Abstract
Tugas mahasiswa adalah menyelesaikan studi di bangku kuliah dengan baik dan tepat waktu. Salah satu permasalahan yang tidak di inginkan oleh pihak kampus yaitu mahasiswa yang memiliki status kritis. Jika permasalahan ini tidak diatasi, akan terjadi ketidak seimbangan antara jumlah mahasiswa yang masuk dan lulus. Oleh karena itu perlu diterapkan sistem cerdas yang dapat membantu fakultas dalam mengidentifikasi secara dini berbagai tipe mahasiswa selama mahasiswa tersebut menjalani perkuliahan. Metode yang digunakan untuk menyelesaikan permasalahan ini adalah Particle Swarm Optimization dan Support Vector Machine. Metode PSO digunakan untuk proses seleksi fitur agar mendapatkan hasil yang lebih optimal. Sedangkan metode SVM digunakan untuk mengklasifikasikan berbagai macam tipe mahasiswa. Kernel yang digunakan pada penelitian ini adalah Radial Basis Function. Dari hasil pengujian yang telah dilakukan menghasilkan rata-rata akurasi sebesar 83,6% dengan perbandingan rasio data sebesar 20%:80%, iterasi PSO sebanyak 100 iterasi, jumlah partikel sebanyak 7 partikel, nilai λ dengan range [8, 10], nilai C dengan range [40, 50], nilai γ dengan range [0.5, 1], jumlah iterasi SVM sebanyak 1000 iterasi, dan ε sebesar 0.01.
