J. Inf. Technol. Comput. Sci., vol. 3, no. 1, pp. 76–81, 2020, doi: 10.31539/intecoms.v3i1.1338.

I. Zufria, “Penentuan Potensi Lokasi Promosi Calon Mahasiswa Baru Perguruan Tinggi Swasta Berbasis Ahp (Analytical Hierarchy Process),” JISTech, vol. 3, no. 1, 2018.

S. H. Saputro and H. Hengki, “Analisis Pengaruh Biaya Perkuliahan, Biaya Promosi dan Faktor Eksternal (Uncontrollable) Terhadap Penerimaan Jumlah Mahasiswa Baru di Kampus STMIK Atma Luhur Pangkalpinang,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 5, no. 1, pp. 8–13, 2016, doi: 10.32736/sisfokom.v5i1.193.

L. Sembiring, A. Pinem, and J. Perangingangin, “FP _ Tree Patterns of Using Social Media ( Social Media ) in E-Commerce Transactions,” vol. 13, no. 03, pp. 1055–1064, 2023.

W. Tarigan, L. Sembiring, H. Silalahi, and I. Sembiring, “Mapping patterns of the spread of covid-19 in medan city in efforts to improve health service actions to communities exposed to the covid-19 virus Using the apriori algorithm method,” vol. 5, no. 36, pp. 1294–1304, 2021.

A. Sentimen, T. Opini, M. Terkait, and P. Daring, “Sentiment Analysis Of Student Opinion Related To Online Learning Using Naïve Bayes Classifier Algorithm And SVM With Adaboost On Twitter Social Media,” vol. 20, no. 2, pp. 187–201, 2023, doi: 10.31515/telematika.v20i2.8827.

A. Nugroho Susanto Putro and R. Indra Gunawan, “Implementasi Algoritma FP-Growth untuk Strategi Pemasaran Ritel Hidroponik (Studi Kasus : PT. HAB),” J. Buana Inform., vol. 10, no. 1, pp. 11–18, 2019.

A. R. Wibowo and A. Jananto, “Implementasi Data Mining Metode Asosiasi Algoritma FP-Growth Pada Perusahaan Ritel,” Inspir. J. Teknol. Inf. dan Komun., vol. 10, no. 2, p. 200, 2020, doi: 10.35585/inspir.v10i2.2585.

T. Marzuqah, I. Permana, and M. Afdal, “Penerapan Algoritma FP-Growth Pada Pencarian Hubungan Waktu Pembelian Dan Barang yang Dibeli Untuk Strategi Promosi Penjualan,” vol. 10, no. 3, 2023, doi: 10.30865/jurikom.v10i3.6347.

S. Lismardiana, T. Thamrin, and T. Wanra, Data Mining Implementasi Algoritma Apriori dan FP_Growth. Eureka Media Aksara, 2022.

W. N. Setyo and S. Wardhana, “Implementasi Data Mining Pada Penjualan Produk Di Cv Cahaya Setya Menggunakan Algoritma Fp-Growth,” Petir, vol. 12, no. 1, pp. 54–63, 2019, doi: 10.33322/petir.v12i1.416.

S. P. Tamba, A. W. Tan, Y. Gunawan, and A. Andreas, “Penerapan Data Mining Untuk Pembuatan Paket Promosi Penjualan Menggunakan Kombinasi Fp-Tree Dan Tid-List,” J. Tek. Inf. dan Komput., vol. 4, no. 2, p. 201, 2021, doi: 10.37600/tekinkom.v4i2.309.

Y. Li and S. Yin, “Mining Algorithm for Weighted FP-Growth Frequent Item Sets based on Ordered FP-Tree,” Int. J. Eng. Manag. Res., vol. 09, no. 05, pp. 154–158, Oct. 2019, doi: 10.31033/ijemr.9.5.22.

B. Mulyawan, Vionelsy, and T. Sutrisno, “Product recommendation system on building materials shopping using FP-Growth algorithm,” IOP Conf. Ser. Mater. Sci. Eng., vol. 1007, no. 1, 2020, doi: 10.1088/1757-899X/1007/1/012144.

T. Liu, “The New Algorithms of Weighted Association Rules based on Apriori and FP-Growth Methods,” TELKOMNIKA Indones. J. Electr. Eng., vol. 12, no. 5, pp. 4071–4078, 2014, doi: 10.11591/telkomnika.v12i5.4770.

Downloads

Published

2025-02-28