Aplikasi Mobile Forecasting Prestasi Rendah Mahasiswa dengan Algoritma Support Vector Machine (SVM) pada Fakultas Sains dan Teknologi UIN Alauddin Makassar

Abstrak

Prestasi merupakan nilai capaian kegiatan pembelajaran dari mahasiswa yang diberikan dosen matakuliah yang bersangkutan berdasarkan kriteria penilaian yang telah ditetapkan sebelumnya. Penelitian ini bertujuan untuk mengembangkan sistem informasi forecasting mahasiswa berprestasi rendah yang dapat membantu mengindentifikasi mahasiswa mana yang memiliki prestasi rendah. Algoritma yang digunakan adalah Support Vector Machine (SVM) untuk memodelkan hubungan antara variabel terkait dengan rendahnya prestasi mahasiswa. Dataset yang digunakan berasal dari alumni angkatan 2015-2017, sedangkan sampel untuk forecasting prestasi mahasiswa menggunakan angkatan 2020 dan 2021. Hasil penelitian menunjukkan bahwa dalam pembuatan sistem informasi forecasting mahasiswa berprestasi rendah, faktor-faktor seperti IP semester 1, IP semester 2, IP semester 3, SKS semester 2, SKS semester 3, absensi semester 1-3, serta partisipasi mahasiswa dalam lomba dan organisasi memiliki pengaruh yang signifikan terhadap rendahnya prestasi mahasiswa. Akurasi menunjukkan bahwa library keras memiliki akurasi rata-rata sekitar 83%, sementara scikit-learn memiliki akurasi rata-rata sekitar 82%. Dengan nilai akurasi tersebut, dapat disimpulkan bahwa sistem ini memiliki kinerja yang baik dalam melakukan prediksi mahasiswa berprestasi rendah.