Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Aiti: Jurnal Teknologi Informasi

Meningkatkan kinerja SVM: Dampak berbagai teknik seleksi fitur pada akurasi prediksi Huizen, Lenny Margaretta; Ardima, Muhammad Basyier; Idris, Mochamad
AITI Vol 22 No 1 (2025)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v22i1.1-14

Abstract

Pada akreditasi Perguruan Tinggi, kelulusan mahasiswa memainkan peran penting sebagai salah satu kriteria penilaian. Prediksi kelulusan merupakan fokus utama untuk membantu institusi dalam menilai seorang mahasiswa lulus tepat waktu. Penelitian ini mengambil data historis dari mahasiswa yang telah lulus, yang diambil melalui kuesioner dari mahasiswa Program Studi Sistem Informasi dan Teknik Informatika Universitas Semarang. Metode seleksi fitur digunakan untuk menyeleksi atribut yang paling relevan pada prediksi kelulusan. Hasil seleksi ini diujikan menggunakan Algoritma Support Vector Machine (SVM). Tujuan utama dari penelitian ini adalah untuk mengevaluasi dampak seleksi fitur terhadap prediksi kelulusan. Hasil pengujian menunjukkan bahwa SVM dengan seleksi fitur menggunakan weight by relief mencapai akurasi sebesar 82%, presisi 83,42%, dan recall 80,83%. Sebaliknya, SVM tanpa menggunakan weight by relief menunjukkan akurasi 69,23%, presisi 70,83%, dan recall 67,86%. Penggunaan seleksi fitur berhasil mengurangi fitur dari 27 menjadi empat fitur yang paling berpengaruh.