Rekomendasi Pemilihan Program Studi Menggunakan Support Vector Regression
Sari
Salah jurusan saat kuliah berdampak pada mahasiswa akan malas dan mendapat nilai yang kurang memuaskan. Jurusan yang kurang seimbang dengan kemampuan mahasiswa mengakibatkan mahasiswa kurang mengerti materi atau bahkan tidak menyukai materi perkuliahan yang diberikan. Maka sangat penting bagi seorang siswa untuk memilih jurusan yang sesuai dengan bidang minat, bakat dan kemampuannya. Penelitian ini bertujuan untuk memberikan rekomendasi program studi bagi calon mahasiswa menggunakan metode Support Vector Regression dengan skenario penelitian berdasarkan input data yaitu menggunakan data nilai raport per semester dan data mean per mata pelajaran, skenario penelitian berdasarkan kernel yaitu menggunakan kernel RBF, Polynomial, dan Linear. Hasil akurasi terbaik didapatkan ketika menggunakan data nilai per semester dan kernel RBF, yaitu mendapat akurasi MAPE sebesar 5% dan MAE sebesar 0,16. Dan pada uji coba 10 sampel IPK tertinggi dari seluruh program studi didapatkan bahwa hasil dari rekomendasi 80% cocok dengan data asli.
Wrong majors during college have an impact on students to be lazy and get unsatisfactory grades. Majors that are less balanced with student abilities result in students not understanding the material or even not liking the lecture material given. So it is very important for a student to choose a major that is in accordance with the areas of interest, talents and abilities. This study aims to provide study program recommendations for prospective students using the Support Vector Regression method with research scenarios based on input data, namely using report card scores per semester and mean data per subject, kernel based research scenarios using RBF, Polynomial and Linear kernels. The best accuracy results were obtained when using the value data per semester and the RBF kernel, which obtained an accuracy of 5% MAPE and 0.16 of MAE. And in the trial of the 10 highest GPA samples from all study programs, it was found that the results of the recommendations matched the original data 80%.
Teks Lengkap:
PDFReferensi
Cahyono, R. E., Sugiono, J. P., & Tjandra, S. (2019). Analisis Kinerja Metode Support Vector Regression (SVR) dalam Memprediksi Indeks Harga Konsumen. JTIM : Jurnal Teknologi Informasi Dan Multimedia, 1(2), 106–116. https://doi.org/10.35746/JTIM.V1I2.22
Handayani, F., Sari Kusuma, K., Leoni Asbudi, H., Guines Purnasiwi, R., Kusuma, R., Sunyoto, A., & Mega Pradnya, W. (2021). Komparasi Support Vector Machine, Logistic Regression Dan Artificial Neural Network Dalam Prediksi Penyakit Jantung. JEPIN (Jurnal Edukasi Dan Penelitian Informatika), 7(3), 329–334. https://doi.org/10.26418/JP.V7I3.48053
Haris, A., Pgri, S., Jenderal, J., Yani, A., 80, N., Jurusan, B., Informatika, M., & Pgri Banyuwangi, S. (2018). Sistem Pendukung Keputusan Pemberian Bonus Dosen Tetap Memanfaatkan Support Vector Regression. Teknomatika, 8(1), 1–5. http://ojs.palcomtech.ac.id/index.php/teknomatika/article/view/101
Hidayanti, I., Kurniawan, T. B., & Afriyudi, A. (2020). Perbandingan Dan Analisis Metode Klasifikasi Untuk Menentukan Konsentrasi Jurusan. Jurnal Informatika Global, 11(1). https://doi.org/10.36982/JIIG.V11I1.1067
Maulana, N. D. (2018). Implementasi Metode Support Vector Regression (Svr) Dalam Peramalan Penjualan Roti (Studi Kasus: Harum Bakery).
Niswatin, R. K. (2015). Sistem Pendukung Keputusan Penempatan Jurusan Mahasiswa Baru Menggunakan Metode K-Nearest Neighbor. CogITo Smart Journal, 1(1), 55–67. https://doi.org/10.31154/COGITO.V1I1.6.55-67
Raharyani, M. P., Putri, R. R. M., & Setiawan, B. D. (2018). Implementasi Algoritme Support Vector Regression Pada Prediksi Jumlah Pengunjung Pariwisata. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(4). https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1238
Sinurat, H. F., Nasution, S. D., & Fau, A. (2020). Penerapan Metode Selft Organizing Maps (SOM) Dalam Rekomendasi Jurusan Calon Mahasiswa Baru (Studi Kasus : Universitas Imelda Medan). KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 4(1). https://doi.org/10.30865/KOMIK.V4I1.2675
Ulfa, A., Winarso MKom, D., & Arribe MMSi, E. (2020). Sistem Rekomendasi Jurusan Kuliah Bagi Calon Mahasiswa Baru Menggunakan Algoritma C4.5. Jurnal Fasilkom, 10(1), 61–65. https://doi.org/10.37859/JF.V10I1.1511
Yasin, H., Prahutama, A., Utami, T. W., Jurusan, D., & Undip, S. (2014). Prediksi Harga Saham Menggunakan Support Vector Regression Dengan Algoritma Grid Search. Media Statistika, 7(1), 29–35. https://doi.org/10.14710/MEDSTAT.7.1.29-35
Zainul Mafakhir, A., & Solichin, A. (2020). Penerapan Metode Naïve Bayes Classifier Untuk Penjurusan Siswa Pada Madrasah Aliyah Al-Falah Jakarta. Fountain of Informatics Journal, 5(1), 2548–5113. https://doi.org/10.21111/fij.v5i1.4007
DOI: https://doi.org/10.31294/ijcit.v7i2.14120
##submission.copyrightStatement##
##submission.license.cc.by-sa4.footer##
P-ISSN: 2527-449X E-ISSN: 2549-7421
Statistik Pengunjung Jurnal IJCIT
