SUPPORT VECTOR MACHINE ANALYSIS FOR INTEREST AND TALENT CLASSIFICATION WITH PYTHON LIBRARY

Devi Sartika, Febie Elfaladonna, Andre Mariza Putra

Abstract


Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths

           
Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm

 

 

Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka.

 

Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat 


Full Text:

PDF

References


I. A. Anggraini, W. D. Utami, and S. B. Rahma, “Mengidentifikasi Minat Bakat Siswa Sejak Usia Dini di SD Adiwiyata,” ISLAMIKA, vol. 2, no. 1, 2020, doi: 10.36088/islamika.v2i1.570.

Y. Fitriyah Ningsih, N. Hariadi, and D. A. Puspitaningrum, “Hubungan Antara Minat dan Bakat Mahasiswa Universitas Jember Kampus Bondowoso Terhadap Fasilitas Olahraga,” Jurnal Porkes, vol. 2, no. 2, 2019, doi: 10.29408/porkes.v2i2.1643.

A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” IJCIT (Indonesian Journal on Computer and Information Technology), vol. 5, no. 1, 2020, doi: 10.31294/ijcit.v5i1.7951.

H. Abijono, P. Santoso, and N. L. Anggreini, “Algoritma Supervised Learning Dan Unsupervised Learning Dalam Pengolahan Data,” Jurnal Teknologi Terapan: G-Tech, vol. 4, no. 2, 2021, doi: 10.33379/gtech.v4i2.635.

F. Abdusyukur, “Penerapan Algoritma Support Vector Machine (Svm) Untuk Klasifikasi Pencemaran Nama Baik Di Media Sosial Twitter,” Komputa : Jurnal Ilmiah Komputer dan Informatika, vol. 12, no. 1, 2023, doi: 10.34010/komputa.v12i1.9418.

Oryza Habibie Rahman, Gunawan Abdillah, and Agus Komarudin, “Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, 2021, doi: 10.29207/resti.v5i1.2700.

F. N. Afiana et al., “Aplikasi Pembelajaran Anak Usia Dini Untuk Menentukan Minat Bakat Dengan Teknologi AI,” Indonesian Journal on Software Engineering (IJSE), vol. 7, no. 2, 2021.

T. E. Puspitawati, S. Basuki, V. Rahmayanti, and S. Nastiti, “Algoritma Support Vector Machine (SVM) Untuk Identifikasi Komponen Abstrak Pada Jurnal Ilmiah Berbasis Teknik Klasifikasi,” REPOSITOR, vol. 3, no. 5, 2021.

A. S. Ritonga and E. S. Purwaningsih, “Penerapan Metode Support Vector Machine (SVM) Dalam Klasifikasi Kualitas Pengelasan Smaw (Shield Metal Arc Welding),” Ilmiah Edutic, vol. 5, no. 1, 2018.

P. A. Octaviani, Yuciana Wilandari, and D. Ispriyanti, “Penerapan Metode Klasifikasi Support Vector Machine (SVM) pada Data Akreditasi Sekolah Dasar (SD) di Kabupaten Magelang,” Jurnal Gaussian, vol. 3, no. 8, 2014.

H. W. Dhany and F. Izhari, “Analisis Algorithms Support Vector Machine Dengan Naive Bayes Kernel Pada Klasifikasi Data,” Jurnal Teknik Dan Informatika , vol. 6, no. 2, 2019.

A. Wenda, “Support Vector Machine Untuk Pengenalan Bentuk Manusia Menggunakan Kumpulan Fitur Yang Dioptimalkan,” JST (Jurnal Sains dan Teknologi), vol. 11, no. 1, 2022, doi: 10.23887/jstundiksha.v11i1.44437.

Dania Siregar, Faroh Ladayya, Naufal Zhafran Albaqi, and Bintang Mahesa Wardana, “Penerapan Metode Support Vector Machines (SVM) dan Metode Naïve Bayes Classifier (NBC) dalam Analisis Sentimen Publik terhadap Konsep Child-free di Media Sosial Twitter,” Jurnal Statistika dan Aplikasinya, vol. 7, no. 1, 2023, doi: 10.21009/jsa.07109.

Fatmawati and A. Muhammad, “Klasifikasi Keluhan Menggunakan Metode Support Vector Machine (SVM) (Studi Kasus : Akun Facebook Group iRaise Helpdesk),” Jurnal CoreIT, vol. 3, no. 1, 2017.

F. R. Lumbanraja, R. A. Saputra, K. Muludi, A. Hijriani, and A. Junaidi, “Implementasi Support Vector Machine Dalam Memprediksi Harga Rumah Pada Perumahan Di Kota Bandar Lampung,” Jurnal Pepadun, vol. 2, no. 3, 2021, doi: 10.23960/pepadun.v2i3.90.

I. P. Monika and M. T. Furqon, “Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 10, 2018.

M. Radhi, A. Amalia, D. R. H. Sitompul, S. H. Sinurat, and E. Indra, “Analisis Big Data Dengan Metode Exploratory Data Analysis (Eda) Dan Metode Visualisasi Menggunakan Jupyter Notebook,” Jurnal Sistem Informasi dan Ilmu Komputer Prima(JUSIKOM PRIMA), vol. 4, no. 2, 2022, doi: 10.34012/jurnalsisteminformasidanilmukomputer.v4i2.2475.

Muhammad Romzi and B. Kurniawan, “Pembelajaran Pemrograman Python Dengan Pendekatan Logika Algoritma,” JTIM: Jurnal Teknik Informatika Mahakarya, vol. 03, no. 2, 2020.




DOI: https://doi.org/10.33330/jurteksi.v10i3.3067

Article Metrics

Abstract view : 16 times
PDF - 21 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.