<![CDATA[Kelulusan mahasiswa merupakan salah satu indikator penting bagi perguruan tinggi dalam akreditasi dan pemaksimalan kemampuan mahasiswa. Selain itu, penanganan yang terlambat membuat indikator ini sulit dicapai dan berdampak pada berbagai hal. Penelitian ini bertujuan untuk mengembangkan website model prediksi kelulusan mahasiswa menggunakan metode Support Vector Machine (SVM). Data yang digunakan mencakup berbagai fitur, seperti umur, jenis kelamin, status pekerjaan, riwayat cuti, dan Indeks Prestasi Semester (IPS) dari semester 1 hingga 4. Proses analisis meliputi normalisasi data, oversampling untuk mengatasi ketidakseimbangan kelas. Evaluasi model menggunakan teknik cross-validation dan confusion matrix. Hasil evaluasi menunjukkan bahwa model SVM mencapai rata-rata akurasi sebesar 97,21%. Temuan ini menunjukkan bahwa model yang dikembangkan dapat diandalkan untuk memprediksi kelulusan mahasiswa, memberikan kontribusi signifikan terhadap pengelolaan akademik di institusi pendidikan tinggi.]]>
Copyrights © 2025
