Perbandingan Algoritma Machine Learning SVM dan Decision Tree untuk Prediksi Keaktifan Mahasiswa

Authors

  • Slamet Wiyono Politeknik Harapan Bersama
  • Taufiq Abidin Politeknik Harapan Bersama

Keywords:

Perbandingan Algoritma; SVM; Decision Tree

Abstract

Salah satu unsur yang menjadi penilaian akreditasi sebuah program studi adalah ketepatan waktu lulusan mahasiswa. Adanya mahasiswa yang tidak aktif tentu akan mempengaruhi ketepatan waktu kelulusan. Prediksi keaktifan mahasiswa diperlukan untuk mencegah siswa yang berpotensi tidak aktif. Penelitian ini bertujuan untuk membandingkan algoritma machine learning SVM dan Decision Tree dalam melakukan prediksi keaktifan mahasiswa. Proses prediksi dilakukan dengan langkah; pengumpulan data, pre-prosesing data, pembentukan model, perbandingan model, dan evaluasi. Hasil penelitian menunjukan bahwa algoritma SVM memiliki keakuratan lebih baik dari algoritma Decision Tree dalam memprediksi keaktifan mahasiswa. Algoritma SVM memiliki tingkat akurasi 95% dan algoritma Decision Tree memiliki tingkat akurasi 93%.

GS Cited Analysis

Downloads

Download data is not yet available.

Downloads


Crossmark Updates

How to Cite

Wiyono, S., & Abidin, T. (2018). Perbandingan Algoritma Machine Learning SVM dan Decision Tree untuk Prediksi Keaktifan Mahasiswa. Sinkron : Jurnal Dan Penelitian Teknik Informatika, 3(1), 105-107. Retrieved from https://jurnal.polgan.ac.id/index.php/sinkron/article/view/158