APLIKASI PERBANDINGAN ALGORITMA PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN C4.5 DAN SUPPORT VECTOR MACHINE (SVM)

Kelulusan mahasiswa adalah salah satu elemen penting dalam penilaian akreditasi perguruan tinggi. Salah satu teknik memprediksi kelulusan yang dapat diterapkan untuk mengetahui mahasiswa berpotensi lulus tepat waktu atau tidak terlambat adalah dengan menggunakan Machine Learning. Dua algoritma dalam machine learning yaitu C4.5 dan Support Vector Machine (SVM) akan dibandingkan untuk memprediksi atribut yang sama dari data mahasiswa STMIK Mikroskil Medan periode 4 tahun terakhir yaitu Indeks Prestasi Sementara (IPS) semester 1 hingga semester 6. Algoritma C4.5 akan menghasilkan pohon keputusan yang mampu mengatasi atribut bersifat continue, mampu melakukan pemangkasan pohon, sementara Support Vector Machine akan menghasilkan hyperplane terbaik yang dapat memisahkan dua set data dari dua kelas berbeda. Berdasarkan pengujian yang telah dilakukan secara K-fold dan incremental, algoritma C4.5 dan Support Vector Machine (SVM) memiliki tingkat akurasi yang berbeda. Algoritma C4.5 menghasilkan tingkat akurasi 78,43% dan Support Vector Machine (SVM) menghasilkan tingkat akurasi 83,65%. Dengan demikian, disimpulkan bahwa algoritma Support Vector Machine (SVM) memiliki tingkat akurasi yang lebih tinggi daripada C4.5.