Metode SVM Berbasis PSO untuk Meningkatkan Prediksi Ketepatan Waktu Kelulusan Mahasiswa

Abstrak

Abstract—This scientific article discusses how the swarm optimization particle method can improve accuracy in predicting student graduation accuracy. This is done in order to anticipate the decrease in the number of students in their lectures. The experimental results have shown that particle swarm optimization (PSO) can improve the accuracy of the support vector machine method from 80.14% accuracy to 82.05% so that there is an increase of accuracy of 1.91%.

 

Intisari— Artikel ilmiah ini membahas bagaimana metode partikel swarm optimization dapat meningkatkan akurasi dalam memprediksi ketepatan kelulusan mahasiswa. Hal tersebut dilakukan agar dapat mengantisipasi penurunan jumlah mahasiswa dalam kegiatan perkuliahannya. Hasil eksperimen yang telah dilakukan terbukti bahwa particle swarm optimization ( PSO ) dapat meningkatkan akurasi metode support vector machine dari  akurasi sebesar 80.14% menjadi 82,05% sehingga terbukti ada peningkatan akurasi sebesar  1.91 %.

 

Kata Kunci— SVM, PSO, akurasi, prediksi, data mining.