PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE PADA DATASET KELULUSAN MAHASISWA

Penelitian ini bertujuan untuk menerapkan metode klasifikasi Support Vector Machine (SVM) pada dataset kelulusan mahasiswa Program Studi Teknik Informatika Universitas Trunojoyo Madura guna memprediksi status kelulusan mahasiswa berdasarkan berbagai fitur yang relevan. Tiga jenis kernel SVM yang diuji dalam penelitian ini adalah Polynomial, Radial Basis Function (RBF), dan Linear, dengan variasi proporsi splitting data yaitu 70%:30%, 80%:20%, dan 90%:10%. Hasil evaluasi model menunjukkan bahwa kernel Polynomial memberikan performa terbaik di antara ketiga kernel yang diuji, dengan akurasi tertinggi mencapai 74% pada splitting data 70%:30% dan 80%:20%. Sementara itu, kernel RBF dan Linear memiliki performa yang lebih rendah, dengan akurasi tertinggi masing-masing mencapai 62% dan 56%. Untuk metrik lain seperti precission, recall, dan F1-score, kernel Polynomial menunjukkan hasil yang lebih konsisten, terutama pada kelas positif (1), dengan nilai F1-score tertinggi 83% pada splitting data 70%:30%. Secara keseluruhan, penelitian ini menunjukkan bahwa kernel Polynomial lebih efektif dalam memprediksi kelulusan mahasiswa dibandingkan dengan kernel RBF dan Linear pada dataset ini, meskipun ketiga kernel memberikan hasil yang dapat diterima untuk aplikasi prediksi kelulusan.