<![CDATA[Abstrak — Tingkat keberhasilan mahasiswa adalah salahsatu cara untuk mengukur kualitas dari sebuah perguruantinggi, dan salah satu masalah yang sering menyebabkanmahasiswa gagal adalah berhenti kuliah. Dari data yangdiperoleh 8.483.213 mahasiswa terdaftar pada tahun 2020,602.208 mahasiswa berhenti kuliah yang berasal dariperguruan tinggi swasta. Telkom University sebagai salah satuperguruan tinggi swasta akan dilakukan penelitian untukmemprediksi mahasiswa yang berhenti kuliah, terutama padaprogram studi S1 Sistem Informasi. Karena pada TelkomUniversity berhenti kuliah dikategorikan sebagaimengundurkan diri, maka penelitian ini dilakukan untukmemprediksi mahasiswa mengundurkan diri atau tidak.Mengundurkan diri pada program studi S1 Sistem Informasimerupakan salah satu key peformance indicator yang nilainyaharus dapat ditekan, oleh karena itu menggunakan machinelearning dengan metode SVM dapat menyelesaikanpermasalahan pada penelitian ini. Pada penelitian inimenunjukkan bahwa model SVM mendapatkan akurasi tinggisebesar 98,30% sebelum dilakukan metode oversamplingdengan SMOTE, namun menurun menjadi 92,34% setelahpenerapan metode oversampling dengan SMOTE untukmengatasi ketidakseimbangan data. Meskipun akurasinyamenurun, tetapi dari nilai recall, precision, serta F1-Scoremeningkat yang mengindikasikan SVM setelah dilakukanoversampling lebih baik dalam mengklasifikasikan mahasiswayang mengundurkan diri. Dengan akurasi yang tinggi, makametode SVM terbukti efektif dalam memprediksi mahasiswayang terindikasi mengundurkan diri atau tidak. Kata Kunci - SVM, Machine Learning, MahasiswaMengundurkan Diri, Prediksi, CRISP-DM]]>
Copyrights © 2025
