Penerapan Algoritma Support Vector Machine Untuk PenentuanKonsentrasi Mahasiswa Program Studi Manajemen UniversitasMuhammadiyah Makassar
DOI:
https://doi.org/10.26618/kdxvxa79Keywords:
Support Vector Machine (SVM), Konsentrasi, Mahasiswa, Klasifikasi.Abstract
Pemilihan konsentrasi merupakan aspek penting bagi mahasiswa program studi manajemen di
Universitas Muhammadiyah Makassar, terutama bagi mahasiswa semester enam. Program studi ini
menawarkan konsentrasi di bidang SDM, pemasaran, dan keuangan. Penelitian ini menggunakan
data set mahasiswa angkatan 2018 hingga 2021 dan menerapkan algoritma Support Vector Machine
(SVM) untuk menentukan konsentrasi yang tepat. Hasil penelitian menunjukkan bahwa model SVM
mencapai akurasi sebesar 70,55% dalam menentukan konsentrasi mahasiswa. Validasi dilakukan
dengan membandingkan hasil prediksi SVM dengan perhitungan manual menggunakan Microsoft
Excel. Kesamaan hasil antara metode SVM dan perhitungan manual menunjukkan bahwa model ini
berhasil mereplikasi keputusan manual dengan baik. Temuan ini mengindikasikan bahwa model
SVM dapat menggeneralisasi pola dari data training ke data testing dengan akurasi yang memadai.
Sistem ini dinilai andal dan efisien dalam proses pengambilan keputusan tanpa mengorbankan
akurasi, menunjukkan bahwa metode ini dapat diandalkan secara konsisten.
Downloads
References
B. Y. Wahyuningsih, R. Sugianto, and R. Wardiningsih, “Pelatihan Aktivitas Brain Gym Untuk Peningkatan Konsentrasi Mahasiswa Stmik Mataram,” Ed. J. Edukasi dan Sains, vol. 1, no.1, pp. 155–162, 2019, [Online]. Available: https://ejournal.stitpn.ac.id/index.php/edisi
P. M. Guarango, HUBUNGAN ANTARA KEBIASAAN SARAPAN PAGI DAN KONSENTRASI BELAJAR MAHASISWA FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA TAHUN ANGKATAN 2020, no. 8.5.2017. 2022.
A. Wenzel, “PENGARUH PERAN KELUARGA, PENGETAHUAN PERPAJAKAN DAN MOTIVASI KARIR TERHADAP MINAT MAHASISWA AKUNTANSI DALAM MEMILIH KONSENTRASI PERPAJAKAN,” SAGE Encycl. Abnorm. Clin. Psychol., vol. 6, no. 2, pp. 94–105, 2020, doi: 10.4135/9781483365817.n1278.
S. P. Dewi, N. Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 639–648, 2022, doi: 10.47065/bits.v3i4.1408.
L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Fakt. Exacta, vol. 13, no. 1, p. 35, 2020, doi: 10.30998/faktorexacta.v13i1.5548.
Y. Riadi Silitonga, Munawar, and I. Noor Hapsari, “Analisis Dan Penerapan Datamining Untuk Mendeteksi Berita Palsu (Fake News) Pada Social Media Dengan Memanfaatkan Modul Scikit Learn,” Undergrad. Theses Inf. Syst., 2019.
E. D. Madyatmadja, L. Kusumawati, S. P. Jamil, W. Kusumawardhana, S. Informasi, and U. B. Nusantara, “Infotech: journal of technology information,” Raden Ario Damar, vol. 7, no. 1, pp. 55–62, 2021.
V. Z. Kamila and E. Subastian, “KNN vs Naive Bayes Untuk Deteksi Dini Putus Kuliah Pada Profil Akademik Mahasiswa,” J. Rekayasa Teknol. Inf., vol. 3, no. 2, p. 116, 2019, doi: 10.30872/jurti.v3i2.3097.
N. L. P. C. Savitri, R. A. Rahman, R. Venyutzky, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, pp. 47–58, 2021, doi: 10.28932/jutisi.v7i1.3216.
A. D. Sidik and A. Ansawarman, “Prediksi Jumlah Kendaraan Bermotor Menggunakan Machine Learning,” Formosa J. Multidiscip. Res., vol. 1, no. 3, pp. 559–568, 2022, doi: 10.55927/fjmr.v1i3.745.
A. S. Syuhada, A. M. Simanullang, D. S. Lewa, and S. Jefry Marthin, “Makalah Pembelajaran Mesin ( Machine Learning ) Dosen Pengampu,” Makal. Pembelajaran Mesin (machine Learn. ), pp. 1–11, 2021.
A. C. Imanda, H. Nurul, and M. T. Furqon, “Klasifikasi Kelompok Varietas Unggul Padi Menggunakan Modified K-Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2392–2399, 2018, [Online]. Available: http://j-ptiik.ub.ac.id
F. A. D. Aji Prasetya Wibawa, Muhammad Guntur Aji Purnama, Muhammad Fathony Akbar, “Metode-metode Klasifikasi,” Pros. Semin. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, p. 134, 2018.
N. Nazira, Q. A’yuniyah, S. K. P. Loka, and ..., “Analisis Perbandingan Algoritma C.45 dan Support Vector Machine (SVM) untuk Klasifikasi Jurusan Siswa,” Semin. Nas. Penelit. dan Pengabdi. Masy., pp. 133–137, 2023, [Online]. Available: https://journal.irpi.or.id/index.php/sentimas/article/view/605%0Ahttps://journal.irpi.or.id/index.php/sentimas/article/download/605/349
B. I. Nugroho, N. A. Santoso, and A. A. Murtopo, “Prediksi Kemampuan Akademik Mahasiswa dengan Metode Support Vector Machine,” Remik, vol. 7, no. 1, pp. 177–188, 2023, doi: 10.33395/remik.v7i1.12010.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 ANDI RAODATUL ADAWIYAH RAMLI, ANDI RAODATUL ADAWIYAH RAMLI
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
