OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK PREDIKSI KELULUSAN TEPAT WAKTU (Studi Kasus: Program Studi Teknik Informatika Universitas YARSI)

Rafidah, Putri (2021) OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK PREDIKSI KELULUSAN TEPAT WAKTU (Studi Kasus: Program Studi Teknik Informatika Universitas YARSI). Diploma thesis, Universitas YARSI.

	Text 01. COVER.pdf Download (25kB)
	Text 04. HALAMAN PENGESAHAN.pdf Download (204kB)
	Text 03. HALAMAN PENGESAHAN ORISINALITAS.pdf Download (172kB)
	Text 02. ABSTRAK.pdf Download (14kB)
	Text 12. BAB 1 PENDAHULUAN.pdf Download (197kB)
	Text 18. DAFTAR PUSTAKA.pdf Download (146kB)
	Text 13. BAB 2 TINJAUAN PUSTAKA.pdf Restricted to Registered users only Download (20kB)
	Text 14. BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Registered users only Download (358kB)
	Text 15. BAB 4 HASIL DAN ANALISIS.pdf Restricted to Registered users only Download (296kB)
	Text 16. BAB 5 TINJAUAN ISLAM TERHADAP OPTIMASI ALGORITMA SUPPORT.pdf Restricted to Registered users only Download (252kB)
	Text 17. BAB 6 PENUTUP.pdf Restricted to Registered users only Download (81kB)

Abstract

Lulus tepat waktu merupakan salah satu tolak ukur keberhasilan mahasiswa dalam pendidikannya pada perguruan tinggi atau universitas. Mahasiswa dinilai lulus tepat waktu jika menyelesaikan masa studinya tidak lebih dari empat tahun. Kegagalan mahasiswa untuk menyelesaikan studi tepat waktu dipengaruhi oleh beberapa faktor, salah satunya adalah kesulitan dalam mata kuliah. Kegagalan mahasiswa lulus tepat waktu juga mempengaruhi akreditasi program studi. Oleh karena itu program studi perlu menganalisis mata kuliah yang paling berpengaruh terhadap kelulusan mahasiswa. Tujuan penelitian ini adalah mengimplementasikan algoritma untuk mendapatkan prediksi kelulusan tepat waktu, sehingga dapat meminimalisir kegagalan lulus tepat waktu. Algoritma yang digunakan adalah Support Vector Machine dengan metode Particle Swarm Optimization, Simulated Annealing, dan Genetic Algorithm. Dataset yang digunakan adalah nilai mata kuliah semester satu sampai empat dari angkatan 2006 s/d 2016 program studi Teknik Informatika Universitas YARSI yang telah dinyatakan lulus. Dataset berisi 482 data dengan 21 atribut dan satu atribut tujuan. Hasil akurasi yang diperoleh dari metode SVM tanpa optimasi adalah sebesar 81%, dan hasil yang diperoleh metode SVM dengan Particle Swarm Optimization adalah 84%. Metode optimasi PSO dapat meningkatkan nilai akurasi algoritma SVM.

Item Type:	Thesis (Diploma)
Additional Information:	S-907-FTI
Uncontrolled Keywords:	Support Vector Machine, Prediksi, Optimasi.
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Depositing User:	PUTRI RAFIDAH
Date Deposited:	03 Mar 2026 04:31
Last Modified:	03 Mar 2026 04:31
URI:	http://digilib.yarsi.ac.id/id/eprint/14464

Actions (login required)

View Item

Search for collections on Universitas YARSI Repository