Dua algoritma berbeda menggunakan pendekatan yang berbeda pula. Demikian halnya dengan KNN
(K-Nearest Neighbour) dan SVM (Support Vector Machine), dimana yang satu melakukan
perhitungan berdasarkan kedekatan jarak antar instance sementara yang lainnya melakukan
penghitungan berdasarkan eksistensi hyperplane yang menjadi pemisah antar dua kelas yang menjadi
hasilnya. Dengan menggunakan data train yang memiliki beberapa data anomali atau noise,
berdasarkan penilaian nyata di lapangan yang umumnya diberikan dosen kepada mahasiswa terhadap
hasil lulus atau tidak lulus dari suatu mata kuliah, penelitian ini mendapatkan pembeda antara dua
algoritma tersebut. Penelitian dilakukan di Universitas XYZ terhadap mata kuliah “Pengantar
Teknologi Informasi”. Dengan bantuan software Orange Data Mining, penelitian ini bertujuan untuk
memberikan informasi mengenai algoritma yang sesuai bagi prediksi atau klasifikasi kelulusan
mahasiswa dari mata kuliah tersebut maupun mata kuliah lainnya. Analisis yang digunakan adalah
kuantitatif dengan metodologi KNN dan SVM tersebut. KNN lebih unggul dari SVM berdasarkan
penilaian dari beberapa parameter, sedangkan SVM lebih baik dari KNN dalam mendapatkan nilai
ambang kelulusan.