<![CDATA[AbstrakTingginya tingkat keberhasilan mahasiswa dan rendahnya tingkat kegagalan mahasiswa dapat mencerminkan kualitas dari suatu perguruan tinggi. Salah satu indikator kegagalan mahasiswa adalah kasus drop out. Untuk mengatasi permasalah, dilakukan prediksi menggunakan metode support vector machine. Support Vector Machine berusaha mencari hyperplane yang optimal dimana dua kelas pola dapat dipisahkan dengan maksimal, parameter yang di gunakan pada Support Vector Machine hanya parameter kernel dalam satu parameter C yang memberikan pinalti pada titik data yang di klasifikasikan secara acak. Dalam Support Vector Machine bobot (w) dan bias (b) merupakan solusi global optium dari quadratic programming sehingga cukup dengan sekali running akan menghasilkan solusi yang akan selalu sama untuk pilihan kernel dan parameter yang sama. Melalui penerapan support vector machine diharapakan untuk mendapatkan parameter Support Vector Machine yang digunakan tepat untuk memperoleh margin terbaik dalam memprediksi mahasiswa drop out.Kata Kunci— prediksi drop out, kernel, support vector machine, unified modeling language]]>
Copyrights © 2015
