PENGGUNAAN SUPPORT VECTOR MACHINE (SVM) UNTUK PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA

Bondan Adjie Dumadi (2020) PENGGUNAAN SUPPORT VECTOR MACHINE (SVM) UNTUK PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf

Download (776kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only

Download (462kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only

Download (338kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf

Download (126kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only

Download (161kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only

Download (399kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only

Download (893kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only

Download (218kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (122kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only

Download (363kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Untuk mengukur kualitas suatu perguruan tinggi selain di nilai dari mutu
pembelajaran dan fasilitas tentunya pasti ada faktor vital yang benarbenar
menjadi standar penilaian untuk menentukan kualitas suatu Universitas,
salah satunya adalah mahasiswa dan lulusan ataupun bisa di sebut sebagai
alumni. Di Indonesia sendiri sistem penilaian kualitas Universitas diukur
menggunakan sistem akreditasi yang di atur oleh Badan Akreditasi
Nasional Perguruan Tinggi atau disingkat (BAN-PT). Untuk penilaian
akreditasi tentunya BAN-PT memiliki kriterianya sendiri, dan salah satunya
adalah kualitas mahasiswa. Mahasiswa yang berkualitas di tandai dengan
kelulusan yang cepat ataupun tepat waktu tidak melebihi standar minimun
semester ataupun tahun yang sudah di atur oleh Universitas. Untuk itu
perlunya dilakukan prediksi demi mengetahui seberapa besar potensi
mahasiswa untuk dapat menyelesaikan kuliahnya secara tepat waktu.
Prediksi sendiri adalah proses memperkirakan secara sistematis dan
bertujuan untuk mengetahui kemungkinan yang akan terjadi di masa depan
berdasarkan data-data yang sudah di miliki dimasa lalu. Universitas
Muhammadiyah Yogyakarta adalah salah satu Universitas terbaik di
Indonesia yang berhasil memiliki tingkat akreditasi bernilai A, dan pastinya
untuk mempertahankan posisi ini Universitas tidak asal dalam mengambil
kebijakan dalam mengatur kurikulum serta sistem belajar mengajar harus
di dasarkan pada data dan pengalaman. Untuk itulah penulis melakukan
penelitian ini dimana penulis ingin memprediksi seberapa besar potensi
kelulusan tepat waktu mahasiswa khususnya di fakultas Teknik Universitas
Muhammadiyah Yogyajarta menggunakan machine learning dengan
metode Support Vector Machine. Ada banyak faktor penilai kualitas
mahasiswa salah satunya adalah kedisiplinan dalam studi dan juga
pencapaian yang berhasil diraih tiap semester, untuk itu titik fokus
penelitian berpusat pada tingkat keaktifan alumni mahasiswa sebagai
subjeknya dinilai dari SKS yang di ambil, IP semester yang di dapat, lama
studi yang di tempuh, usia alumni dan juga jenis kelamin. Penulis berharap
dari hasil penelitian yang penulis lakukan ini nantinya dapat menjadi bahan
pertimbangan sekaligus sekaligus membantu pihak kampus dalam
menentukan kebijakan kedepanya untuk membentuk mahasiswa yang lebih
berkualitas dan berintegritas.

Item Type: Thesis (S1)
Divisions: Fakultas Teknik > Teknologi Informasi S1
Depositing User: Unnamed user with email robi@umy.ac.id
Date Deposited: 12 Oct 2021 03:48
Last Modified: 03 Nov 2021 03:12
URI: https://etd.umy.ac.id/id/eprint/2051

Actions (login required)

View Item
View Item