KLASIFIKASI NILAI MATA KULIAH BERDASARKAN REKAM AKADEMIS MENGGUNAKAN SUPPORT VECTOR MACHINE

Abstract

Rekam akademis memiliki arti bekas atau kesan yang berhubungan dengan ilmu pengetahuan dalam bentuk catatan. Dalam penelitian ini akan digunakan rekam akademis pada mahasiswa Statistika UII angkatan 2015 yang meliputi persentase keterlambatan kehadiran kuliah, jenis mata kuliah yang diambil, jadwal hari dan jam mata kuliah, dan jumlah SKS (Sistem Kredit Semester). Rekam akademis ini penting karena memiliki pola yang mempengaruhi nilai mata kuliah. Maka dari itu untuk mengetahui pola rekam akademis mahasiswa maka diperlukanlah metode klasifikasi nilai mata kuliah berdasarkan rekam akademis, digunakanlah klasifikasi Support Vector Machine (SVM) karena metode ini handal untuk klasifikasi dengan dimensi yang tinggi dan multiclass. Pada data rekam akademis diketahui bahwa terdapat ketidak seimbangan data, maka untuk mengatasinya digunakanlah metode Synthetic Minority Oversampling Technique (SMOTE) sehingga performa aklasifikasi akan semakin baik. Didapatkan kesimpulan bahwa dengan menggunakan SVM metode SMOTE diketahui tingkat akurasi klasifikasi 58% dengan Cost 10 dan gamma 100 sehingga mahasiswa yang mendapat predikat nilai “Amat baik” yaitu sebanyak 363, “baik” sebanyak 102, “cukup” sebanyak 4, “kurang” hanya 2, “sangat kurang” hanya satu, serta “tidak memenuhi” sebanyak 66.