Implementasi Klasifikasi Data Tracer Study Pada Universitas Muhammadiyah Sumatera Utara Dengan Pemanfaatan Data Mining Menggunakan Kombinasi Algoritma Support Vector Machine dan Neural Network

Dongoran, Dwihardini
Sari, Indah Purnama

Hello World
Vol. 4 No. 1 (2025): Edisi April

Perguruan tinggi secara rutin melakukan Tracer Study setiap tahun bertujuan untuk mengimplementasikan kebutuhan data akreditasi di Universitas Muhammadiyah Sumatera Utara menggunakan teknik data mining. Penelitian ini fokus pada pemanfaatan kombinasi algoritma Support Vector Machine (SVM) dan Neural Network untuk mengoptimalkan klasifikasi data Tracer Study. SVM digunakan untuk mengatasi masalah klasifikasi non-linear dengan menemukan hyperplane optimal, sementara Neural Network digunakan untuk memodelkan dan mengenali pola kompleks dalam data. Metodologi penelitian meliputi pengumpulan data Tracer Study, preprocessing data, pelatihan model SVM dan Neural Network, serta evaluasi hasil klasifikasi. Hasil penelitian menunjukkan bahwa kombinasi SVM dan Neural Network secara signifikan meningkatkan akurasi dan kehandalan klasifikasi data Tracer Study, memberikan wawasan yang berharga bagi pengambil kebijakan akademis dan penyusun kurikulum di Universitas Muhammadiyah Sumatera Utara.