<![CDATA[Prediksi kelulusan jalur masuk Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) menjadi tantangan bagi calon mahasiswa dalam menentukan peluang diterima di universitas pilihan. Penelitian ini bertujuan untuk mengembangkan model prediksi kelulusan menggunakan algoritma Support Vector Machine (SVM) dengan kernel RBF, serta mengimplementasikannya dalam sebuah website berbasis Streamlit. Dataset yang digunakan terdiri dari 500 data siswa dengan berbagai fitur seperti nilai rapor semester 1–5, kategori prestasi, akreditasi sekolah, keaktifan organisasi, linearitas jurusan, serta ranking Perguruan Tinggi Negeri (PTN) tujuan. Data mengalami preprocessing, termasuk label encoding dan normalisasi menggunakan MinMax Normalization, sebelum dilakukan pelatihan model. Evaluasi model dilakukan menggunakan metode K-Fold Cross Validation dan optimasi parameter melalui Grid Search, menghasilkan akurasi sebesar 58%. Implementasi sistem prediksi dalam website memungkinkan pengguna memasukkan data dan mendapatkan hasil prediksi secara real-time, meskipun akurasi model masih perlu ditingkatkan. Hasil penelitian menunjukkan bahwa pemilihan fitur dan jumlah dataset berpengaruh signifikan terhadap performa model. Saran untuk pengembangan lebih lanjut mencakup eksplorasi algoritma lain seperti Random Forest atau XGBoost, peningkatan jumlah data, serta integrasi fitur tambahan untuk meningkatkan akurasi prediksi dan pengalaman pengguna.]]>
Copyrights © 2025
