Implementasi Metode Support Vector Machine (SVM) Pada Klasifikasi Drop Out (DO) Mahasiswa

Rahmad Hidayat

Sari


Politeknik Negeri Lhokseumawe merupakan salah satu perguruan tinggi vokasi di Indonesia yang menghadapi tantangan untuk meminimalisir angka putus kuliah. Drop out dapat terjadi karena beberapa faktor seperti dua kali berturut-turut tidak lulus percobaan setiap semester, IPK kurang dari 2.00, tidak lulus di akhir semester, melebihi batas cuti, dan kehadiran kurang dari 50%. Oleh karena itu, penerapan model klasifikasi dengan menggunakan algoritma machine learning yaitu Support Vector Machine (SVM) sangat penting dilakukan untuk mengurangi jumlah mahasiswa yang putus kuliah di Politeknik Negeri Lhokseumawe. Algoritma ini akan mengolah dataset yang meliputi nilai IPS, IPK, kehadiran, dan jumlah cuti mahasiswa. Hasil pengujian metode SVM menunjukkan akurasi sebesar 86%. Untuk kelas non-drop out, nilai precision sebesar 0.95 dan nilai recall sebesar 0.86, sedangkan untuk kelas drop out, nilai precision sebesar 0.71 dan nilai recall sebesar 0.89. Dengan adanya sistem klasifikasi drop out yang diusulkan, diharapkan dapat mengidentifikasi status mahasiswa apakah berpotensi drop out atau tidak secara akurat. Hal ini bertujuan untuk mengetahui keakuratan algoritma SVM pada penelitian ini.


Kata Kunci


Drop Out, Sistem Klasifikasi, SVM

Referensi


Ahmad Roihan, Po Abas Sunarya, Ageng Setiani Rafika. 2019. “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper.” IJCIT (Indonesian Journal on Computer and Information Technology) V: 75-82.

ANBUSELVAN SANGODIAH, PRASHANTH BELEYA, MANORANJITHAM MUNIANDY, LIM EAN HENG, CHARLES RAMENDRAN SPR. 2015. “MINIMIZING STUDENT ATTRITION IN HIGHER LEARNING INSTITUTIONS IN MALAYSIA USING SUPPORT VECTOR MACHINE.” Journal of Theoretical and Applied Information Technology Vol 71 No 3 2015 LXXI: 377-385.

Arif Rinaldi Dikananda, Odi Nurdiawan, Ahmad Faqih, Agus Surip, Dias Bayu Saputra. 2022. “Estimasi Kemampuan Computational Thingking Pemain Game Dota Dua Menggunakan Teknik Machine Learning.” JURIKOM (Jurnal Riset Komputer) V.

Faozi, Khanif. 2022. “Optimasi Algoritma C4.5 dengan Fuzzy Inference System Mamdani dalam Memprediksi Mahasiswa Berpotensi Dropout.” Scientia Sacra: Jurnal Sains, Teknologi dan Masyarakat Vol. 2 No. 3, September 2022 II: 272-280.

Illa Ilmiah, Triyo Utomo. 2020. “Hubungan Self Confidence Dengan Adversity Quotient Pada Mahasiswa Pasca Drop Out di Universitas Trunojoyo Madura.” Jurnal Ilmu Psikologi XI: 34-48.

Jumeilah, Fithri Selva. 2017. “Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian.” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) I: 19-25.

Laksamana Rajendra Haidar, Eko Sediyono, Ade Iriani. 2019. “ANALISA PREDIKSI MAHASISWA DROP OUT MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA ID3 dan C4.5.” TRANSFORMATIKA, Vol.17, 2019 XIVII: 97-106.

Muhammad Arifin, MPd. 2017. “STRATEGI MANAJEMEN PERUBAHAN DALAM MENINGKATKAN DISIPLIN DI PERGURUAN TINGGI.” Jurnal EduTech Vol. 3 No. 1 Maret 2017 III: 117-132.

MUHAMMAD ICHWAN, IRMA AMELIA DEWI, ZENI MUHAROM S. 2018. “Klasifikasi Support Vector Machine (SVM) Untuk Menentukan Tingkat Kemanisan Mangga.” MIND Journal III: 16-24.

Putra, Ade. 2017. “SOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA.” Jurnal SIMETRIS, Vol 8 No 1 April 2017 VIII: 177.

S, Nugroho Dwi. 2015. “Penerapan Algoritma Support Vector Machine untuk Prediksi Harga Emas.” Jurnal Informatika UPGRIS I: 10-19.

Sartika Dewi Purba, Leliana Harahap, Jonas Franky R Panggabean. 2022. “PREDICTION OF STUDENTS DROP OUT WITH SUPPORT VECTOR MACHINE ALGORITHM.” Jurnal Mantik VI: 582-586.

Siti Nurhayati, Kusrini, Emha Taufiq Luthfi. 2015. “PREDIKSI MAHASISWA DROP OUT MENGGUNAKAN METODE SUPPORT VECTOR.” Jurnal Ilmiah SISFOTENIKA V: 82-93.

Triana Melinda Sinaga, S.Kom. 2020. “APLIKASI PENGELOMPOKAN MAHASISWA POTENSIAL DROP OUT PADA STMIK TIME.” JURNAL TIIMES IX: 33-39.

Ummiy Fauziyah Laili, Choiru Umatin, M. Ubaidillah Ridwanulloh. 2023. “ANALISIS POTENSIAL DROP OUT MAHASISWA DENGAN K-MEANS++ CLUSTERING DALAM UPAYA PENINGKATAN KUALITAS IAIN KEDIRI.” Paedagoria : Jurnal Kajian, Penelitian dan Pengembangan Kependidikan Vol. 14, No. 2, April 2023 XIIV: 145-153.




DOI: http://dx.doi.org/10.30811/jim.v9i2.5931

Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##