Implementasi Algoritma Support Vector Machine (SVM) Dalam Memprediksi Kelulusan Jalur Masuk Perguruan Tinggi Banda Aceh (Studi Kasus Mahasiswa Baru Tahun Ajaran 2019).

Pendidikan tinggi merupakan salah satu lembaga untuk mempersiapkan peserta didik menjadi anggota masyarakat yang bisa memenuhi kebutuhan masyarakat dalam berbagai bidang. Hal tersebut menyangkut dengan perubahan UU pendidikan tinggi tentang penerimaan mahasiswa baru. Saat ini ada beberapa jenis jalur masuk penerimaan mahasiswa baru di perguruan tinggi. Banyak cara yang bisa dipersiapkan oleh setiap calon mahasiswa untuk bisa lulus ujian seleksi masuk PTN. Oleh karena itu peneliti ingin memprediksi kelulusan jalur masuk perguruan tinggi dengan metode klasifikasi menggunakan algoritma SVM yang dibantu dengan machine learning WEKA, menggunakan data mahasiswa baru tahun ajaran 2019. Hasil akhir pada penelitian ini terdapat dua variabel yang memiliki hubungan paling baik yaitu variabel bimbel seleksi masuk PTN dan variabel jalur minat,dengan variabel bimbel seleksi masuk PTN memiliki nilai pearson correlation sebesar -0,180** dan nilai signifikansi sebesar 0,002, jalur minat memiliki nilai akurasi sebesar 0,311** dan nilai signifikansi sebesar 0,000. Kemudian berdasarkan hasil pengujian cross-validation dan percentage split algoritma SVM memiliki akurasi yang sangat baik dengan rata-rata akurasi mencapai 99% dengan nilai AUC (Area Under Curve) sebesar 0.9907 dan waktu konsumsi yang dibutuhkan untuk pengujian hanya sebesar 0.01-0.02 second.