Komparasi Pemodelan Data Menggunakan Support Vector Machine dan Neural Network Untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa

TOTOK, TRISWANTO (2013) Komparasi Pemodelan Data Menggunakan Support Vector Machine dan Neural Network Untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa. Skripsi,Fakultas Ilmu Komputer.

Preview

PDF Download (3961b) | Preview

Abstract

Kelulusan mahasiswa merupakan masalah penting dalam suatu lembaga pendidikan karena mempengaruhi pandangan publik terhadap kredibilitas suatu instansi pendidikan. Selain itu kelulusan mahasiswa dianggap sebagai indicator keberhasilan perguruan tinggi baik negeri atau swasta. Penelitian untuk memprediksi kelulusan mahasiswa dengan teknik data mining telah banyak dilakukan dan menunjukan bahwa Neural Network memiliki akurasi lebih baik dibanding Naïve Bayes dan C4.5. Namun Neural Network mempunyai kelemahan terutama karena solusi yang dihasilkan bersifat local optimum. Metode prediksi lain yang bisa mengatasi kelemahan Neural Network salah satunya yaitu Support Vector Machine yang mampu memberikan solusi secara global optimum. Penelitian ini membandingkan antara Support Vector Machine dan Neural Network untuk menyelesaikan masalah prediksi kelulusan mahasiswa. Desain penelitian menggunakan model proses CRISP-DM yang merupakan standart proses dalam penelitian data mining. Proses validasi menggunakan tenfold-cross validation, sedangkan pengujian modelnya menggunakan confusion matrix dan kurva ROC. Hasil pengujian menunjukan Support Vector Machine memiliki akurasi sebesar 81.17% dan nilai AUC 0.882 sedangakn Neural Network memiliki akurasi sebesar 78.83% dan nilai AUC sebesar 0.858.

Actions (login required)