Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer

Prediksi Kemampuan Akademik Mahasiswa dengan Metode Support Vector Machine Bangkit Indarmawan Nugroho; 2Nugroho Adhi Santoso; Aang Alim Murtopo
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 7 No. 1 (2023): Volume 7 Nomor 1 Januari 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v7i1.12010

Abstract

Indikator yang digunakan untuk mengukur keberhasilan pelaksanaan pendidikan di perguruan tinggi adalah kinerja/kemampuan akademik (academic performance) mahasiswa, yang dapat diukur dari prestasi akademik (academic achievement) mahasiswa yaitu berdasarkan capaian nilai (grade), yang di Indonesia disebut dengan IPK (Indeks Prestasi Kumulatif). Penelitian ini bertujuan untuk membuat sebuah pemodelan dengan menggunakan metode support vector machine untuk mengklasifikasikan dan memprediksi kemampuan akademik mahasiswa berdasarkan faktor demografi, multiple intelligence, dan learning style yang ia miliki.Metode support vector machine memiliki karakteristik khusus yaitu berusaha mencari hyperplane terbaik (maximal margin hyperplane) yang berfungsi sebagai pemisah dua buah class pada input space. Proses klasifikasi dilakukan dengan cara melakukan pembelajaran terhadap data training. Pada kenyataannya, dataset hampir selalu bersifat nonlinear, sehingga dalam proses pembelajaran data training memerlukan fungsi kernel. Hasil pembelajaran kemudian diujikan ke dalam data uji sehingga bisa menghasilkan nilai akurasi. Dalam penelitian ini digunakan fungsi kernel polynomial ordinal-2, dan hasil yang diperoleh menghasilkan nilai akurasi yang cukup tinggi yaitu 92.5% yang menunjukkan hubungan yang signifikan antara faktor demografi, multiple intelligence, dan learning style terhadap kemampuan akademik mahasiswa yang diklasifikasikan ke dalam dua kelas, potensial dan tidak potensial. Hasil lainnya menunjukkan bahwa di antara ketiga faktor tersebut, faktor multiple intelligence memiliki tingkat signifikansi tertinggi terhadap kemampuan mahasiswa Kata Kunci: support vector machine, demografi, multiple intelligence, learning style, fungsi kernel