Nurfahmi (2020) Implementasi Multiclass Support Vector Machine Untuk Klasifikasi Mahasiswa Baru Penerima Beasiswa Prestasi Universitas Muhammadiyah Yogyakarta. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (666kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (815kB)
Abstrak.pdf
Restricted to Registered users only
Download (306kB)
Bab I.pdf
Download (387kB)
Bab II.pdf
Restricted to Registered users only
Download (652kB)
Bab III.pdf
Restricted to Registered users only
Download (3MB)
Bab IV.pdf
Restricted to Registered users only
Download (941kB)
Bab V.pdf
Restricted to Registered users only
Download (400kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (296kB)
Lampiran.pdf
Restricted to Registered users only
Download (724kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (746kB)
Full Text.pdf
Restricted to Repository staff only
Download (2MB)
Abstract
Proses seleksi mahasiswa penerima beasiswa di UMY masih menggunakan cara yang konvensional. Proses seleksi yang dilakukan menggunakan aplikasi microsoft excel. Hal ini dilakukan dengan cara menginput semua data mahasiswa kemudian diurutkan mulai dari yang paling tinggi sampai yang paling rendah. Pemberian beasiswa kepada calon mahasiswa baru seharusnya diberikan kepada orang yang tepat atau tepat sasaran dalam arti sesuai dengan kriteria mahasiswa yang seharusnya layak mendapatkan beasiswa. Hal ini dilakukan agar tidak merugikan calon mahasiswa lain yang seharusnya memiliki kriteria yang tepat untuk mendapatkan beasiswa tersebut. Pada penelitian-penelitian yang dilakukan sebelumnya, proses klasifikasi banyak mengunakan algoritma seperti Naive Bayes, C.45, Decision Tree, k-Nearest Neighbor dan Support Vector Machine. Untuk
penggunaan algoritma Support Vector Machine, klasifikasi yang dilakukan hanya menggunakan 2 kelas. Salah satu metode teknik klasifikasi yang memperoleh hasil yang tepat dan akurat diantaranya menggunakan algoritma Support Vector Machine dan Decision Tree. Tujuan dilakukannya penelitian ini adalah memanfaatkan algoritma Multiclass Support Vector Machine(LibSVM) untuk mengklasifikasi
peringkat beasiswa prestasi mahasiswa baru. Banyak atau sedikitnya jumlah data yang digunakan mempengaruhi hasil klasifikasi. Dari data tahun 2015 sampai tahun 2019, data 2015 memiliki jumlah data yang paling banyak yaitu 172 data dan memperoleh hasil accuracy tertinggi yaitu 84.34
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknologi Informasi S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 13 Sep 2021 09:01 |
Last Modified: | 13 Sep 2021 09:01 |
URI: | https://etd.umy.ac.id/id/eprint/1493 |