PERBANDINGAN RANDOM FOREST DAN SUPPOET VECTOR MACHINE DALAM MEMPREDIKSI PEMILIHAN JURUSAN SISWA SMK

Ginting, Dwita Ega Lestari (2026) PERBANDINGAN RANDOM FOREST DAN SUPPOET VECTOR MACHINE DALAM MEMPREDIKSI PEMILIHAN JURUSAN SISWA SMK. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2213101005_COVER.pdf
Download (18MB)
[img] Text (ABSTRAK)
2213101005_ABSTRAK.pdf
Download (9MB)
[img] Text (BAB I PENDAHULUAN)
2213101005_BAB 1 PENDAHULUAN.pdf
Download (9MB)
[img] Text (BAB II KAJIAN TEORI)
2213101005_BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (9MB) | Request a copy
[img] Text (BAB III METODELOGI PENELITIAN)
2213101005_BAB 3 METODOLOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (9MB) | Request a copy
[img] Text (BAB IV HASIL DAN PEMBAHASAN)
2213101005_BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (9MB) | Request a copy
[img] Text (BAB V PENUTUP)
2213101005_BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (9MB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2213101005_DAFTAR PUSTAKA.pdf
Download (9MB)
[img] Text (LAMPIRAN)
2213101005_LAMPIRAN.pdf
Download (9MB)

Abstract

Pemilihan jurusan di Sekolah Menengah Kejuruan (SMK) merupakan keputusan penting yang dapat memengaruhi keberhasilan belajar, pengembangan kompetensi, dan kesiapan siswa memasuki dunia kerja. Namun, proses pemilihan jurusan masih sering dilakukan berdasarkan pertimbangan subjektif sehingga berpotensi menyebabkan ketidaksesuaian antara kemampuan akademik siswa dengan jurusan yang dipilih. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Random Forest dan Support Vector Machine (SVM) dalam memprediksi pemilihan jurusan siswa SMK berdasarkan data akademik siswa. Penelitian ini menggunakan pendekatan kuantitatif dengan metode klasifikasi pada bidang Educational Data Mining. Data yang digunakan berupa nilai mata pelajaran Bahasa Indonesia, Matematika, IPA, IPS, dan Bahasa Inggris sebagai variabel prediktor, sedangkan jurusan siswa dijadikan sebagai variabel target. Tahapan penelitian meliputi data preparation, pemodelan menggunakan algoritma Random Forest dan Support Vector Machine, serta evaluasi model menggunakan confusion matrix dan metrik akurasi. Implementasi model dilakukan menggunakan bahasa pemrograman Python. Hasil penelitian menunjukkan bahwa algoritma Random Forest memperoleh akurasi sebesar 84,05%, sedangkan algoritma SVM memperoleh akurasi sebesar 90%. Berdasarkan hasil tersebut, algoritma SVM memiliki performa yang lebih baik dibandingkan Random Forest dalam memprediksi pemilihan jurusan siswa SMK. Dengan demikian, SVM dapat dijadikan sebagai metode yang lebih efektif dalam membantu pengembangan sistem pendukung keputusan untuk memberikan rekomendasi jurusan yang lebih objektif sesuai dengan kemampuan akademik siswa.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Data Mining, Random Forest, Support Vector Machine, Klasifikasi, Pemilihan Jurusan SMK.
Subjects: Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Matematika > Program Studi Matematika (S1)
Depositing User: Dwita Ega Lestari Ginting
Date Deposited: 12 Aug 2026 11:42
Last Modified: 12 Aug 2026 11:42
URI: http://repo.undiksha.ac.id/id/eprint/32606

Actions (login required)

View Item View Item