Application of Penerapan Metode Support Vector Machine untuk Memprediksi Kelulusan Siswa di SMA Bina Marga
DOI:
https://doi.org/10.55338/justikpen.v5i2.388Kata Kunci:
SVM, Prediction, Graduation, SchoolAbstrak
Kelulusan siswa merupakan indikator penting dalam menilai keberhasilan pendidikan, yang dipengaruhi oleh berbagai faktor seperti nilai akademik, aktivitas ekstrakurikuler, kemampuan interpersonal, kondisi sosial ekonomi, serta dukungan orang tua. Prediksi kelulusan dapat membantu sekolah dalam mendeteksi siswa yang berisiko tidak lulus dan memberikan intervensi yang tepat waktu.Penelitian ini bertujuan untuk membangun model prediksi kelulusan siswa dengan menggunakan metode Support Vector Machine (SVM), yang dikenal efektif dalam memisahkan data ke dalam kategori tertentu secara optimal. Data yang digunakan mencakup aspek akademik dan non-akademik. Proses pemodelan meliputi pembersihan data, seleksi fitur, optimasi parameter, serta evaluasi performa menggunakan metrik akurasi, presisi, dan recall. Hasil menunjukkan bahwa model SVM mampu memberikan prediksi kelulusan yang akurat berdasarkan data yang didapat yakni nilai precision sebesar 97%, recall sebesar 90%, dan akurasi sebesar 97,16% menunjukkan bahwa model memiliki tingkat kinerja yang sangat baik. Dengan demikian, model ini dapat dikategorikan sebagai model dengan performa excellent dan layak digunakan sebagai alat bantu dalam menentukan kelulusan siswa secara akurat dan andal
Referensi
P. Aprilianti, E. Mulazamah, N. Faizah, and D. T. Setiyoko, “PERAN PENDIDIKAN DALAM MEMBENTUK CITA-CITA WARGA NEGARA YANG BERKUALITAS,” J. ILMU Pendidik., vol. 6, no. 1, pp. 123–134, 2025.
A. Taufik, “Analisis Indikator kegagalan siswa dalam menempuh pendidikan di sekolah,” J. Ilm. Pendidik. Dan Pembelajaran, vol. 4, no. 3, pp. 537–545, 2020.
A. Fatunnisa and H. Marcos, “Prediksi Kelulusan Tepat Waktu Siswa SMK Teknik Komputer Menggunakan Algoritma Random Forest,” J. Manaj. Inform. JAMIKA, vol. 14, no. 1, pp. 101–111, 2024.
N. Nikmah, D. S. B. Tumeko, and N. A. N. Murniati, “Dampak Perencanaan Berbasis Data terhadap Peningkatan Hasil Belajar Siswa,” Pendas J. Ilm. Pendidik. Dasar, vol. 9, no. 04, pp. 341–353, 2024.
A. M. Shahiri, W. Husain, and N. A. Rashid, “A review on predicting student’s performance using data mining techniques,” Procedia Comput. Sci., vol. 72, pp. 414–422, 2015.
Sk. Vaheed, R. Pratap Singh, P. Nayak, and Ch. Mallikarjuna Rao, “Student’s Academic Performance Prediction Using Ensemble Methods Through Educational Data Mining,” in Smart Intelligent Computing and Applications, Volume 1, vol. 282, V. Bhateja, S. C. Satapathy, C. M. Travieso-Gonzalez, and T. Adilakshmi, Eds., in Smart Innovation, Systems and Technologies, vol. 282. , Singapore: Springer Nature Singapore, 2022, pp. 215–224. doi: 10.1007/978-981-16-9669-5_20.
M. M. E. Khoudier et al., “Prediction of student performance using machine learning techniques,” in 2023 5th Novel Intelligent and Leading Emerging Sciences Conference (NILES), IEEE, 2023, pp. 333–338. Accessed: Oct. 21, 2025. [Online]. Available: https://ieeexplore.ieee.org/abstract/document/10296766/
G. Mestres et al., “Vascular access surgery can be safely performed in an ambulatory setting,” J. Vasc. Access, vol. 20, no. 2, pp. 195–201, Mar. 2019, doi: 10.1177/1129729818794356.
