METODE KLASIFIKASI BERBASIS PARTICLE SWARM OPTIMIZATION (PSO) UNTUK PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA

Abstract

Tujuan dari penelitian ini adalah untuk mencari algoritma terbaik dalam membuat prediksi kelulusan siswa dari 4 algoritma: Algoritma Naive Bayes, Decision Tree (C4.5), k-Nearest Neighbor (k-NN), Neural Network berbasis Particle Swarm Optimization (PSO) sebagai referensi untuk membuat kebijakan dan tindakan bidang akademik (BAAK) dalam mengurangi mahasiswa yang lulus terlambat dan tidak lulus. Hasil menunjukkan Algoritma k-Nearest Neighbor (k- NN) berbasis PSO pada k-optimum=19 mempunyai performa terbaik dari 4 algoritma yang ada, dengan nilai Accuracy = 74,08% dan nilai Area Under the Curve (AUC) = 0,788. Penambahan fitur Particle Swarm Optimization (PSO) selalu meningkatkan nilai akurasi, dimana peningkatan nilai akurasi tertinggi terletak pada Algoritma Decision Tree (C4.5) sebesar 5,21%, terendah pada Algoritma Naive Bayes sebesar 2,13%