Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa STMIK Widya Cipta Dharma Menggunakan Algoritma Support Vector Machine

Dere, Frengki (2022) Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa STMIK Widya Cipta Dharma Menggunakan Algoritma Support Vector Machine. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.

	Text 1843079-S1-Teknik Informatika.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text 1843079-S1-Jurnal.pdf Restricted to Repository staff only Download (773kB) | Request a copy

Abstract

Frengki Dere, 2022, Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa STMIK Widya Cipta Dharma Menggunakan Algoritma Support Vector Machine. Skripsi Program Studi Teknik Informatika, Sekolah Tinggi Manajemen Informatika dan Komputer Widya Cipta Dharma Samarinda, Pembimbing Utama: Siti Lailiyah, S.Kom., M.Kom., Pembimbing Pendamping: Hanifah Ekawati, S.Pd., M.Pd. Kata Kunci : Klasifikasi, Waktu Kelulusan, Support Vector Machine. Penelitian ini dilakukan untuk meng-Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa STMIK Widya Cipta Dharma Menggunakan Algoritma Support Vector Machine. Lulus tepat waktu merupakan keinginan semua mahasiswa STMIK Widya Cipta Dharma. Pada kenyataannya tidak seperti yang diharapkan banyak mahasiswa yang lulus lebih dari 4 tahun. Sehingga diperlukan penerapan klasifikasi kelulusan mahasiswa yang dapat mengklasifikasikan data kelulusan berdasarkan parameter-parameter yang telah ditentukan. Karena itu diperlukan penerapan sistem cerdas untuk dapat mengklasifikasikan data kelulusan mahasiswa berdasarkan parameternya. Dalam mengatasi masalah tersebut, maka diperlukan algoritma SVM yang dapat membantu dalam mengklasifikasikan kelulusan mahasiswa dengan menggunakan metode pengembangan sistem SDLC (Software Development Life Cycle) Waterfall. Dataset yang digunakan yaitu dataset Mahasiswa STMIK Widya Cipta Dharma angkatan 2013-2017 dan untuk mempermudah evaluasi data penelitian ini menggunakan confusion matrix. Hasil penelitian berupa model algoritma SVM dalam mengklasifikasikan kelulusan mahasiswa dengan tiga kategori yaitu Lulus Tepat Waktu Cumlaude, Lulus Tepat Waktu, dan Lulus Tidak Tepat Waktu yang memiliki akurasi sebesar 91% menggunakan kernel RBF dan 66% menggunakan kernel Sigmoid, dengan parameter cost = 10, dan gamma = 0,05. ============================================================ Frengki Dere, 2022, Classification of Timeliness of Graduation of STMIK Widya Cipta Dharma Students Using the SVM Method. Thesis of Informatics Engineering Study Program, Widya Cipta Dharma Samarinda College of Informatics and Computer Management, Main Advisor : Siti Lailiyah, S.Kom., M.Kom., Companion Advisor : Hanifah Ekawati, S.Pd., M.Pd. Keywords: Classification, Graduation Time, Support Vector Machine. This research was conducted to classify the punctuality of graduation of STMIK Widya Cipta Dharma students using the SVM method. Graduating on time is the desire of all STMIK Widya Cipta Dharma students. In reality, it is not as expected by many students who graduate more than 4 years. So it is necessary to apply a student graduation classification that can classify graduation data based on predetermined parameters. Therefore, it is necessary to apply an intelligent system to be able to classify student graduation data based on its parameters. In overcoming this problem, an SVM algorithm is needed that can assist in classifying student graduation using the Waterfall SDLC (Software Development Life Cycle) system development method. The dataset used is the STMIK Widya Cipta Dharma student dataset class 2013-2017 and to facilitate the evaluation of this research data using a confusion matrix. The results of the research are the SVM algorithm model in classifying student graduation with three categories, namely Graduated On Time Cumlaude, Graduated On Time, and Graduated Not On Time which has an accuracy of 91% using the RBF kernel and 66% using the Sigmoid kernel, with parameter cost = 10, and gamma = 0.05.

Item Type:	Thesis (S1 Teknik Informatika)
Additional Information:	Pembimbing 1 : Siti Lailiyah, S.Kom., M.Kom Pembimbing 2 : Hanifah Ekawati, S.Pd., M.Pd
Uncontrolled Keywords:	Klasifikasi, Waktu Kelulusan, Support Vector Machine
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Teknik Informatika
Depositing User:	Mr Frengki Dere
Date Deposited:	19 Aug 2022 00:22
Last Modified:	19 Aug 2022 00:22
URI:	http://repository.wicida.ac.id/id/eprint/4420

Actions (login required)

View Item