PREDIKSI KELULUSAN TEPAT WAKTU MENGGUNAKAN ALGORITMA SVM DAN K-NEAREST NEIGHBOUR BERBASIS PARTICLE SWARM OPTIMIZATION DI STMIK ERESHA

Imam Hidayat

Sari


Kelulusan mahasiswa bagi suatu perguruan tinggi menjadi elemen penting untuk penilaian akreditasi. Kelulusan tepat waktu untuk pencapaian gelar magister membutuhkan waktu normal selama 2 tahun atau 4 semester, namun pada kenyataannya banyak mahasiswa yang lulus tidak tepat waktu. Banyak faktor yang menyebabkan ketidaktepatan waktu kelulusan antara lain bersumber dari faktor internal dan faktor external. Pada penelitian ini telah diterapkan  metode klasifikasi dengan algortima Support Vector Machine dan K-Nearest Neighbour berbasis Particle Swarm Optimization untuk mencari metode yang terbaik dalam mengkalisifikasi data mahasiswa di STMIK Eresha. Terkait atribut yang digunakan adalah IPS (Indek Prestasi Sementara), SKS (Satuan Kredit Semester) lulus, usia, asal perguruan tinggi, status mahasiswa, status pernikahan dan status pekerjaan mahasiswa. Hasil penelitian ini menunjukan bahwa algoritma terbaik  antara algoritma  SVM dan K-NN  yaitu algoritma  K-NN dengan  nilai k-7 dengan  nilai akurasi 78,73%, sedangkan algortima SVM sebesar 73,41% dan setelah penambahan algortima PSO akurasi terbaik terdapat pada nilai K-9 dengan akurasi 80,21% dengan penambahan nilai akurasi sebesar 1,48 %. Hasil penelitian ini menunjukan bahwa algortima K-NN menjadi algoritma yang tepat dibandingkan dengan algortima SVM untuk memprediksi kelulusan tepat waktu di STMIK Eresha.

 


Kata Kunci


Kelulusan tepat waktu, Prediksi, SVM, K-NN, PSO

Teks Lengkap:

PDF

Refbacks

  • Saat ini tidak ada refbacks.


Ristek Dikti
Ristek Dikti
Google Scholar
Mendeley
ID Orcid
Sinta Dikti