Analisis Waktu Tunggu Telkom Univ: SVM vs. Regresi Logistik dengan Data Tracer Study 2022 - Dalam bentuk buku karya ilmiah

JOVIDIA LAVIOSA

Informasi Umum

Kode

24.04.150

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

30 kali

Informasi Lainnya

Abstraksi

<p>Universitas adalah gelar pendidikan yang diperlukan untuk mempersiapkan dan memungkinkan calon lulusan untuk dapat berpartisipasi dan bersaing di industri. Pelacakan alumni atau tracer study diperlukan untuk melihat kualitas lulusan guna meningkatkan dan mengevaluasi suatu perguruan tinggi. Pengklasifikasian waktu tunggu kerja bertujuan untuk mengetahui tingkat kelancaran lulusan atau alumni dalam mendapatkan pekerjaan. Pada penelitian ini dilakukan analisis klasifikasi dari data Tracer Study Telkom University tahun 2022 dengan menggunakan metode algoritma Support Vector Machine (SVM) dan Regresi Logistik. Metode ini dipilih karena SVM dan regresi logistik dapat mengklasifikasikan kelas biner dengan baik seperti 'cepat' dan 'lambat'. Penelitian ini juga menyelidiki faktor yang paling signifikan antara kompetensi yang dimiliki mahasiswa setelah lulus mengenai waktu tunggu dengan fokus pada faktor yang paling berpengaruh mempengaruhi waktu tunggu lulusan untuk memasuki dunia kerja. Hal ini dapat memandu universitas untuk mempersiapkan mahasiswanya dengan lebih baik.Tiga faktor yang berpengaruh dibandingkan dengan ketujuh faktor kompetensi untuk diklasifikasikan. Setelah diklasifikasikan hasil terbaiknya adalah dengan menggunakan tujuh fitur dengan Regresi Logistik mencapai akurasi sebesar 82,11% dan SVM mencapai akurasi sebesar 88,15%.<br /> </p>