PERBANDINGAN ALGORITMA APRIORI DAN ECLAT DALAM ANALISIS POLA SKRIPSI MAHASISWA

Pemanfaatan data judul skripsi mahasiswa Teknik Informatika yang melimpah belum dioptimalkan, sehingga menyulitkan mahasiswa menentukan topik yang relevan dan menarik. Analisis pola frekuensi dapat mengidentifikasi tren dan potensi pengembangan topik baru. Penelitian ini membandingkan kinerja algoritma Apriori dan ECLAT dalam menganalisis pola frekuensi 545 judul skripsi dari berbagai tahun. Analisis dilakukan untuk mengidentifikasi topik, metode, dan output yang sering digunakan. Data diproses melalui tahap preprocessing untuk memastikan konsistensi dan kualitas dataset. Algoritma Apriori menggunakan pendekatan breadth-first search, sedangkan ECLAT memanfaatkan depth-first search dengan struktur data vertikal. Hasilnya menunjukkan kedua algoritma menghasilkan jumlah aturan asosiasi yang sama dengan rata-rata confidence 0,82 dan lift ratio 2,91. Namun, ECLAT lebih cepat dalam eksekusi (0,007 detik dibandingkan 0,008 detik), sementara Apriori lebih hemat memori (38 KB dibandingkan 198 KB). Analisis ini juga mengungkapkan bahwa sistem berbasis website dan prototipe merupakan output yang paling dominan, sementara banyak judul tidak skripsi yang tidak menyebutkan metode atau algoritma yang mereka gunakan melainkan hanya focus ke system. Hasil penelitian ini dapat membantu pihak prodi dalam memberikan gambaran kepada mahasiswa mengenai topik skripsi yang sesuai, serta mendukung mahasiswa dalam memilih judul, output, dan metode yang tepat berdasarkan tren sebelumnya dari hasil analisis data.