Prediksi Keberhasilan Akademik Menggunakan Metode Regressi Logistik Dan Support Vector Machine

Authors

  • Novita Triyasri Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia
  • Egi Safitri Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia
  • Hendra Kurniawan Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia
  • M Hardi Saputra Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia
  • Amran Rahman Syidada Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia
  • Raynaldo Syah Pratama Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia

DOI:

https://doi.org/10.26418/justin.v13i4.89731

Keywords:

Keberhasilan Akademik, Pembelajaran Mesin, Regresi Logistik, Support Vector Machine

Abstract

Penelitian ini bertujuan untuk memprediksi keberhasilan akademik dengan menggunakan dua metode yaitu regresi logistik dan support vector machine (SVM). Keberhasilan akademik seringkali dipengaruhi oleh banyak faktor, antara lain motivasi siswa, keterampilan belajar, dan kondisi sosial ekonomi. Oleh karena itu penting untuk mengidentifikasi variabel-variabel yang mempengaruhi keberhasilan akademik dan menggunakan teknik analisis yang tepat untuk menghasilkan prediksi yang akurat. Data yang digunakan di Penelitian ini mencakup variabel-variabel seperti nilai ujian, motivasi belajar dan tingkat kehadiran siswa. Metode regresi logistik digunakan untuk menganalisis hubungan antara variabel independen dan variabel dependen (hasil akademik), sedangkan SVM digunakan untuk mengklasifikasikan siswa berdasarkan prestasi akademiknya. Hasil penelitian menunjukkan bahwa kedua metode tersebut memberikan tingkat akurasi yang signifikan dalam memprediksi keberhasilan akademik siswa. Namun Regresi logistik menghasilkan model yang lebih sederhana, SVM menunjukkan keunggulan dalam hal akurasi dan kemampuan mengklasifikasikan siswa dengan prestasi akademik lebih tinggi. Penelitian ini memberikan informasi berharga bagi para pendidik dan manajer pendidikan untuk mengidentifikasi siswa yang memerlukan perhatian lebih dalam pembelajaran dan merancang intervensi yang lebih efektif untuk meningkatkan hasil akademik siswa.

Author Biographies

Novita Triyasri, Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia

Mahasiswa Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya.

Egi Safitri, Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia

Dosen Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya.

Hendra Kurniawan, Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia

Dosen Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya.

M Hardi Saputra, Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia

Mahasiswa Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya.

Amran Rahman Syidada, Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia

Mahasiswa Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya.

Raynaldo Syah Pratama, Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Jl. ZA Pagar Alam No.93, Labuhan Ratu, Bandar Lampung, Indonesia

Mahasiswa Program Studi Sains Data, Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya.

References

Rahmawati Agustina, F., Rusmawati, D., Sunario, J., & Semarang, T. (2022). Hubungan Antara Efikasi Diri Akademik Dengan Student Engagement Pada Santri Di Pondok Pesantren Mahasiswa Bina Khoirul Insan Semarang. In Jurnal Empati (Vol. 11).

Pedagogik, J. R., Fitriyah, L. A., Wijayadi, A. W., & Hayati, N. (N.D.). This Work Is Licensed Under A Creative Commons Attribution-Sharealike 4.0 International License. Dwija Cendekia: Jurnal Riset Pedagogik 4 (1)(2020) 44-51 Dwija Cendekia Efikasi Diri, Kestabilan Emosi Dan Keberhasilan Akademik Mahasiswa Dalam Perkuliahan. Https://Jurnal.Uns.Ac.Id/Jdc

Muallifah, M., Faiz, E., El-Fahmi, F., & Astutik, F. (2022). Model Pendampingan Pada Mahasiswa Difabel Untuk Menunjang Keberhasilan Akademik Mentoring Model For Students With Disabilities To Support Academic Success. Jurnal Psikologi Dan Psikologi Islam, 19(1), 2655–5034. Https://Doi.Org/10.18860/Psi.V19i1.16018

Khasanah, N., Salim, A., Afni, N., Komarudin, R., & Maulana, Y. I. (2022). Prediksi Kelulusan Mahasiswa Dengan Metode Naive Bayes. Technologia : Jurnal Ilmiah, 13(3), 207. Https://Doi.Org/10.31602/Tji.V13i3.7312

Iwan Nurhidayat, A., & Fatrianto, D. (N.D.). Prediksi Kinerja Akademik Mahasiswa Menggunakan Machine Learning Dengan Sequential Minimal Optimization Untuk Pengelola Program Studi.

