Abstrak
Dalam menghadapi perubahan dinamika pada era digital, salah satu tujuan institusi pendidikan menghasilkan lulusan yang terampil dan mampu bersaing dalam dunia kerja. Tracer Study bertujuan mengukur umpan balik dari setiap lulusan. Universitas Telkom melakukan Tracer Study untuk mendapatkan informasi mengenai kinerja alumni, salah satunya dilihat dari tingkat penghasilan alumni. Pada penelitian ini dilakukan klasifikasi tingkat penghasilan alumni be+rdasarkan 7 aspek kompetensi lulusan menggunakan metode analisis Support Vector Machine, Logistic Regression, dan Logistic Regression dioptimasi AdaBoost. Proses pemodelan menggunakan 7 aspek kompetensi dan 1 aspek tingkat penghasilan alumni Universitas Telkom. Hasil klasifikasi menunjukkan bahwa pada model Logistic Regression menghasilkan accuracy sebesar 0.30, precision 0.30, recall 0.30, dan F1 Score 0.28. Pada model Logistic Regression dioptimasi AdaBoost, performa justru mengalami penurunan dengan accuracy 0.27, precision berkisar antara 0.22 hingga 0.42, recall 0.26 hingga 0.28, dan F1-Score antara 0.17 hingga 0.39. Model Support Vector Machine menunjukkan sedikit peningkatan performa dengan accuracy 0.32 hingga 0.36, precision 0.43 hingga 0.49, recall 0.32 hingga 0.36, dan F1-Score 0.37 hingga 0.41. Meskipun model Support Vector Machine menunjukkan hasil yang lebih baik, terutama dalam precision dan F1-Score, ketiga model masih kesulitan dalam membedakan setiap kelas dengan benar. Manfaat dari penelitian ini dapat memberikan rekomendasi kepada institusi, kompetensi apa saja yang berpengaruh terhadap tingkat penghasilan lulusan.
Kata kunci : Tracer Study, Support Vector Machine, Logistic Regression, AdaBoost