PREDIKSI MAHASISWA DROP OUT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Siti Nurhayati, Kusrini kusrini, Emha Taufiq Luthfi

Abstract


Abstrak
Tingginya tingkat keberhasilan mahasiswa dan rendahnya tingkat kegagalan mahasiswa dapat mencerminkan kualitas dari suatu perguruan tinggi. Salah satu indikator kegagalan mahasiswa adalah kasus drop out. Untuk mengatasi permasalah, dilakukan prediksi menggunakan metode support vector machine. Support Vector Machine berusaha mencari hyperplane yang optimal dimana dua kelas pola dapat dipisahkan dengan maksimal, parameter yang di gunakan pada Support Vector Machine hanya parameter kernel dalam satu parameter C yang memberikan pinalti pada titik data yang di klasifikasikan secara acak. Dalam Support Vector Machine bobot (w) dan bias (b) merupakan solusi global optium dari quadratic programming sehingga cukup dengan sekali running akan menghasilkan solusi yang akan selalu sama untuk pilihan kernel dan parameter yang sama. Melalui penerapan support vector machine diharapakan untuk mendapatkan parameter Support Vector Machine yang digunakan tepat untuk memperoleh margin terbaik dalam memprediksi mahasiswa drop out.

Kata Kunci— prediksi drop out, kernel, support vector machine, unified modeling language


Keywords


prediksi drop out; kernel; support vector machine; unified modeling language;

Full Text:

PDF

References


- Dekker, G.W., 2009, Prediction student drop out: A case study, USA, Academic Press, 2nd international Conference On Educational Data Mining, Cordoba, Spain.

- Hastuti, K., 2012, Analisis Komparasi Algoritma Klasifikasi Data Mining untuk Prediksi Mahasiswa Non Aktif, Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2012, ISBN 979-26-0255-0, 23 Juni 2012.

- Hidayat M. M., Purwitasari D., dan Ginardi H., 2013, Analisis Prdiksi DO Mahasiswa dalam Educational Data Mining menggunakan JaringanSyaraf Tiruan, Jurnal IPTEK Vol 17 No.2 Desember 2013.

- Sumarni, A., 2014, Kalsifikasi Data Nap (Nota Analisis Pembiayaan) untuk Prediksi Tingkat Keamanan Pemberian Kredikt (Studi Kasus : Bank Syariah Mandiri Cabang Luwuk Sulawesi Tengah), Tesis, Ilmu Komputer, Universitas Gajah Mada, Yogyakarta.

- Nugroho, 2008, SUPPORT VECTOR MACHINE: Paradigma Baru dalam softcomputing dan Aplikasinya, Konferensi Nasional Sistem & Informatika, Bali, 2008

- Santoso, B., 2007, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis, Graha Ilmu, Yogyakarta.

- Prasetyo, E.,2014, Data Mining Konsep dan Aplikasi Menggunakan MATLAB, Andi, Yogyakarta.

- Prasetyo, T. W. (2002). Analisis dan Desain Sistem Kontrol dengan MATLAB . Andi, Yogyakarta.

- Sugiarti, Y, 2013, Analisis & Perancangan UML (Unified Modeling Language) Generated VB.6, Graha Ilmu, Yogyakarta.

- Prasetyo, T. W. (2002). Analisis dan Desain Sistem Kontrol dengan MATLAB . Andi, Yogyakarta.

- Yasin, V., 2012, Rekayasa Perangkat Lunak Berorientasi Objek Pemodelan, Arsitektur, dan Perancangan (Modeling, Architecture and Desaign), Mitra Wacana Media.

- Darmawan, D, 2013, Metode Penelitian Kuantitatif, Remaja Rosdakarya, Bandung




DOI: http://dx.doi.org/10.30700/jst.v5i1.25

Article Metrics

Abstract view : 1127 times
PDF - 3592 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2015 SISFOTENIKA

Badan Pengelola Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (SISFOTENIKA) STMIK Pontianak.

 

Jurnal Ilmiah SISFOTENIKA terindex di :


   

   

  

    

    

    

   

 

 

 

ISSN Printed : 2087-7897

ISSN Online : 2460-5344


SERTIFIKAT PENGHARGAAN :

Jurnal Ilmiah SISFOTENIKA Terakreditasi Peringkat Empat

 

Partners & Co-Organizers:




Lisensi Creative Commons

Jurnal Ilmiah SISFOTENIKA: STMIK Pontianak Online Journal ISSN Printed (2087-7897) - ISSN Online (2460-5344) licensed under a Lisensi Creative Commons Atribusi 4.0 Internasional. Flag Counter

View My Stats>