METODE SUPPORT VECTOR MACHINE (SVM) UNTUK MEMPREDIKSI MASA STUDI MAHASISWA IST AKPRIND YOGYAKARTA

Salah satu metode statistik dalam data mining yang digunakan untukmengklasifikasikan antar dua kelas adalah metode Support Vector Machine denganmemisahakan dua kelas data berdasarkan garis hyperplane optimum dengan caramemaksimalkan margin untuk meminimalkan error, dalam kasus dunia nyata seringditemukan kesulitan dalam memisahkan dua kelas secara linier sehingga perludigunakan sebuah kernel untuk dapat memisahkan data secara linier seperti kernel RBF,Linear, Polynomial.Penelitian ini membahas masa studi mahasiswa lulusan IST Akprind pada tahun2015-2017 dengan menggunakan metode Support Vector Machine. Metode iniberfungsi untuk melihat klasifikasi ketepatan masa studi mahasiswa dan memprediksimasa studi yang akan dilalui mahasiswa berdasarkan variabel prediktor jenis kelamin(X1), asal daerah (X2), jalur masuk (X3) , nilai indeks prestasi semester 2 (IPS 2) (X4),dan fakultas (X5). Dengan variabel dependen masa studi dikategorikan menjadi duayaitu 1 dan -1. Dengan nilai 1 menyatakan tepat waktu apabila masa studi 8 semesterdan nilai -1 menyatakan tidak tepat apabila 8 semester .Berdasarkan data yang tersediadiperoleh bahwa 93% mahasiswa menjalani masa studinya tidak tepat waktu dan 7%dapat menyelesaikan tepat waktu. Dari hasil analisis klasifikasi didapatkan bahwa model terbaik adalah modelklasifikasi support vector machine dengan menggunakan kernel linier dengan parametercost (C) sebesar 0.1 dan error sebesar 0.126193. peramalan yang dihasilkan bahwaseluruh mahasiswa akan menempuh masa studi lebih dari 4 tahun.Kata kunci: Masa Studi, Support Vector Machine, Kernel (RBF, Linear, Polynomial