Kalisifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Data Mining Support Vector Machine (Studi Kasus: Mahasiswa Prodi S1-Manajemen Universitas Putra Bangsa)

Penelitian ini membahas klasifikasi kelulusan mahasiswa tepat waktu menggunakan metode Data Mining Support Vector Machine (SVM) pada mahasiswa Program Studi S1 Manajemen Universitas Putra Bangsa. Tujuan utama penelitian adalah mengidentifikasi variabel-variabel yang memengaruhi kelulusan tepat waktu serta mengukur tingkat akurasi model prediksi yang dihasilkan. Data yang digunakan berasal dari dokumentasi mahasiswa lulusan tahun 2020 hingga 2024, dengan variabel utama meliputi IPK, kelancaran pembayaran, keikutsertaan dalam organisasi BEM, dan lama masa studi. Data dibagi menggunakan metode shuffled sampling. Hasil penelitian menunjukkan bahwa SVM berhasil memisahkan dua kelas kelulusan (tepat waktu dan terlambat) dengan tingkat akurasi, presisi, dan recall yang sangat tinggi pada seluruh rasio pengujian, dengan akurasi tertinggi mencapai 99,75% pada pembagian data 70% training dan 30% testing. Dengan model prediksi ini, perguruan tinggi dapat melakukan deteksi dini terhadap mahasiswa yang berisiko mengalami keterlambatan kelulusan, sehingga intervensi akademik dapat diberikan secara tepat sasaran. Hal ini tidak hanya mengoptimalkan penggunaan sumber daya institusi dalam mendukung mahasiswa, tetapi juga berkontribusi pada peningkatan persentase kelulusan tepat waktu yang secara langsung memperbaiki reputasi program studi dan universitas. Selain itu, penelitian ini mendukung pengambilan keputusan akademik berbasis data yang lebih akurat dan efisien, sehingga kebijakan pendidikan dapat dirancang dengan lebih tepat guna untuk meningkatkan mutu pembelajaran dan keberhasilan studi mahasiswa. Model ini menunjukkan performa sangat baik dalam mengenali mahasiswa yang lulus tepat waktu maupun terlambat, serta memiliki tingkat kesalahan klasifikasi yang sangat rendah. Penelitian ini diharapkan dapat memberikan rekomendasi bagi institusi pendidikan dalam meningkatkan sistem pembelajaran, melakukan intervensi tepat sasaran bagi mahasiswa yang berisiko mengalami kendala akademik, serta mengoptimalkan strategi untuk menurunkan tingkat kegagalan studi.