UTOMO, FAJAR EKO PRASETYO (2024) KLASIFIKASI KELUHAN MAHASISWA MERCUBUANA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Studi Kasus: support.mercubuana.ac.id. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (JURNAL MAHASISWA)
TTTATU+41517120087+FAJAREKOPRASETYOUTOMO copy.pdf Restricted to Registered users only Download (1MB) |
Abstract
Universitas Mercubuana provides a platform, suport.mercubuana.ac.id, for its students to voice their complaints regarding lectures. However, the data from suport.mercubuana.ac.id has not been processed for classification purposes. One of the objectives of classifying complaint data is to identify the types and forms of complaints. Complaint, in itself, is a formal expression of dissatisfaction or displeasure towards certain aspects experienced by an individual (Lovelock & Wright, 2002). Classifying complaint data can facilitate Universitas Mercubuana in enhancing the quality of services and education provided to its students. Classification entails examining the characteristics of objects and assigning them to one of the predefined classes. To achieve high accuracy in the classification process, an algorithmic method suitable for the data's needs is required. The algorithmic method chosen for classifying complaint data from Universitas Mercubuana students is the Support Vector Machine (SVM) algorithm. In the concept of the SVM algorithm, it aims to find the best separating function (hyperplane) among an infinite number of functions. The optimal hyperplane separating the two classes is found by measuring the margin of the hyperplane and identifying its maximum point. In the case of classifying complaint data, this hyperplane function will greatly assist in separating words. This will result in obtaining an accurate pattern of complaint classification. Key Word: Universitas Mercubuana, Complaint Data, Classification, Data Mining, Support Vector Machine (SVM), Hyperplane, Student Satisfaction. Universitas Mercubuana menyediakan platform, suport.mercubuana.ac.id, bagi mahasiswa/mahasiswi untuk menyampaikan keluhan terkait perkuliahan. Namun, data dari suport.mercubuana.ac.id belum diproses untuk keperluan klasifikasi. Salah satu tujuan dari klasifikasi data keluhan adalah untuk mengidentifikasi jenis dan bentuk keluhan. Keluhan, pada dasarnya, merupakan ekspresi formal ketidakpuasan terhadap aspek tertentu yang dialami oleh seseorang (Lovelock & Wright, 2002). Klasifikasi data keluhan dapat memudahkan Universitas Mercubuana dalam meningkatkan kualitas layanan dan pendidikan yang diberikan kepada mahasiswa/mahasiswi. Klasifikasi melibatkan pemeriksaan karakteristik objek dan penempatannya dalam salah satu kelas yang telah ditentukan sebelumnya. Untuk mencapai akurasi tinggi dalam proses klasifikasi, diperlukan metode algoritma yang sesuai dengan kebutuhan data. Metode algoritma yang dipilih untuk mengklasifikasikan data keluhan mahasiswa/mahasiswi Universitas Mercubuana adalah algoritma Support Vector Machine (SVM). Dalam konsep algoritma SVM, tujuannya adalah menemukan fungsi pemisah (hiperplane) terbaik di antara fungsi yang jumlahnya tidak terbatas. Hiperplane optimal yang memisahkan dua kelas dapat ditemukan dengan mengukur margin dari hiperplane tersebut dan mengidentifikasi titik maksimumnya. Hal ini akan menghasilkan pola klasifikasi keluhan yang akurat. Kata kunci: Universitas Mercubuana, Complaint Data, Classification, Data Mining, Support Vector Machine (SVM), Hyperplane, Student Satisfaction.
Actions (login required)
 |
View Item |
