<![CDATA[Penelitian ini bertujuan membangun model prediksi penempatan mahasiswa penerima Kartu Indonesia Pintar (KIP) di Fakultas Sains dan Teknologi Universitas Prima Indonesia menggunakan algoritma Support Vector Machine (SVM) yang dioptimasi hyperparameternya dan dibandingkan dengan K-Nearest Neighbor (KNN). Penelitian menggunakan 269 data mahasiswa yang diperoleh dari instansi akademik dan kuesioner. Tahapan penelitian meliputi pra-pemrosesan data, pembentukan label target, encoding, normalisasi, serta pembagian data 80:20. Optimasi SVM dilakukan menggunakan Grid Search dan 5-fold cross-validation, sedangkan KNN digunakan tanpa optimasi. Hasil penelitian menunjukkan bahwa SVM dengan kernel RBF, parameter C=10 dan gamma=0,1 memperoleh akurasi 88,89%, lebih tinggi dibandingkan KNN sebesar 83,33%. Selain itu, SVM juga menunjukkan performa lebih baik pada metrik precision, recall, dan F1-score, sehingga lebih efektif digunakan untuk mendukung pengambilan keputusan penempatan mahasiswa KIP secara objektif dan tepat sasaran.]]>
Copyrights © 2026
