Publisher

ATMALUHURATMALUHUR

Journal Jurnal Sisfokom (Sistem Informasi dan Komputer)Jurnal Sisfokom (Sistem Informasi dan Komputer) Abstract

Memilih jurusan kuliah yang sesuai dengan latar belakang sekolah menengah atas adalah faktor penting dalam mendukung prestasi akademik dan persiapan karier. Penelitian ini berfokus pada analisis komparatif antara Support Vector Machine (SVM) dan algoritma K-Nearest Neighbor (KNN) dalam mengevaluasi konsistensi pemilihan jurusan kuliah. Data dari 636 siswa dikumpulkan dan diproses untuk analisis. Evaluasi model dilakukan menggunakan 5-Fold Cross Validation, di mana dataset berulang kali dipartisi menjadi set pelatihan dan pengujian untuk memastikan penilaian kinerja yang andal dan tidak bias. Hasil menunjukkan bahwa SVM menunjukkan efektivitas yang lebih tinggi, dengan skor rata-rata di seluruh presisi, recall, F1-score, dan akurasi sebesar 85%. Sementara itu, KNN memperoleh skor kinerja rata-rata sebesar 78%. Temuan ini menunjukkan bahwa SVM memberikan kinerja yang lebih baik dalam menganalisis konsistensi antara jurusan sekolah menengah atas dan jurusan kuliah yang dipilih. Temuan ini juga berkontribusi pada pengembangan sistem dukungan keputusan dan layanan konseling untuk membimbing siswa dalam membuat pilihan jurusan yang lebih terinformasi.

Conclusion

Dari hasil penelitian ini, mayoritas 467 siswa memilih jurusan kuliah yang konsisten dengan latar belakang sekolah menengah atas mereka, sementara 169 siswa memilih bidang yang berbeda.Ketika dianalisis menggunakan model klasifikasi, hasil menunjukkan bahwa SVM menunjukkan efektivitas yang lebih tinggi daripada K-Nearest Neighbor (KNN), karena mencapai skor rata-rata yang lebih unggul dalam presisi, recall, f1-score, dan akurasi.Hal ini menunjukkan bahwa SVM lebih cocok untuk menganalisis konsistensi pemilihan jurusan kuliah berdasarkan latar belakang sekolah menengah atas.Temuan ini konsisten dengan penelitian sebelumnya, seperti Perbandingan K-Nearest Neighbor dan Support Vector Machine untuk Memilih Sekolah Menengah Atas, yang menunjukkan bahwa SVM memiliki kinerja lebih tinggi sebesar 97,1% dibandingkan dengan KNN sebesar 88,5%, serta waktu pemrosesan yang lebih cepat.Penelitian ini menambah nilai dengan memperdalam pemahaman tentang bagaimana algoritma pembelajaran mesin, khususnya SVM, dapat diterapkan untuk memeriksa konsistensi jurusan kuliah.Temuan juga menyediakan dasar untuk mengembangkan sistem dukungan keputusan atau meningkatkan layanan konseling, memungkinkan sekolah untuk membimbing siswa dalam membuat keputusan yang lebih terinformasi yang selaras dengan potensi dan latar belakang akademik mereka.

Future Research

Berdasarkan hasil penelitian ini, berikut adalah beberapa saran untuk penelitian lanjutan:. . 1. Mengembangkan sistem dukungan keputusan yang lebih canggih yang dapat membantu siswa dalam memilih jurusan kuliah yang sesuai dengan latar belakang sekolah menengah atas mereka. Sistem ini dapat menggunakan algoritma SVM yang telah terbukti efektif dalam menganalisis konsistensi jurusan.. . 2. Meneliti lebih lanjut tentang faktor-faktor yang mempengaruhi konsistensi pemilihan jurusan kuliah, seperti minat, kemampuan, dan pengaruh sosial. Penelitian ini dapat membantu memahami alasan di balik pilihan jurusan yang tidak konsisten dan mengembangkan strategi untuk meningkatkan konsistensi.. . 3. Menerapkan teknik data mining yang lebih canggih untuk menganalisis data siswa dan mengidentifikasi pola-pola yang dapat membantu dalam proses pemilihan jurusan. Teknik-teknik ini dapat membantu sekolah dan konselor dalam memberikan rekomendasi yang lebih akurat kepada siswa.. . Dengan mengembangkan sistem dukungan keputusan, memahami faktor-faktor yang mempengaruhi konsistensi, dan menerapkan teknik data mining yang lebih canggih, penelitian lanjutan dapat meningkatkan proses pemilihan jurusan kuliah dan membantu siswa dalam membuat keputusan yang lebih terinformasi dan sesuai dengan potensi mereka.

Metadata

File size	394.98 KB
Pages	8
DMCA	Report