Aplikasi Cerdas Prediksi Kelulusan Mahasiswa Berbasis Website Menggunakan Metode Support Vector Machine (SVM)
DOI:
https://doi.org/10.37859/jf.v15i1.8767
Abstract
Kelulusan mahasiswa merupakan salah satu indikator penting bagi perguruan tinggi dalam akreditasi dan pemaksimalan kemampuan mahasiswa. Selain itu, penanganan yang terlambat membuat indikator ini sulit dicapai dan berdampak pada berbagai hal. Penelitian ini bertujuan untuk mengembangkan website model prediksi kelulusan mahasiswa menggunakan metode Support Vector Machine (SVM). Data yang digunakan mencakup berbagai fitur, seperti umur, jenis kelamin, status pekerjaan, riwayat cuti, dan Indeks Prestasi Semester (IPS) dari semester 1 hingga 4. Proses analisis meliputi normalisasi data, oversampling untuk mengatasi ketidakseimbangan kelas. Evaluasi model menggunakan teknik cross-validation dan confusion matrix. Hasil evaluasi menunjukkan bahwa model SVM mencapai rata-rata akurasi sebesar 97,21%. Temuan ini menunjukkan bahwa model yang dikembangkan dapat diandalkan untuk memprediksi kelulusan mahasiswa, memberikan kontribusi signifikan terhadap pengelolaan akademik di institusi pendidikan tinggi.
Downloads
References
Asril, “Membangun SDM Indonesia Yang Berkualitas Melalui Pendidikan Tinggi Dan Pendidikan Vokasi,” Kemenko pmk. Accessed: Jan. 04, 2025. [Online]. Available: https://www.kemenkopmk.go.id/membangun-sdm-indonesia-yang-berkualitas-melalui-pendidikan-tinggi-dan-pendidikan-vokasi
I. Riadi, R. Umar, and R. Anggara, “Prediksi Kelulusan Tepat Waktu Berdasarkan Riwayat Akademik Menggunakan Metode K-Nearest Neighbor,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 2, pp. 249–256, Apr. 2024, doi: 10.25126/jtiik.20241127330.
batvokasi, “Permendikbud No.53 Tahun 2023: Mahasiswa Tahun Pertama Maksimum Ambil 20 SKS,” UniversitasDiponegoro. Accessed: Jan. 12, 2025. [Online]. Available: https://bat.vokasi.undip.ac.id/2024/01/12/permendikbud-no-53-tahun-2023-mahasiswa-tahun-pertama-maksimum-ambil-20-sks/?utm_source=chatgpt.com
S. Rachardian, E. Sediyono, F. “Prediksi kelulusan tepat waktu mahasiswa untuk pemantauan program studi menggunakan metode data mining,” AITI: Jurnal Teknologi Informasi, vol. 21, no. 2, pp. 168–182, 2024. doi: 10.24246/aiti.v21i2.168-182
A. Darmawan Sidik, A. Ansawarman, K. Kunci, J. Kendaraan Bermotor, M. Regresi, and F. Jalan, “Prediksi Jumlah Kendaraan Bermotor Menggunakan Machine Learning,” Formosa Journal of Multidisciplinary Research (FJMR), vol. 1, no. 3, pp. 559–568, 2022, doi: 10.55927.
Satrio Junaidi, R. Valicia Anggela, and D. Kariman, “Klasifikasi Metode Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa dengan Algoritma Naïve Bayes, Random Forest, Support Vector Machine (SVM) dan Artificial Neural Nerwork (ANN),” Journal of Applied Computer Science and Technology, vol. 5, no. 1, pp. 109–119, Jun. 2024, doi: 10.52158/jacost.v5i1.489.
M. A. Sadat, Pujiono, A. Pambudi, and S. Ibad, “COMPARISON OF ALGORITHM BETWEEN CLASSIFICATION & REGRESSION TREES AND SUPPORT VECTOR MACHINE IN DETERMINING STUDENT ACCEPTANCE IN STATE UNIVERSITIES,” JUTIF, vol. 4, no. 6, pp. 1589–1604, Jan. 2024.
