Implementasi Algoritme Support Vector Machine (SVM) Untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa
| Main Author: | Pratama, Arif |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/2607/1/Pratama%2C%20Arif.pdf http://repository.ub.ac.id/2607/ |
Daftar Isi:
- Lulus tepat waktu adalah keinginan semua mahasiswa. Pada kenyataannya tidak seperti yang diharapkan banyak mahasiswa yang lulus lebih dari 4 tahun. Sehingga diperlukan penerapan prediksi kelulusan mahasiswa yang dapat mengklasifikasikan data prediksi kelulusan berdasarkan parameterparameter yang telah ditentukan. Karena itu diperlukan penerapan sistem cerdas untuk dapat mengklasifikasikan data prediksi kelulusan mahasiswa berdasarkan parameternya. Algoritme Support Vector Machine (SVM) mengklasifikasikan data menjadi 2 kelas menggunakan kernel Gaussian RBF dengan kombinasi nilai parameter λ = 0,5, konstanta γ = 0,01, dan ε (epsilon) = 0,001 itermax = 100, c = 1 dengan menggunakan data latih sebanyak 170 dataset. Penelitian ini menghasilkan rata-rata akurasi sebesar 80,55 %.