Rencana Judul Paper Implementasi SVM untuk penentuan calon penerima beasiswa berdasarkan

Nama kelompok & NIM 1. Andhy Panca Saputra (17.11.1501)

Daftar Rang

No Judul Paper Penulis Tahun Masalah

In the process of
recognizing the
personality of a
person in a certain
Profiling Analysis Based on Social Mihuandayani, E time, still
1 Utami and E T 2018 valuable less because
Media for Prospective Employees Luthfi the personality of a
person can not only
be assessed for a
short period of
time.

PENERAPAN ALGORITMA
banyak beasiswa yang
SUPPORT VECTOR MACHINE tidak tepat sasaran
2 (SVM) DALAM PEMILIHAN LUKMAN 2016
BEASISWA: STUDI KASUS SMK dikarnakan sistem
YAPIMDA yang tidak baik
 Due to a high amount
M. Gilvy of participants, many
Selection and Recommendation Langgawan experienced problems
3 Scholarships Using AHP-SVM- Putra, Whenty 2016 during the selection
TOPSIS Ariyanti , Imam process and in giving
Cholissodin eligible recipients
recommendations.

KLASIFIKASI LAMA STUDI

MAHASISWA FSM UNIVERSITAS kelulusan jumlah
DIPONEGORO MENGGUNAKAN Sri Maya Sari lulusan dengan jumlah
4 Damanik2, Dwi 2015
REGRESI LOGISTIK BINER DAN Ispriyanti, Sugito mahasiswa baru tidak
SUPPORT VECTOR MACHINE sebanding
(SVM)
 kalangan mampu pun
KAJIAN ALGORITMA NAÏVE BAYES Virgana, Ulfa memanfaatkan surat
5 DALAM PEMILIHAN PENERIMAAN Pauziah dan 2014 SKTM (Surat
BEASISWA TINGKAT SMA Michael Sonny Keterangan Tidak
Mampu )
calon penerima beasiswa berdasarkan data pendaftaran dan media social

Daftar Rangkuman Referensi

Kinerja/performa Variabel Yang

Obyek Cara Kerja/ Metode
metode Dipertimbangkan

crawling data, cleaning data, The test results

preprocessing text, labeling,
weighting by chisquare, show the overall
update status and classifier by SVM and average of about Dominance, Influence,
64.5% accuracy, Steadiness and
comments perform measurements 75% precision Conscientious.
through accuracy, precision
and recall and 77.5% recall
achieved
parameters.

Penelitian Eksperimental,
Sampling/Metode Pemilihan
Sampel, Pengumpulan Data, nilai rata-rata hasil tes
data dari SMK Instrument Penelitian, memiliki nilai potensi akademik dan
accuracy paling
YAPIMDA Jakarta Analisis dan Pengujian Data, tinggi yaitu 85.82% nilai rata- rata raport
Analisis, interpretasi dan semester 1 dan 2
implikasi penelitian
Pengelompokan Data
 Parents Income
Total Dependents
Parents’ Job
SVM has highest
Testing of ratio from accuracy in this Electrical Power
training data and testing Electricity Cost
data. Testing of the research is 89.94% Total Home
data from registered threshold. Testing of with Sequential House Status
in 2015 as students Training parameter
parameter Sequential are λ =0.5, constant Wall Condition
Training λ, constant of γ, ε Floor Condition
value and complexity (C). of γ =0.01 , ε = Land & Building Tax
0.0001, and C = 1.
Total of Motorcycle
Total of Car
Scholarships Program

1. Menentukan variabel
independen dan variabel
dependen
2. Membuat rancangan
penelitian yang meliputi
tempat, waktu dan lokasi, Berdasarkan hasil
penelitian dengan
sumber data, populasi, dan metode regresi
jumlah sampel peneltian
serta metode pengambilan logistik biner,
sampel. menunjukkan
variabel yang
3. Membagi data menjadi berpengaruh
data training dan testing
dengan proporsi 180:20 terhadap lama
studi mahasiswa
secara acak dengan bantuan
data alumni paket program R 2.14.2. adalah Jurusan dan Jenis kelamin(x1),
IPK dengan Jurusan (x2), IPK (x3),
mahasiswa FSM 4. Memodelkan dengan ketepatan Beasiswa (x4), Part time
periode ke-131 menggunakan Regresi
sampai dengan Logistik Biner untuk klasifikasi 70%. (x5), Organisasi (x6),
Sedangkan dan Jalur Masuk Undip
period eke-134 mengetahui faktor-faktor ketepatan (x7).
yang mempengaruhi lama klasifikasi dengan
studi mahasiswa FSM Undip
dengan menggunakan SPSS menggunakan SVM
ketepatan
16. klasifikasi tertinggi
5. Melakukan klasifikasi
lama studi mahasiswa FSM dengan
menggunakan
Undip dengan menggunakan
metode Support Vector kernel linear,
Polynomial dan RBF
Machine (SVM). mencapai 90%.
6. Membandingkan
ketepatan klasifikasi yang
diperoleh dari Regresi
Logistik Biner dengan SVM
 Dihitung dengan metode
algoritma naïve bayes
dengan bantuan aplikasi Untuk nilai akurasi
weka, Selanjutnya data diuji model untuk
data mahasiswa dengan Cross Validation metode naïve data mahasiswa
untuk mendapatkan nilai bayes sebesar
akurasi dari metode 93,75 %,
algoritma naïve bayes,
Evaluasi dan Validasi
 Keterangan Sumber Paper (Link)

This research can be used as

data processing support for the
company in the recruitment https://www.researchgate.net/publication/329839673_Profiling_Analysis_Based_on_Soc
process in addition to finding the
ability in the field or company
position required.

Penerapan algoritma berbasis

jaringan syaraf tiruan (artificial
neural network) yang berupa
algoritma Support Vector https://journal.lppmunindra.ac.id/index.php/Faktor_Exacta/article/view/740/650
Machine (SVM) menghasilkan
keputusan yang akurat sesuai
dengan pengujiannya.
The Result using implementation
three methods for selection and http://jitecs.ub.ac.id/index.php/jitecs/article/view/1/1
recommendation are
has a good combination.

https://ejournal3.undip.ac.id/index.php/gaussian/article/view/8152/7928
https://www.ojs.amikom.ac.id/index.php/semnasteknomedia/article/view/777/743
Profiling_Analysis_Based_on_Social_Media_for_Prospective_Employees_Recruitment_Using_SVM_and_Chi-Square

cta/article/view/740/650