ANALISIS PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE, K-NEAREST NEIGHOR DAN NAÏVE BAYES DALAM PEMILIHAN KONSENTRASI MAHASISWA

Alwanda, Almi Yulistia (2024) ANALISIS PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE, K-NEAREST NEIGHOR DAN NAÏVE BAYES DALAM PEMILIHAN KONSENTRASI MAHASISWA. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 22.55.2352 Almi Yulistia Alwanda.pdf Download (3MB)

Abstract

Pada tahap penentuan konsentrasi studi dalam pendidikan tinggi, mahasiswa dihadapkan pada pilihan krusial yang memengaruhi arah karir mereka di masa depan. Universitas Hamzanwadi, Nusa Tenggara Barat, telah menjadi pusat pendidikan tinggi terkemuka dengan Fakultas Tekniknya yang menawarkan program studi seperti Teknik Informatika, Sistem Informasi, Teknik Komputer, dan Teknik Lingkungan. Kenaikan minat mahasiswa dalam program-program ini menciptakan kebutuhan akan penelitian yang mendukung mahasiswa dalam pengambilan keputusan mengenai konsentrasi studi yang sesuai. Penelitian terdahulu menggunakan algoritma machine learning, seperti Support Vector Machine (SVM), untuk memprediksi konsentrasi studi mahasiswa, namun dengan tingkat akurasi yang belum optimal. Oleh karena itu, penelitian ini bertujuan untuk membandingkan performa beberapa algoritma klasifikasi, termasuk SVM, K-Nearest Neighbors (KNN), dan Naive Bayes, dalam meramalkan konsentrasi mahasiswa. Evaluasi terhadap ketiga algoritma tersebut menunjukkan kelebihan dan kekurangan masing-masing, dengan Naive Bayes memberikan hasil terbaik dengan akurasi sekitar 84%. Untuk penelitian selanjutnya, disarankan untuk melakukan eksperimen lebih lanjut dengan mempertimbangkan faktor-faktor lain yang dapat memengaruhi kinerja model klasifikasi. Dengan demikian, dapat diperbaiki performa model klasifikasi untuk memprediksi konsentrasi studi mahasiswa secara lebih akurat, sehingga membantu dalam pengambilan keputusan yang lebih cerdas bagi mahasiswa dan staf akademis.

Actions (login required)

View Item