HYPERPARAMETER TUNING SUPPORT VECTOR MACHINE UNTUK PREDIKSI TINGKAT KELULUSAN MAHASISWA INFORMATIKA DI UNIVERSITAS INTERNASIONAL SEMEN INDONESIA MENGGUNAKAN RANDOM SEARCH

Nur Amelia Ramadhani Al Hadi, 3012210036 (2026) HYPERPARAMETER TUNING SUPPORT VECTOR MACHINE UNTUK PREDIKSI TINGKAT KELULUSAN MAHASISWA INFORMATIKA DI UNIVERSITAS INTERNASIONAL SEMEN INDONESIA MENGGUNAKAN RANDOM SEARCH. Undergraduate thesis, Universitas Internasional Semen Indonesia.

	Text (COVER) 0. COVER.pdf Download (203kB)
	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (165kB)
	Text (HALAMAN PENGESAHAN) 2. HALAMAN PENGESAHAN.pdf Restricted to Repository staff only Download (520kB) | Request a copy
	Text (HALAMAN PERSETUJUAN PUBLIKASI) 3. HALAMAN PERSETUJUAN PUBLIKASI.pdf Restricted to Repository staff only Download (558kB) | Request a copy
	Text (HALAMAN PERNYATAAN ORISINALITAS) 4. HALAMAN PERNYATAAN ORISINALITAS.pdf Restricted to Repository staff only Download (463kB) | Request a copy
	Text (LEMBAR HASIL FINALL DETEKSI PLAGIASI SKRIPSI) 5. LEMBAR HASIL FINAL DETEKSI PLAGIASI SKRIPSI.pdf Restricted to Repository staff only Download (583kB) | Request a copy
	Text (ABSTRAK) 6. ABSTRAK.pdf Download (421kB)
	Text (KATA PENGANTAR) 7. KATA PENGANTAR.pdf Restricted to Repository staff only Download (328kB) | Request a copy
	Text (DAFTAR ISI) 8. DAFTAR ISI.pdf Download (389kB)
	Text (DAFTAR GAMBAR) 9. DAFTAR GAMBAR.pdf Restricted to Repository staff only Download (348kB) | Request a copy
	Text (DAFTAR TABEL) 10. DAFTAR TABEL.pdf Restricted to Repository staff only Download (350kB) | Request a copy
	Text (BAB I PENDAHULUAN) 11.BAB I PENDAHULUAN.pdf Download (420kB)
	Text (BAB II KAJIAN PUSTAKA) 12.BAB II KAJIAN PUSTAKA.pdf Restricted to Registered users only Download (636kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) 13.BAB III METODOLOGI PENELITIAN.pdf Restricted to Registered users only Download (725kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 14.BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V PENUTUP) 15.BAB V PENUTUP.pdf Restricted to Registered users only Download (372kB) | Request a copy
	Text (DAFTAR PUSTAKA) 16.DAFTAR PUSTAKA.pdf Download (396kB)
	Text (LAMPIRAN) 17.LAMPIRAN.pdf Restricted to Repository staff only Download (763kB) | Request a copy
	Text (FULL TEXT) 17.SKRIPSI - NUR AMELIA RAMADHANI AL-HADI (3012210036).pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text (FULL TEXT DOC) 18.SKRIPSI - NUR AMELIA RAMADHANI AL-HADI (3012210036).docx Restricted to Repository staff only Download (4MB) | Request a copy
	Image (POSTER SKRIPSI) 19.POSTER SKRIPSI.jpg Download (2MB)

Abstract

Prediksi tingkat kelulusan mahasiswa merupakan aspek penting dalam upaya peningkatan mutu pendidikan dan pemenuhan standar penjaminan mutu perguruan tinggi. Ketepatan waktu kelulusan dipengaruhi oleh berbagai faktor akademik, sehingga diperlukan pendekatan berbasis data untuk mengidentifikasi mahasiswa yang berpotensi tidak lulus tepat waktu. Algoritma Support Vector Machine (SVM) merupakan salah satu metode klasifikasi yang banyak digunakan karena kemampuannya dalam menangani data non-linear serta menghasilkan pemisahan kelas yang optimal, sebagaimana dijelaskan pada berbagai penelitian mengenai prediksi kelulusan dan performa akademik mahasiswa. Data penelitian terdiri atas variabel akademik mahasiswa, yaitu Kumulatif SKS, Kumulatif IPK, dan Kumulatif Point SKEM. Proses penelitian mencakup data preprocessing, penanganan ketidakseimbangan kelas menggunakan teknik Tomek Links Undersampling, pembangunan model SVM dengan hyperparameter default, penyetelan hyperparameter menggunakan metode Random Search, serta perbandingan performa dengan model Decision Tree dan Naive Bayes. Hasil pengujian menunjukkan bahwa model SVM dengan hyperparameter default (tanpa Tomek Links) menghasilkan accuracy sebesar 0,7721, sedangkan model SVM yang telah dituning menggunakan Random Search dan diterapkan Tomek Links Undersampling berhasil meningkatkan performa menjadi accuracy sebesar 0,9277, precision 0,9306, recall 0,9853, dan F1-score 0,9571, sehingga menjadi model dengan performa terbaik dibandingkan Decision Tree (accuracy 0,8046) dan Naive Bayes (accuracy 0,8276). Hasil ini menunjukkan bahwa kombinasi Tomek Links Undersampling dan hyperparameter tuning menggunakan Random Search efektif meningkatkan performa model SVM dan dapat dimanfaatkan sebagai alat bantu dalam penyusunan strategi intervensi akademik serta peningkatan layanan pendidikan di lingkungan universitas

Item Type:	Thesis (Undergraduate)
Additional Information:	Softfile/KK.26/UISI-01/IF
Uncontrolled Keywords:	Prediksi Kelulusan, Machine Learning, Support Vektor machine, Hyperparameter Tuning, Random Search, Data Akademik Mahasiswa, Klasifikasi
Contributors:	Contribution Name Email Thesis advisor Yohanes Indra Riskajaya, S.Kom., M.Kom., MTA, MCE yohanes.riskajaya@uisi.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Department of Informatics
Depositing User:	Nur Amelia Ramadhani Al Hadi
Date Deposited:	21 Aug 2026 11:10
Last Modified:	21 Aug 2026 11:10
URI:	https://repository.uisi.ac.id/id/eprint/9197

Actions (login required)

View Item