PERBANDINGAN METODE SUPPORT VECTOR MACHINE (SVM) LINEAR, RADIAL BASIS FUNCTION (RBF), DAN POLINOMIAL KERNEL DALAM KLASIFIKASI BIDANG STUDI LANJUT PILIHAN ALUMNI UII

Abstract

Pendidikan memiliki peranan yang sangat penting dalam menciptakan seseorang. Seseorang yang berpendidikan akan memiliki hidup yang lebih baik nantinya. Program beasiswa baik dari pemerintah maupun instansi tertentu merupakan salah satu langkah guna mendukung program studi lanjut. UII merupakan salah satu universitas yang mendukung terlaksananya program studi lanjut serta memfasilitasi dalam melakukan pembelajaran dan penelitian salah satunya dengan menyediakan beasiswa studi lanjut. Dengan banyaknya fasilitas yang telah disediakan akan diimbangi dengan banyaknya alumni yang ingin melakukan studi lanjut baik dengan cara memanfaatkan beasiswa ataupun dengan biaya sendiri. Berdasarkan pada penjelasan diatas, akan muncul permasalahan baru yaitu dalam melakukan studi lanjut sudah sesuai bidang studi sebelumnya ataukah tidak sesuai dengan bidang studi sebelumnya. Oleh karena itu diperlukan analisis untuk mengklasifikasikan jenis studi lanjut yang diambil alumni UII termasuk kedalam jenis studi yang sesuai bidang studi sebelumnya ataukah tidak sesuai dengan bidang studi yang pernah diambil sebelumnya. Metode yang akan digunakan yaitu Support Vector Machine (SVM) dengan data penelitian adalah data alumni UII tahun 2015 yang melakukan studi lanjut. Analisis dilakukan dengan membandingkan nilai ketepatan klasifikasi dari tiga fungsi kernel SVM yaitu linear, Radial Basic Function (RBF), serta Polinomial kernel. Dari ketiga fungsi kernel tersebut, diperoleh hasil bahwa fungsi kernel polinomial memberikan nilai ketepatan klasifikasi paling tinggi yaitu dengan nilai akurasi 95.45% bila dibandingkan kedua fungsi kernel lainnya.