1. Pendahuluan
NUPTK adalah Nomor Unik Pendidik dan Tenaga Kependidikan yang merupakan Nomor Registrasi bagi Pendidik dan Tenaga Kependidikan pada jenjang
Pendidikan Dasar dan Menengah baik Formal maupun Non Formal. Pembuatan NUPTK bertujuan untuk mendukung pemerintah dalam hal mengidentifikasi jumlah
pendidik dan tenaga kependidikan secara riil sebagai upaya menunjang ketersediaan data yang akurat dan mutakhir dalam mendukung perencanaan berbagai program,
analisa kebutuhan dan pemerataan tenaga pendidik serta pelaksanaan program dan kegiatan yang berkaitan dengan Peningkatan Mutu Pendidik dan Tenaga Kependidikan
di Indonesia. Setiap kebijakan yang berkaitan dengan program-program pemberdayaan, pemberian kesejahteraan dan peningkatan kompetensi, kualifikasi, peningkatan
profesionalisme, dan program sertifikasi yang diberikan oleh Pemerintah Pusat melalui Ditjen Peningkatan Mutu Pendidik dan Tenaga Kependidikan Depdiknas kepada
Pendidik dan Tenaga Kependidikan bersumber pada informasi yang diperoleh dari NUPTK
Data NUPTK yang dimiliki saat ini semakin lama semakin bertambah banyak. Jumlah data yang begitu besar justru dapat menjadi masalah jika tidak dapat
dimanfaatkan. Sehingga diperlukan usaha untuk memilah dan menggali data NUPTK yang dapat diolah menjadi informasi. Jika data NUPTK dibiarkan, maka data tersebut
hanya akan menjadi sampah yang tidak berarti dan tujuan pembangunan database NUPTK menjadi tidak tercapai. Oleh karena itu diperlukan sebuah pendekatan atau
metode pengolahan data yang mampu memilah dan memilih data yang besar, sehingga
dapat diperoleh informasi yang berguna bagi penggunanya.
Data Mining Penggalian Data didefinisikan sebagai sebuah proses untuk menemukan hubungan, pola dan trend baru yang bermakna dengan menyaring data
yang sangat besar, yang tersimpan dalam penyimpanan, menggunakan teknik pengenalan pola seperti teknik statistik dan matematika [4]. Hubungan yang dicari
dalam data mining dapat berupa hubungan antara dua atau lebih dalam satu dimensi, misalnya dalam dimensi produk, kita dapat melihat keterkaitan pembelian suatu produk
dengan produk yang lain. Selain itu hubungan juga dapat dilihat antara 2 atau lebih atribut dan 2 atau lebih obyek[5]. Untuk melakukan mining terhadap data NUPTK maka
dalam penelitian ini diusulkan sebuah algoritma untuk mencari kaidah aturan asosiasi untuk menemukan pola-pola data NUPTK yang digunakan untuk menunjang
pengambilan keputusan sertifikasi guru. Penggalian kaidah asosiasi mempunyai peranan penting dalam proses
pengambilan keputusan. Tahapan besar dari proses
Data Mining adalah mengidentifikasikan frequent itemset dan membentuk kaidah asosiasi dari itemset
tersebut. Kaidah asosiasi digunakan untuk menggambarkan hubungan antar item pada tabel data transaksional ataupun data relasional. Tapi semakin berkembangnya teknologi
komputer di dunia industri, semakin pesat pula perkembangan ukuran data yang dihasilkan. Dan pada data yang besar VLDB, Very Large Database tersebut, proses
pencarian frequent itemset sangatlah sulit. Dari kondisi tersebut, maka dalam penelitian ini diusulkan algoritma Apriori untuk mencari large itemset dari sebuah basis data.
Ide dasar paradigma apriori ini adalah dengan mencari himpunan kandidat dengan panjang k+1 dari sekumpulan pola frequent dengan panjang k, lalu
mencocokkan jumlah kemunculan pola tersebut dengan informasi yang terdapat dalam database.
Paradigma apriori yang dikembangkan oleh Agrawal dan Srikan 1994, yaitu anti-monotone Apriori Heuristic: Setiap pola dengan panjang pola k yang tidak
sering muncul tidak frequent dalam sebuah kumpulan data, maka pola dengan panjang k+1 yang mengandung sub pola k tersebut tidak akan sering muncul pula tidak
frequent [7]. Tujuan yang hendak dicapai dalam penelitian ini adalah Untuk menetapkan
pola-pola informasi penting yang tersembunyi dalam database NUPTK melalui penggunaan aturan assosiatif association rule untuk analisa penetapan sertifikasi guru
berdasarkan tingkat kecenderungan munculnya persyaratan sertifikasi yang terpenuhi secara bersama dalam database.
2. Tinjauan Literatur dan Metode 2.1. Mining Association R ule
Kategori