Perkembangan teknologi informasi dapat dimanfaatkan untuk membantu proses pengambilan keputusan, salah satunya dalam penjurusan peserta didik baru di tingkat SMK. Penempatan jurusan yang tidak tepat dapat berdampak pada ketidaksesuaian antara jurusan yang diambil dan arah karir lulusan. Oleh karena itu, diperlukan analisis berbasis data untuk mengidentifikasi pola peminatan jurusan yang umum dipilih oleh peserta didik. Penelitian ini menggunakan algoritma Apriori dan FP-Growth untuk menemukan keterhubungan antar pilihan jurusan berdasarkan nilai support dan confidence dari setiap kombinasi data. Parameter yang digunakan dalam proses mining adalah minimum support sebesar 10% dan minimum confidence sebesar 60%. Data yang digunakan merupakan pilihan jurusan peserta didik baru di SMK Karya Guna Jakarta, serta dilengkapi dengan data tracing alumni tahun 2023 untuk memperkuat relevansi hasil. Hasil penelitian menunjukkan bahwa kedua algoritma menghasilkan 23 aturan asosiasi, dengan aturan terbaik pada Apriori memiliki support 18%, confidence 52%, dan lift ratio 1,04. Sementara itu, FP-Growth menghasilkan aturan terbaik dengan support 12%, confidence 32%, dan lift ratio tertinggi sebesar 1,07. Selain itu, algoritma FP- Growth menunjukkan kekuatan asosiasi yang lebih tinggi dibandingkan Apriori, meskipun waktu prosesnya sedikit lebih lambat dalam pengujian. Hasil dari penelitian ini dapat menerapkan pola pemilihan pemintan penjurusan peserta didik yang lebih tepat sasaran, efektif, dan relevan dengan kebutuhan dunia kerja masa kini.

S12166

INF 0193 2025

Bekasi

Tersedia