Hidayatunnisa’i, Kusrini, dan Kusnawi, “Perbandingan Kinerja Metode Naïve Bayes dan Support Machine (SVM) dalam Analisis Kualitas Butir Soal,” Jurnal FASILKOM, vol. 13, no. 2, pp. 165–172, Aug. 2023, doi: 10.37859/jf.v13i02.5087.
R. Firdaus, R. A. Hariri, and H. F. Amran, “Sentimen Analisis Masyarakat Tentang Penetapan Hari Raya Idul Adha Tahun 2023 Pada Video Youtube Menggunakan Algoritma Random Forest dan Support Vector Machine,” FASILKOM, vol. 14, no. 1, pp. 278–285, Apr. 2024, doi: 10.37859/jf.v14i1.7012.
Y. Nursyafti and W. Purwanto, “Faktor-Faktor Penghambat Kelulusan Tepat Waktu Mahasiswa D3 Jurusan Teknik Otomotif Fakultas Teknik Universitas Negeri Padang Tahun Masuk 2016 dan 2017.”
A. Fatkhudin, M. Y. Febrianto, F. A. Artanto, M. Waffa, N. Hadinata, and R. Fahlevi, “ALGORITMA DECISION TREE C.45 DALAM ANALISA KELULUSAN MAHASISWA PROGRAM STUDI MANAJEMEN INFORMATIKA UMPP,” vol. 8, no. 2, 2022, [Online]. Available: http://ejournal.fikom-unasman.ac.id
Y. Damayanti, “Pola Komunikasi Dosen Pembimbing dengan Mahasiswa dalam Penyelesaian Tugas Akhir di Masa Pandemi (Studi di Program Studi Ilmu Komunikasi Universitas Peradaban),” jkp, vol. 1, no. 1, pp. 19–28, Feb. 2023.
Ardiansyah, Risnita, & Jailani, M. S. (2023). “Teknik Pengumpulan Data Dan Instrumen Penelitian Ilmiah Pendidikan Pada Pendekatan Kualitatif dan Kuantitatif”. IHSAN : Jurnal Pendidikan Islam, 1(2), 1–9. Doi: 10.61104/ihsan.v1i2.57
H. M. Marin-Castro and E. Tello-Leal, “Event log preprocessing for process mining: A review,” Nov. 01, 2021, MDPI. doi: 10.3390/app112210556.
R. Al Ghivary, N. Wulandari, N. Srikandi, and A. M. Nazilatul F, “PERAN VISUALISASI DATA UNTUK MENUNJANG ANALISA DATA KEPENDUDUKAN DI INDONESIA,” 2023.
M. Dzulhi Raihan, N. Agitha, A. Yudo Husodo, F. Bimantoro, and B. Rabbani, “PENGUJIAN MULTIPLATFORM PADA APLIKASI NTB MALL (Multiplatform Testing on the NTB Mall Application).” [Online]. Available: http://begawe.unram.ac.id/index.php/JBTI/
A. M. Ujung, M. Irwan, and P. Nasution, “Pentingnya Sistem Keamanan Database untuk melindungi data pribadi,” JISKA: Jurnal Sistem Informasi Dan Informatika, vol. 1, no. 2, p. 44, 2023, [Online]. Available: http://jurnal.unidha.ac.id/index.php/jteksis
L. San and S. Gischa, “Pengertian Endcoding dan Decoding dalam Komunikasi,” kompas.com. Accessed: Jan. 20, 2025. [Online]. Available: https://www.kompas.com/skola/read/2022/09/27/143000269/pengertian-endcoding-dan-decoding-dalam-komunikasi
R. N. Irawan, K. M. Hindrayani, and M. Idhom, “Penerapan Cross Validation sebagai Analisis Sentimen Pelayanan Publik Kereta Api Lokal Daop 8 Menggunakan Metode Multinomial Naïve Bayes,” G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 2, pp. 954–963, Apr. 2024, doi: 10.33379/gtech.v8i2.4117.
Downloads
Published
Issue
Section
License
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
_(1).png)
