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

Main Article Content

Slamet Wiyono Taufiq Abidin

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%.

Downloads

Download data is not yet available.

Article Details

How to Cite
WIYONO, Slamet; ABIDIN, Taufiq. Perbandingan Algoritma Machine Learning SVM dan Decision Tree untuk Prediksi Keaktifan Mahasiswa. SinkrOn, [S.l.], v. 3, n. 1, p. 105-107, sep. 2018. ISSN 2541-2019. Available at: <https://jurnal.polgan.ac.id/index.php/sinkron/article/view/158>. Date accessed: 19 jan. 2020.
Section
Articles
* Abstract viewed = 233 times *