METODE SUPPORT VECTOR MACHINE (SVM) UNTUK MEMPREDIKSI MASA STUDI MAHASISWA IST AKPRIND YOGYAKARTA

Abstract

Salah satu metode statistik dalam data mining yang digunakan untuk
mengklasifikasikan antar dua kelas adalah metode Support Vector Machine dengan
memisahakan dua kelas data berdasarkan garis hyperplane optimum dengan cara
memaksimalkan margin untuk meminimalkan error, dalam kasus dunia nyata sering
ditemukan kesulitan dalam memisahkan dua kelas secara linier sehingga perlu
digunakan sebuah kernel untuk dapat memisahkan data secara linier seperti kernel RBF,
Linear, Polynomial.
Penelitian ini membahas masa studi mahasiswa lulusan IST Akprind pada tahun
2015-2017 dengan menggunakan metode Support Vector Machine. Metode ini
berfungsi untuk melihat klasifikasi ketepatan masa studi mahasiswa dan memprediksi
masa studi yang akan dilalui mahasiswa berdasarkan variabel prediktor jenis kelamin
(X1), asal daerah (X2), jalur masuk (X3) , nilai indeks prestasi semester 2 (IPS 2) (X4),
dan fakultas (X5). Dengan variabel dependen masa studi dikategorikan menjadi dua
yaitu 1 dan -1. Dengan nilai 1 menyatakan tepat waktu apabila masa studi 8 semester
dan nilai -1 menyatakan tidak tepat apabila 8 semester .Berdasarkan data yang tersedia
diperoleh bahwa 93% mahasiswa menjalani masa studinya tidak tepat waktu dan 7%
dapat menyelesaikan tepat waktu. 

Dari hasil analisis klasifikasi didapatkan bahwa model terbaik adalah model
klasifikasi support vector machine dengan menggunakan kernel linier dengan parameter
cost (C) sebesar 0.1 dan error sebesar 0.126193. peramalan yang dihasilkan bahwa
seluruh mahasiswa akan menempuh masa studi lebih dari 4 tahun.
Kata kunci: Masa Studi, Support Vector Machine, Kernel (RBF, Linear, Polynomial)