IMPLEMENTASI ALGORITME SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI PENYESUAIAN UANG KULIAH TUNGGAL TERDAMPAK PANDEMI COVID-19 (Studi Kasus: Universitas Siliwangi)

Abstract

Universitas siliwangi adalah salah satu Perguruan Tinggi Negeri di Indonesia yang sudah menerapkan Uang Kuliah Tunggal sejak awal perubahan satatusnya dari swasta ke negeri. Namun belakangan ini pandemi Covid-19 memberikan dampak yang cukup besar bagi sebagian keluarga mahasiswa. Sehingga hal tersebut mempengaruhi kesanggupan orang tua mahasiswa untuk membayar UKT secara penuh. Bersamaan dengan hal tersebut Kementerian Pendidikan dan Kebudayaan mengambil tindakan dengan mengeluarkan Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 25 Tahun 2020 untuk bisa memberikan pembebasan sementara UKT, pengurangan UKT, perubahan kelompok UKT, atau pembayaran UKT secara mengangsur bagi mahasiswa yang mengajukan. Berdasarkan masalah tersebut maka diterapkan algoritme Support Vector Machine untuk klasifikasi penyesuaian UKT terdampak pandemic covid-19. Hasil klasifikasi penyesuaian uang kuliah tunggal dengan menggunakan metode Support Vector Machine (SVM) mendapatkan akurasi sebesar 83,00% dari 100 baris data yang diujicobakan menggunakan RapidMiner. Data prediksi hasil klasifikasi yang direkomendasikan kepada pimpinan adalah sebanyak 67 mahasiswa disetujui untuk melakukan penyesuaian uang kuliah tunggal (accept), sedangkan sebanyak 33 mahasiswa ditolak dan ditetapkan kembali ke uang kuliah tunggal sebelumnya (reject).