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

Abstract

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.