ANALISIS PREDIKSI STATUS KELULUSAN BERDASARKAN IPK MENGGUNAKAN METODE SVM DAN DECISION TREE

• FITO MARDIANTO
• 2025

---

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan Decision Tree, dalam memprediksi status kelulusan mahasiswa berdasarkan Indeks Prestasi Kumulatif (IPK) serta pemenuhan persyaratan akademik seperti sertifikat TOEFL, BNSP, dan vendor. Dataset yang digunakan bersumber dari platform Kaggle dan dianalisis menggunakan perangkat lunak Orange. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, F1-score, AUC, dan MCC. Hasilnya menunjukkan bahwa Decision Tree memiliki akurasi 100% sementara SVM memiliki akurasi 99,7% dengan satu kesalahan klasifikasi. Meskipun Decision Tree lebih akurat dalam dataset ini, algoritma SVM menunjukkan kestabilan yang lebih baik terhadap data baru. Penelitian ini diharapkan menjadi acuan dalam pengembangan sistem prediktif akademik berbasis data.

• Machine Learning
• SVM
• Decision Tree
• Orange

https://repository.bsi.ac.id/repo/75395/ANALISIS-PREDIKSI-STATUS-KELULUSAN-BERDASARKAN-IPK-MENGGUNAKAN-METODE-SVM-DAN-DECISION-TREE
Anda dapat membaca file tugas akhir ini di repository.