Penerapan Algoritma Naïve Bayes Dan Support Vector Machine (Svm) Dalam Menganalisis Minat Karir Dan Kewirausahaan Mahasiswa

Abstract

Perkembangan dunia kerja yang dinamis menuntut mahasiswa untuk memiliki kesiapan yang matang dalam menentukan jalur masa depan, baik berkarir sebagai profesional maupun menjadi wirausahawan. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan minat karir serta kewirausahaan mahasiswa menggunakan pendekatan machine learning. Dua algoritma klasifikasi yang dibandingkan dalam penelitian ini adalah Naïve Bayes dan Support Vector Machine (SVM). Data dikumpulkan melalui penyebaran kuesioner berskala Likert kepada mahasiswa Universitas Lancang Kuning, Riau. Dari total sampel yang dikumpulkan, sebanyak 484 data bersih digunakan setelah tahap preprocessing dan dikelompokkan ke dalam tiga kelas: Minat Karir, Kewirausahaan, dan Netral menggunakan rumus Sturges. Data kemudian dibagi menjadi 80% data latih (387 data) dan 20% data uji (97 data) untuk proses pemodelan. Evaluasi kinerja model dilakukan dengan metode Confusion Matrix menggunakan bahasa pemrograman Python. Hasil pengujian menunjukkan bahwa algoritma Support Vector Machine (SVM) memiliki performa klasifikasi yang lebih unggul dengan tingkat akurasi mencapai 84,54%. Di sisi lain, algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 72,16%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma SVM lebih andal, presisi, dan optimal dibandingkan dengan Naïve Bayes dalam memprediksi dan mengklasifikasikan kecenderungan minat mahasiswa. Hasil penelitian ini diharapkan dapat membantu pihak institusi pendidikan, khususnya Pusat Pengembangan Karir dan Kewirausahaan (P2K2), dalam merancang program bimbingan yang lebih tepat sasaran bagi mahasiswa.