This purpose of this article is to analyse relationship between single predictor variable (studytime, failures, absece, Medu, famsup, goout, higher) and dependent variable that has natural ordinal scale with more than two categories from target labels (low, medium, high). Datasets was given from student performance in secondary education (high school)

Support Vector Machine (SVM) adalah algoritma pembelajaran mesin yang digunakan untuk klasifikasi dan regresi, dengan tujuan menemukan hyperplane optimal yang memisahkan data ke dalam kelas-kelas berbeda. Dalam R, SVM dapat diimplementasikan menggunakan paket seperti e1071, caret, atau kernlab, yang menyediakan fungsi-fungsi untuk membangun dan melatih model SVM. SVM bekerja dengan memaksimalkan margin antara kelas-kelas data, dan dapat menangani data yang tidak terpisahkan secara linear melalui penggunaan fungsi kernel seperti radial basis function (RBF). Algoritma ini efektif dalam berbagai aplikasi, termasuk pengenalan pola, klasifikasi teks, dan bioinformatika.

This case study uses theoretical modeling to explore an orangutan’s foraging decisions through the lens of the Marginal Value Theorem (MVT). Wawa, an orangutan in the rainforests of Kalimantan, must decide how long to stay in a patch of fig trees where fruit is initially abundant but gradually depletes due to her consumption, competition, and natural ripening cycles. The goal: to identify the point where leaving maximizes Wawa’s long-term gain rate, ensuring efficient and sustainable foraging.