6285641688335, 628551515511 info@scirepid.com

 
AITI - AITI - Vol. 22 Issue. 1 (2025)

Meningkatkan kinerja SVM: Dampak berbagai teknik seleksi fitur pada akurasi prediksi

Lenny Margaretta Huizen, Muhammad Basyier Ardima, Mochamad Idris,



Abstract

Pada akreditasi Perguruan Tinggi, kelulusan mahasiswa memainkan peran penting sebagai salah satu kriteria penilaian. Prediksi kelulusan merupakan fokus utama untuk membantu institusi dalam menilai seorang mahasiswa lulus tepat waktu. Penelitian ini mengambil data historis dari mahasiswa yang telah lulus, yang diambil melalui kuesioner dari mahasiswa Program Studi Sistem Informasi dan Teknik Informatika Universitas Semarang. Metode seleksi fitur digunakan untuk menyeleksi atribut yang paling relevan pada prediksi kelulusan. Hasil seleksi ini diujikan menggunakan Algoritma Support Vector Machine (SVM). Tujuan utama dari penelitian ini adalah untuk mengevaluasi dampak seleksi fitur terhadap prediksi kelulusan. Hasil pengujian menunjukkan bahwa SVM dengan seleksi fitur menggunakan weight by relief mencapai akurasi sebesar 82%, presisi 83,42%, dan recall 80,83%. Sebaliknya, SVM tanpa menggunakan weight by relief menunjukkan akurasi 69,23%, presisi 70,83%, dan recall 67,86%. Penggunaan seleksi fitur berhasil mengurangi fitur dari 27 menjadi empat fitur yang paling berpengaruh.







Publisher :

Universitas Kristen Satya Wacana

DOI :


Sitasi :

20

PISSN :

1693-8348

EISSN :

2615-7128

Date.Create Crossref:

09-Apr-2025

Date.Issue :

22-Mar-2025

Date.Publish :

22-Mar-2025

Date.PublishOnline :

22-Mar-2025



PDF File :

Resource :

Open

License :

http://creativecommons.org/licenses/by/4.0