PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DALAM MENENTUKAN PELAJARAN YANG DIMINATI SISWA DI SDN 016 UJUNGBATU

  • Aurora Attila Naufal Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi
  • Riri Okra Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi
  • Sarwo Derta Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi
  • Hari Antoni Musril Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi https://orcid.org/0000-0002-0868-9530
Keywords: Support Vector Machine, Minat Belajar, Klasifikasi, Data Mining, Sekolah Dasar

Abstract

Penentuan minat belajar siswa di sekolah dasar selama ini masih dilakukan secara subjektif melalui tanya jawab dan tes tertulis, sehingga hasilnya kurang akurat dan tidak berbasis data. Penelitian ini bertujuan menerapkan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan pelajaran yang paling diminati siswa kelas VI SDN 016 Ujungbatu berdasarkan data akademik. Data yang digunakan meliputi nilai UTS, nilai harian, nilai UAS, kehadiran, dan partisipasi siswa dari 9 mata pelajaran (18 fitur). Dari 60 data siswa, 40 data digunakan sebagai data latih dan 20 data sebagai data uji. Model SVM multi-kelas diimplementasikan dengan pendekatan One-vs-All menggunakan fungsi fitcecoc pada software MATLAB. Hasil pengujian menunjukkan akurasi model pada data latih sebesar 100%, sedangkan pada data uji diperoleh akurasi sebesar 33,33% dengan presisi makro 15,90%, recall makro 23,30%, dan F1-score 18,70%. Mata pelajaran Ilmu Pengetahuan Alam (IPA) teridentifikasi sebagai pelajaran yang paling diminati siswa. Keterbatasan akurasi pada data uji terutama disebabkan oleh ketidakseimbangan distribusi kelas dan jumlah data yang relatif kecil. Penelitian ini memberikan fondasi bagi pengembangan sistem rekomendasi pelajaran berbasis data di sekolah dasar.

References

S. Perancangan, J. Komputer, M. Cisco, and P. Tracer, “Jurnal Ilmu Komputer Revolusioner,” vol. 8, no. 1, pp. 1–10, 2024.
[2] R. Salfina, H. A. Musril, R. Okra, and S. Derta, “Perancangan Game Edukasi untuk Mata Pelajaran Bahasa Jepang Kelas X Menggunakan Aplikasi Educandy di SMKN 4 Payakumbuh,” J. Inf. Syst. Educ. Dev., vol. 1, no. 1, pp. 1–7, 2023, [Online]. Available: http://journal.mwsfoundation.or.id/index.php/jised/article/view/1
[3] Y. G. Afnila, K. Khairuddin, H. A. Musril, and R. Okra, “Pengaruh Media Pembelajaran Interaktif Terhadap Hasil Belajar Siswa Dalam Pembelajaran Bimbingan Teknologi Informasi dan Komunikasi Kelas X di SMAN 1 Tigo Nagari,” Indones. Res. J. Educ., vol. 3, no. 1, pp. 544–551, 2022, doi: 10.31004/irje.v3i1.321.
[4] D. I. Pushpita Anna Octaviani, Yuciana Wilandari, “Penerapan Metode SVM Pada Data Akreditasi Sekolah Dasar Di Kabupaten Magelang,” J. Gaussian, vol. 3, no. 8, pp. 811–820, 2014.
[5] E. Haryatmi and S. Pramita Hervianti, “Penerapan Algoritma Support Vector Machine Untuk Model Prediksi Kelulusan MahasiswaTepat Waktu,” vol. 1, no. 10, pp. 386–392, 2021.
[6] N. Leli, F. Rakhmawati, and R. Widyasari, “Penerapan Metode Support Vector Machine (Svm) Untuk Klasifikasi Uang Kuliah Tunggal Di Universitas Islam Negeri Sumatera Utara,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 4, no. 2, pp. 903–915, 2023, doi: 10.46306/lb.v4i2.354.
[7] M. Rafly and I. Veritawati, “Penggunaan Algoritma Support Vector Machine Untuk Penentuan Rekomendasi Penerima Beasiswa Di SMA Negeri 8 Kota Bogor,” vol. 9, no. 1, pp. 102–113, 2025.
[8] B. Pada and S. M. A. Ulun, “Penerapan metode forecasting dengan algoritma support vector manchine untuk memprediksi penerimaan peserta didik baru pada sma ulun nuha,” vol. 7, pp. 931–937, 2024, doi: 10.37600/tekinkom.v7i2.1525.
[9] A. Pratama, R. C. Wihandika, and D. E. Ratnawati, “Implementasi Algoritme Support Vector Machine ( SVM ) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa,” vol. 2, no. 4, pp. 1704–1708, 2018.
[10] I. O. Muraina, “Ideal Dataset Splitting Ratios in Machine Learning Algorithms: General Concerns for Data Scientists and Data Analysts,” 7th Int. MARDIN ARTUKLU Sci. Res. Conf., no. February, pp. 496–504, 2022, [Online]. Available: https://www.researchgate.net/publication/358284895
Published
2026-05-22
How to Cite
Aurora Attila Naufal, Okra, R., Derta, S., & Musril, H. A. (2026). PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DALAM MENENTUKAN PELAJARAN YANG DIMINATI SISWA DI SDN 016 UJUNGBATU. EDU RESEARCH, 7(1), 3629-3635. https://doi.org/10.47827/jer.v7i1.2486
Section
Articles

Most read articles by the same author(s)