PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK MENENTUKAN KELULUSAN UJI KENAIKAN TINGKAT PENCAK SILAT MERPATI PUTIH DI UNIVERSITAS PEMBANGUNAN NASIONAL YOGYAKARTA

KUMAJAS, DONNY WILLEM TRI HARDIANTO (2021) PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK MENENTUKAN KELULUSAN UJI KENAIKAN TINGKAT PENCAK SILAT MERPATI PUTIH DI UNIVERSITAS PEMBANGUNAN NASIONAL YOGYAKARTA. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text Cover.pdf Download (162kB)
	Text Abstrak.pdf Download (66kB)
	Text Daftar Isi.pdf Download (73kB)
	Text Daftar Pustaka.pdf Download (77kB)
	Text Full Donny Skripsi.pdf Download (1MB)
	Text Pengesahan Pembimbing.pdf Download (131kB)
	Text Pengesahan Penguji.pdf Download (131kB)

Abstract

UKM PPS BETAKO MP adalah salah satu kelompok laithan (Kolat) dari banyak Kolat di
cabang Sleman. Dalam sebuah kolat memiliki struktur organisasi, serangkaian kegiatan, dan
juga batasan dari serangkaian kegiatan yang diselenggarakan. UKT memiliki data dari setiap
peserta, pada proses UKT setiap peserta akan dinilai dari setiap kriteria dalam serangkaian
materi UKT seperti uji teori, uji tata gerak, uji stamina, dan uji tenaga. Tingkat dasar I –
balik II data dikelola oleh kolat, yaitu UKM PP BETAKO MP UPNVY. Pada setiap kegiatan
UKT pendataan dilakukan dengan cara tradisional dimana pihak pengelola (panitia) UKT
harus mempersiapkan serangkaian dokumen isi penilaian (form) untuk setiap peserta yang
akan diuji, dokumen isi tersebut berupa form cetak dengan media kertas. Kumpulan data
peserta UKT merupakan jenis data yang belum diketahui hasilnya, pada data mining disebut
supervised. Data peserta UKT membutuhkan analisa dengan sistem partisi dengan cara
dibagi menjadi 2 kategori yaitu lulus dan tidak lulus pada hasil UKT. Tujuan penelitian ini
adalah untuk membantu panitia UKT dalam menentukan kelulusan peserta UKT dengan
cepat dan akurat serta membuat laporan data yang aman dalam penyimpanan ataupun
laporan dengan media cetak dimana setiap semester data selalu bertambah. Pada prosesnya,
data peserta ujian di masa lalu dikumpulkan untuk dilakukan riset menggunakan Jupyter
Notebook dimana dapat mengenali data lebih dalam, dan menghasilkan prototipe sistem
sebelum diterapkan ke dalam aplikasi. Pada hasil proses yang telah dilakukan algoritma
SVM memberikan tingkat akurasi yang baik (88%) sehingga tepat penggunaan untuk
penentuan kedua kelas pada UKT PPS BETAKO MP antara lulus dan tidak lulus
Kata kunci: Klasifikasi, Support Vector Machine, Python

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Klasifikasi, Support Vector Machine, Python
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	14 Apr 2022 03:16
Last Modified:	14 Apr 2022 03:16
URI:	http://eprints.upnyk.ac.id/id/eprint/29529

Actions (login required)

View Item