Syahranita, R., & Zaman, S. (2023). Regresi Logistik Multinomial Untuk Prediksi Kategori Kelulusan Mahasiswa. In Jurnal Informatika Sunan Kalijaga) (Vol. 8, Issue 2). Mei.

Nurhayati, S., Taufiq Luthfi, E., Yapis Papua, U., & Teknik Informatika Stmik Amikom Yogyakarta, M. (N.D.). Prediksi Mahasiswa Drop Out Menggunakan Metode Support Vector Machine. Jurnal Ilmiah Sisfotenikajuly201x, X, No. X.

Yasin, M., Sepria Baresi, I., Pgri Sumatera Barat, U., Muhammadiyah Makassar, U., Tinggi Ilmu Komputer, S., Kendari, J., & Negeri Makassar, U. (N.D.). Menumbuhkan Minat Belajar Siswa Melalui Metode Pembelajaran Kreatif. Journal Of International Multidisciplinary Research. Https://Journal.Banjaresepacific.Com/Index.Php/Jimr

Logistik, A. R., Menentukan, U., Yang, F.-F., Kesejahteraan, M., Kabupaten, M., Di, K., Nias, P., Situngkir, R. H., & Sembiring, P. (2023). Farabi Jurnal Matematika Dan Pendidikan Matematika. 6(1), 25–31.

Sofiah, A. M., & Hajarisman, N. (2023). Regresi Logistik Dua Level Respon Biner Untuk Pemodelan Data Status Kelulusan Mata Kuliah Statistika Mahasiswa Fakultas X, Y Dan Z Universitas Islam Bandung Angkatan 2019. Bandung Conference Series: Statistics, 3(2), 386–395. Https://Doi.Org/10.29313/Bcss.V3i2.8228

Bumbungan, S. (2023). Penerapan Particle Swarm Optimization (Pso) Dalam Pemilihan Parameter Secara Otomatis Pada Support Vector Machine (Svm) Untuk Prediksi Kelulusan Mahasiswa Politeknik Amamapare Timika. Jurnal Teknik Amata, 04(1).

Darmawan, A. K., Yudhisari, I., Anwari, A., & Makruf, M. (2023). Pola Prediksi Kelulusan Siswa Madrasah Aliyah Swasta Dengan Support Vector Machine Dan Random Forest. Jurnal Minfo Polgan, 12(2). Https://Doi.Org/10.33395/Jmp.V12i2.12388

Azzahra Nasution, D., Khotimah, H. H., & Chamidah, N. (2019). Perbandingan Normalisasi Data Untuk Klasifikasi Wine Menggunakan Algoritma K-Nn (Vol. 4, Issue 1).

Dwi Muthohhar, J., & Prihanto, A. (2023). Analisis Perbandingan Algoritma Klasifikasi Untuk Penyakit Jantung. Journal Of Informatics And Computer Science, 04

Rizqi, M., Nur, F., & Oktora, S. I. (2020). Analisis Kurva Roc Pada Model Logit Dalam Pemodelan Determinan Lansia Bekerja Di Kawasan Timur Indonesia *. In Indonesian Journal Of Statistics And Its Applications (Vol. 4, Issue 1).

Radhi, M., Ryan Hamonangan Sitompul, D., Hamonangan Sinurat, S., & Indra, E. (2021). Analisis Big Data Dengan Metode Exploratory Data Analysis (Eda) Dan Metode Visualisasi Menggunakan Jupyter Notebook. Jurnal Sistem Informasi Dan Ilmu Komputer Prima, 4(2).

Downloads

Additional Files

Published

2025-11-01

Issue

Vol. 13 No. 4 (2025)

Section

Articles

License

Copyright (c) 2025 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).  

                             

This is a human-readable summary of (and not a substitute for) the license. Disclaimer.

You are free to:
Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.