KLASIFIKASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN METODE GA-SVM

Repositori Jurnal Mahasiswa PTIIK UB
© 2016 by Doro Jurnal
Volume 7 - Number 16
Year of Publication: 2016
Harist Fachruddin Al Mahi, Imam Cholissodin dan Lailil Muflikhah
Download Article

 


Abstract

Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 49 tahun 2014 bahwa Masa Studi terpakai bagi mahasiswa program sarjana 4 sampai 5 tahun. Konsekuensinya adalah mahasiswa program sarjana tahun masuk ajaran 2014 diharuskan sudah lulus selambat-lambatnya 5 (lima) tahun masa studi. Berdasarkan banyaknya jumlah data mahasiswa yang masuk setiap tahunnya, maka akan beragam juga tipe potensi kinerja akademik dari masing-masing individu mahasiswa. Hal tersebut seharusnya dapat diidentifikasi lebih awal untuk segera di evaluasi guna menunjang peraturan tersebut agar mahasiswa dapat lulus tepat waktu. Oleh karena itu, maka perlu dibuat sebuah sistem cerdas yang dapat mengetahui tingkat kualitas performa mahasiswa secara dini berdasarkan kinerja akademik mahasiswa. Metode yang digunakan adalah Support Vector Machine (SVM), dimana SVM memaksimalkan batas hyperplane atau garis pemisah. Kemudian, fitur dan parameter pada SVM akan dioptimasi menggunakan Algoritma Genetika (GA). Data yang digunakan sebanyak 90 data mahasiswa. Nilai rata-rata fitness tertinggi yang dihasilkan dengan rasio perbandingan data 30%:70% adalah 0.1105 dengan nilai rata-rata akurasi sebesar 91.78%. dimana σ =1, serta nilai interval parameter  adalah [0,1], nilai interval parameter γ adalah [0.005,1] dan nilai interval parameter C adalah [70,80],  = 0.00001, itermax = 400, jumlah populasi = 70, jumlah generasi = 70, cr = 0.5,  mr = 0.5.

 

Keywords

Mahasiswa, Klasifikasi, Support Vector Machine, Algoritma Genetika