Analisis Metode Backpropragation DalamMemprediksi Kelulusan Mahasiswa Studi Kasus STIKOM Tunas Bangsa
-
Selvi Salsabillah Nasution
*
STIKOM Tunas Bangsa, Pematangsiantar, Indonesia,
Indonesia
- Harly Okprana STIKOM Tunas Bangsa, Pematangsiantar, Indonesia, Indonesia
- Ilham Syahputra Saragih STIKOM Tunas Bangsa, Pematangsiantar, Indonesia, Indonesia (*) Corresponding Author
Abstract
Abstrak− Prediksi kelulusan Mahasiswa STIKOM Tunas Bangsa diperlukan untuk meninjau sejauh mana tingkat pemaha.man Siswa. Backpropagation merupakan salah satu teknik yang baik digunakan untuk prediksi, Metode yang digunakan adalah metode Backpropagation. Dengan metode ini dapat dilakukan pengolahan data menggunakan nilai input serta target yang ingin dihasilkan. Sehingga dapat memprediksi kelulusan Mahasiswa dalam uji kompetensi keahlian. Selanjutnya data yang akan dikelola adalah rekap nilai rata-rata kejuruan jurusan sistem komputer dari semester 1 sampai semester 5 dengan aspek pengetahuan pada target siswa Tahun Pelajaran 2019 dan Tahun Pelajaran 2020 yang diperoleh dari penjumlahan seluruh mata pelajaran pada setiap semester. Hasil dari perhitungan dengan metode Backpropagation dengan aplikasi Matlab akan menjadi prediksi dalam menghasilkan nilai tingkat kelulusan siswa di masa yang akan datang. Sehingga penelitian ini menjadi indikator dalam pengembangan prediksi Mahasiswa dimasa yang akan datang.
Kata Kunci : Jaringan Syaraf Tiruan, Backpropagation, Prediksi Mahasiswa STIKOM Tunas Bangsa
Abstract− Predictions of student bud stikom graduation nations are needed to look at the level of insia. Man student. Backpropagation is one of the techniques used for prediction, the method used is the method of backpropagation. This method will allow data processing to use input values and targets to be produced. So it can predict student graduation in competence expertise tests. Furthermore, the data will be managed is the vocational recap of the computer system's department of department from semester 1 to semester 5 with knowledge on student targets of lesson year 2019 and 2020 school years that are generated from a total of entire subjects each semester. The result of calculating the backpropagation method with the matlab application will be the prediction in producing a student's grade level of graduation in the future. So this research should be an indicator of future student development predictions.
Keywords: artificial nerve tissue, backpropagation, predictive female to the nation's bud.
Downloads
References
S. Nurmuslimah, “Implementasi Metode Backpropagation Untuk Mengidentifikasi Jenis Biji Kakao Yang Cacat Berdasarkan Bentuk Biji,” J. Ilm. NERO, vol. Vol. 2, No, no. 2, pp. 91–98, 2016.
Y. Aprizal, R. I. Zainal, and A. Afriyudi, “Perbandingan Metode Backpropagation dan Learning Vector Quantization (LVQ) Dalam Menggali Potensi Mahasiswa Baru di STMIK PalComTech,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 18, no. 2, pp. 294–301, 2019, doi: 10.30812/matrik.v18i2.387.
K. T. N. Lestari, M. A. Albar, and R. Afwani, “Penerapan Metode Backpropagation Dalam Memprediksi Jumlah Kunjungan Wisatawan Ke Provinsi Nusa Tenggara Barat (NTB),” J. Comput. Sci. Informatics Eng., vol. 3, no. 1, pp. 39–48, 2019, doi: 10.29303/jcosine.v3i1.236.
R. J. Djuli, A. Y. Mauko, and M. Boru, “Normalisasi Masukan dan target dinormalisasi dengan membawa data ke bentuk normal dalam rentang nilai antara 0 sampai 1 apabila fungsi aktivasi yang digunakan adalah,” J. Komput. Inform., vol. 6, no. 1, pp. 53–59, 2018.
F. Zola, “Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Prestasi Siswa,” J. Teknol. Dan Open Source, vol. 1, no. 1, pp. 58–72, 2018, doi: 10.36378/jtos.v1i1.12.
S. Andriyani and N. Sihombing, “Implementasi Metode Backpropagation Untuk Prediksi Harga Jual Kelapa Sawit Berdasarkan Kualitas Buah,” Jurteksi, vol. 4, no. 2, pp. 155–164, 2018, doi: 10.33330/jurteksi.v4i2.40.
F. A. Hizham, Y. Nurdiansyah, and D. M. Firmansyah, “Implementasi Metode Backpropagation Neural Network (BNN) dalam Sistem Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa (Studi Kasus: Program Studi Sistem Informasi Universitas Jember),” Berk. Sainstek, vol. 6, no. 2, p. 97, 2018, doi: 10.19184/bst.v6i2.9254.
E. P. Cynthia and E. Ismanto, “Memprediksi Ketersediaan Komoditi Pangan Provinsi Riau,” J. Teknol. Dan Sist. Inf. Univrab, vol. 2, no. 2, pp. 196–209, 2017.
E. Kurniawan, H. Wibawanto, and D. A. Widodo, “Implementasi Metode Backpropogation dengan Inisialisasi Bobot Nguyen Widrow untuk Peramalan Harga Saham,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 1, p. 49, 2019, doi: 10.25126/jtiik.201961904.
I. A. R. Simbolon, F. Yatussa’ada, and A. Wanto, “Penerapan Algoritma Backpropagation dalam Memprediksi Persentase Penduduk Buta Huruf di Indonesia,” J. Inform. Upgris, vol. 4, no. 2, 2019, doi: 10.26877/jiu.v4i2.2423.
Bila bermanfaat silahkan share artikel ini
Berikan Komentar Anda terhadap artikel Analisis Metode Backpropragation DalamMemprediksi Kelulusan Mahasiswa Studi Kasus STIKOM Tunas Bangsa
Pages: 328-334
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
