Penerapan Algoritma Support Vector Machine (SVM) dalam Menentukan Pelajaran yang Diminati di SDN 016 Ujungbatu

Aurora Attila Naufal, 2521092 (2025) Penerapan Algoritma Support Vector Machine (SVM) dalam Menentukan Pelajaran yang Diminati di SDN 016 Ujungbatu. Sarjana thesis, Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi.

	Text Aurora Attila Naufal 2521092 cover.pdf Download (229kB)
	Text Aurora Attila Naufal 2521092 abstrak.pdf Download (250kB)
	Text Aurora Attila Naufal 2521092 full.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Penelitian ini dilatar belakangi oleh pentingnya peran pendidikan dasar dalam membentuk pengetahuan dan karakter siswa. Untuk mendukung pembelajaran, diperlukan pemahaman terhadap minat siswa terhadap mata pelajaran. SDN 016 Ujungbatu membutuhkan sistem klasifikasi guna membantu guru menyusun strategi yang tepat. Dengan pendekatan Knowledge Discovery in Database (KDD) dan teknik data mining, algoritma Support Vector Machine (SVM) digunakan untuk mengolah data dan mengidentifikasi pola minat belajar siswa secara akurat dan efisien. Penelitian ini menerapkan algoritma Support Vector Machine (SVM), sebuah metode klasifikasi yang berbasis pada konsep pemisahan optimal antar kelas, untuk menentukan pelajaran yang diminati oleh siswa. Metodologi penelitian melibatkan beberapa tahapan, termasuk pengumpulan data siswa, penentuan atribut (seperti nilai harian, nilai UTS, nilai UAS tingkat kehadiran, dan partisipasi), pembersihan data, serta penerapan algoritma SVM menggunakan perangkat lunak MATLAB. Data diperoleh dari 60 siswa SDN 016 Ujungbatu. Setelah dilakukan preprocessing untuk menghilangkan nilai yang hilang atau tidak valid, data dibagi menjadi dua kelompok, 42 data sebagai data training dan 18 data sebagai testing. Atribut yang digunakan dalam pemodelan meliputi nilai UTS, kehadiran, partisipasi aktif siswa. Hasil penelitian menggunakan metode SVM yang diimplementasikan melalui perangkat lunak MATLAB menunjukkan tingkat akurasi prediksi sebesar 100%. Berdasarkan hasil tersebut, metode SVM cukup efektif dalam mengklasifikasikan dan memprediksi pelajaran yang diminati oleh siswa. Diharapkan hasil ini dapat menjadi acuan dalam pengembangan strategi pembelajaran yang lebih sesuai dengan minat siswa. Hasil eksperimen menunjukkan bahwa algoritma Support Vector Machine (SVM) mampu mengklasifikasikan pelajaran yang diminati siswa SDN 016 Ujungbatu berdasarkan nilai harian, UTS, kehadiran, dan partisipasi. Faktor utama yang memengaruhi minat siswa terlihat dari kombinasi performa akademik dan keterlibatan dalam pembelajaran. Sistem prediksi ini membantu guru dan sekolah mengambil langkah lebih terarah dalam menyusun strategi belajar sesuai minat siswa, sehingga dapat meningkatkan efektivitas dan hasil belajar di sekolah dasar.

Item Type:	Skripsi/Thesis/Disertasi (Sarjana)
Keywords:	Support Vector Machine (SVM), Data Mining, Klasifikasi, Pelajaran yang Diminati, Prediksi Minat Belajar
Subjects:	L Pendidikan > LB Teori dan praktek pendidikan > LB1501 Pendidikan dasar Q Sains > QA Matematika > QA76 Computer software L Pendidikan > LB Teori dan praktek pendidikan > LB1028.3 Teknologi Pendidikan
Divisions:	Fakultas Tarbiyah dan Ilmu Keguruan > Pendidikan Teknik Informatika dan Komputer
Depositing User:	Mrs - Savira Suaida
Date Deposited:	18 Jun 2026 01:38
Last Modified:	18 Jun 2026 01:38
URI:	http://repository.uinbukittinggi.ac.id/id/eprint/2272

Actions (login required)

View Item