KLASIFIKASI LAMA STUDI MAHASISWA FMIPA UNIVERSITAS BENGKULU MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM)

Tahun 2021 Universitas Bengkulu (UNIB) menyelenggarakan upacara wisuda dalam
empat periode yaitu periode Maret, Juni, September dan Desember. Namun dari data
yang ada pada website UNIB dalam empat periode tersebut jumlah lulusan dengan
jumlah mahasiswa baru tidaklah seimbang. Hal ini disebabkan oleh banyaknya
mahasiswa yang lulus tidak tepat waktu. Lama studi mahasiswa dapat dipengaruhi
oleh beberapa faktor antara lain Indeks Prestasi Kelulusan (IPK), jenis kelamin,
jurusan, lama studi yang ditempuh, beasiswa, part time, organisasi, dan jalur masuk
universitas. Oleh karena itu, peneliti ingin meneliti faktor-faktor yang mempengaruhi
lama studi mahasiswa serta ingin mengklasifikasikan kelulusan mahasiswa ke dalam
dua kategori yaitu lulus tepat waktu dan lulus tidak tepat waktu. Pada penelitian ini
akan diklasifikasikan dengan metode Support Vector Machine (SVM) dan akan
dibandingkan dengan metode Regresi Logistik Biner. Berdasarkan hasil penelitian
dengan metode regresi logistik biner, menunjukkan variabel yang berpengaruh
terhadap lama studi mahasiswa adalah Jurusan, IPK dan jalur masuk. Model yang
terbentuk adalah: ( ) . Akurasi
klasifikasi tertinggi regresi logistik biner dan SVM dihasilkan oleh kombinasi 90:10
yaitu sebesar 95.65%. Secara keseluruhan disimpulkan bahwa metode logistik biner
lebih baik dalam mengklasifikasi daripada support vector machine.
Kata kunci : Lama studi, Regresi Logistik Biner, Support Vector Machine (SVM),
Ketepatan Klasifikasi.