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

Marhamah, 160212034 (2020) Implementasi Algoritma Support Vector Machine (SVM) Dalam Memprediksi Kelulusan Jalur Masuk Perguruan Tinggi Banda Aceh (Studi Kasus Mahasiswa Baru Tahun Ajaran 2019). Skripsi thesis, UIN Ar-Raniry Banda Aceh.

[img]
Preview
Text (Implementasi Algoritma Support Vector Machine Dalam Memprediksi Kelulusan Jalur Masuk Perguruan Tinggi Banda Aceh)
Marhamah, 160212034, FTK, PTI, 085361146107.pdf - Published Version
Available under License Creative Commons Attribution.

Download (3MB) | Preview

Abstract

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.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing 1. Bustami, M.Sc 2. Hendri Ahmadian,S.Si.,M.I.M
Uncontrolled Keywords: Jalur Masuk PTN, Data Mining, Klasifikasi ,Evaluasi, WEKA, SVM, Cross-Validation, Percentage Split.
Subjects: 000 Computer Science, Information and System > 001 Knowledge
000 Computer Science, Information and System > 001 Knowledge > 001.1 Kehidupan Intelektual
Depositing User: 160212034 Marhamah
Date Deposited: 03 Sep 2020 05:12
Last Modified: 03 Sep 2020 05:12
URI: https://repository.ar-raniry.ac.id/id/eprint/13444

Actions (login required)

View Item View Item
TOP