Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jatilima : Jurnal Multimedia Dan Teknologi Informasi

Analisis Faktor Demografi Dan Sosial Ekonomi Untuk Mendeteksi Dini Risiko Putus Kuliah Menggunakan Metode Support Vector Machine (Svm) Dan Decision Tree (Studi Kasus : STMIK Triguna Dharma) Sari, Ayu Ofta; Iqbal , Muhammad; Nasution, Darmeli
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 02 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i02.1439

Abstract

Fenomena putus kuliah merupakan tantangan serius di perguruan tinggi, termasuk di STMIK Triguna Dharma. Masalah ini dipengaruhi oleh berbagai faktor demografi dan sosial ekonomi, seperti keterbatasan ekonomi keluarga, kurangnya dukungan lingkungan, serta persoalan internal mahasiswa. Penelitian ini bertujuan mengidentifikasi faktor-faktor tersebut dan membangun model prediktif menggunakan pendekatan data mining, khususnya algoritma Support Vector Machine (SVM) dan Decision Tree. Metode yang digunakan adalah kuantitatif. Data diperoleh melalui wawancara dan sistem akademik, kemudian diproses melalui tahapan preprocessing untuk pembersihan dan normalisasi. Algoritma SVM digunakan untuk membangun hyperplane yang memisahkan mahasiswa berisiko dan tidak berisiko putus kuliah, sedangkan Decision Tree menghasilkan model pohon keputusan yang mudah dipahami untuk analisis faktor penyebab. Evaluasi model dilakukan dengan tiga rasio pembagian data: 90:10, 80:20, dan 70:30. Hasil menunjukkan bahwa SVM memiliki akurasi tertinggi sebesar 58,54% dengan presisi 75% dan recall 83,33% pada rasio 90:10. Sementara itu, Decision Tree mencatat recall 100% pada rasio 80:20 dan 70:30, namun dengan presisi lebih rendah (50–57%) dan akurasi maksimum 56,10%. Temuan ini menunjukkan bahwa SVM lebih baik dalam keseimbangan akurasi dan presisi, sedangkan Decision Tree unggul dalam mendeteksi kasus putus kuliah. Model ini diharapkan dapat membantu kampus melakukan intervensi dini untuk mencegah putus kuliah.
Analisis Prediksi Pretasan Data Pribadi Berdasarkan Umur Pengguna Di Kota Tanjungbalai Menggunakan Algoritma C4.5 Sitorus, Mhd Arfan; Nasution, Darmeli; Iqbal, Muhammad
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 02 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i02.1589

Abstract

Personal data security has become a critical issue amidst the rapid development of digital technology. Online activities such as social media use, online transactions, and cloud data storage have increased the potential risk of hacking. This study aims to predict the level of risk of personal data hacking based on the age and digital behavior of users in Tanjungbalai City. Age is thought to influence users' awareness and habits in maintaining data security, such as the use of strong passwords, utilization of two-step verification, and the use of protective software. This study used a data mining approach with the C4.5 algorithm to build a classification model that identifies age groups with high vulnerability to hacking. Data were collected through a questionnaire with an ordinal scale that reflects respondents' digital behavior and experience. The results show a significant pattern between age, digital habits, and the level of hacking risk, and produce a classification model that can be used as a basis for decision-making regarding data security policies. These findings are expected to contribute to the development of more effective digital education strategies that are adaptive to user demographic characteristics.