IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK PREDIKSI PRESTASI AKADEMIK SISWA BERDASARKAN AKTIVITAS BELAJAR DI SMA NEGERI 2 BUKITTINGGI
Penelitian ini dilatarbelakangi oleh belum optimalnya pemanfaatan data aktivitas belajar siswa dalam mendukung proses evaluasi dan pengambilan keputusan akademik di SMA Negeri 2 Bukittinggi. Variasi aktivitas belajar siswa serta belum adanya sistem prediksi yang berbasis data menyebabkan guru mengalami kesulitan dalam mengidentifikasi potensi prestasi akademik siswa secara lebih dini. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine (SVM) dalam memprediksi prestasi akademik siswa berdasarkan aktivitas belajar melalui aplikasi berbasis web menggunakan library PHP-ML. Penelitian ini menggunakan metode penelitian kuantitatif dengan pendekatan prediktif. Tahapan penelitian meliputi persiapan data, preprocessing data, pembentukan model SVM menggunakan kernel Radial Basis Function (RBF), pengujian model menggunakan confusion matrix, serta implementasi model ke dalam aplikasi web. Data penelitian diperoleh melalui angket aktivitas belajar siswa SMA Negeri 2 Bukittinggi yang kemudian diproses menjadi data latih dan data uji untuk membangun model prediksi. Hasil penelitian menunjukkan bahwa model SVM yang dikembangkan mampu memprediksi prestasi akademik siswa dengan tingkat akurasi sebesar 85%. Model yang dihasilkan berhasil diimplementasikan ke dalam aplikasi berbasis web sehingga dapat membantu guru dalam memprediksi kecenderungan prestasi akademik siswa berdasarkan aktivitas belajar secara lebih cepat, objektif, dan berbasis data. Dengan demikian, implementasi algoritma SVM dinyatakan mampu menjadi alternatif pendukung pengambilan keputusan dalam pemantauan dan evaluasi prestasi akademik siswa di SMA Negeri 2 Bukittinggi.