R. Rustiyana et al., Data Mining: Algoritma dan Penerapannya. PT. Sonpedia Publishing Indonesia, 2025. Accessed: Oct. 21, 2025. [Online]. Available:
F. Elfaladonna, I. G. T. Isa, D. Sartika, and A. M. Putra, Buku Ajar Dasar Exploratory Data Analysis (EDA). Penerbit NEM, 2024. Accessed: Oct. 21, 2025. [Online]. Available:
G. Gusrianty, F. Fenly, D. Jollyta, E. Erlin, R. N. Putri, and D. Oktariana, “Penerapan Linear Discriminant Analysis Untuk Meningkatkan Kinerja Algoritma Support Vector Machine,” J. Inform. J. Pengemb. IT, vol. 10, no. 4, pp. 895–906, 2025.
R. F. Putra et al., Data Mining: Algoritma dan Penerapannya. PT. Sonpedia Publishing Indonesia, 2023. Accessed: Oct. 21, 2025. [Online]. Available:
Y. Asriningtias and R. Mardhiyah, “Aplikasi Data Mining Untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa,” J. Inform., vol. 8, no. 1, pp. 837–848, 2014.
F. Wilyani, Q. N. Arif, and F. Aslimar, “Pengenalan Dasar Pemrograman Python Dengan Google Colaboratory,” J. Pelayanan Dan Pengabdi. Masy. Indones., vol. 3, no. 1, pp. 08–14, 2024.
N. S. N. Az-zahrani, H. K. A. Eloi, F. Salim, A.-Z. A. Ramadhani, C. Meysyanti, and L. N. A. Purwantiningsih, Python untuk Analisis Data. SIEGA Publisher, 2025. Accessed: Oct. 21, 2025. [Online]. Available:
Y. Kristian, “Analisa Citra Wajah Bayi Untuk Deteksi Nyeri Dan Tangis Menggunakan Multi Stage Classification Dan Deep Learning,” PhD Thesis, Institut Teknologi Sepuluh Nopember, 2018. Accessed: Oct. 21, 2025. [Online]. Available: https://repository.its.ac.id/59669/2/2213301008-Disertation.pdf
B. H. Putra, “Penerapan Algoritma Support Vector Machine Pada Ekstraksi Informasi Daftar Riwayat Hidup,” PhD Thesis, Universitas Komputer Indonesia, 2019. Accessed: Oct. 21, 2025. [Online]. Available: https://elibrary.unikom.ac.id/id/eprint/1474/
N. Fitriyah, B. Warsito, and I. M. Di Asih, “Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (SVM),” J. Gaussian, vol. 9, no. 3, pp. 376–390, 2020.
R. Swastika, S. Mukodimah, F. Susanto, M. Muslihudin, and S. I. P. Adab, IMPLEMENTASI DATA MINING (Clastering, Association, Prediction, Estimation, Classification). Penerbit Adab, 2023. Accessed: Oct. 21, 2025. [Online]. Available:
S. Fachrurrazi, “Penggunaan Metode Support Vector Machine (SVM) Untuk Mengklasifikasi Dan Memprediksi Angkutan Udara Jenis Penerbangan Domestik Dan Penerbangan Internasional Di Banda Aceh,” PhD Thesis, Universitas Sumatera Utara, 2011. Accessed: Oct. 21, 2025. [Online]. Available: https://repositori.usu.ac.id/handle/123456789/39194
I. Machali, “Metode penelitian kuantitatif (panduan praktis merencanakan, melaksanakan, dan analisis dalam penelitian kuantitatif).” Fakultas Ilmu Tarbiyah dan Keguruan Universitas Islam Negeri (UIN) Sunan …, 2021. Accessed: Oct. 21, 2025. [Online]. Available: https://digilib.uin-suka.ac.id/id/eprint/50344/
F. R. Valerian, M. Syarief, and D. A. Fatah, “Klasifikasi tingkat obesitas menggunakan metode gbm dan confusion matrix,” JATI J. Mhs. Tek. Inform., vol. 9, no. 2, pp. 2242–2249, 2025.
L. A. Supriyono et al., Buku Ajar Big Data dan Data Mining: Konsep, Metodologi, dan Aplikasi. PT. Sonpedia Publishing Indonesia, 2025. Accessed: Oct. 21, 2025. [Online]. Available:
T. Gori, A. Sunyoto, and H. Al Fatta, “Preprocessing Data dan Klasifikasi untuk Prediksi Kinerja Akademik Siswa,” J. Teknol. Inf. Dan Ilmu Komput., vol. 11, no. 1, pp. 215–224, 2024.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Nur Irvan Rizqi, Prasasti Karunia Farista, Agussalim Agussalim
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
