Penerapan Jaringan Saraf Tiruan Untuk Memprediksi Pencapaian Prestasi Mahasiswa
Abstract
Mahasiswa merupakan sumber daya yang dapat memajukan dan menciptakan kemandirian bangsa. Perguruan Tinggi berperan penting dalam menciptakan Mahasiswa yang cerdas dan berdaya saing tinggi. Rendahnya jumlah lulusan yang dapat langsung terserap di lapangan pekerjaan, menjadi permasalahan di berbagai Perguruan tinggi. Dosen pembimbing akademik wajib melakukan pemantauan terhadap pengembangan prestasi Mahasiswa. Permasalahannya adalah bagaimana cara membimbing dan mengarahkan Mahasiswa agar mencapai prestasi yang maksimal. Dengan memanfaatkan data akademik dan non akademik Mahasiswa maka dirancang model untuk memprediksi pencapaian karir Mahasiswa. Model tersebut dibangun dengan menggunakan metode Jaringan saraf tiruan (artificial neural networks) dan algoritma backpropagation. Hasil pengujian dengan 5 neuron pada lapisan input, 7 neuron pada hidden layer mencapai konvergen pada Mean Square Error (MSE) =0,01363, epoch = 68. Sehingga dapat disimpulkan bahwa Model ini dapat digunakan untuk memprediksi pencapaian prestasi Mahasiswa sebagai alat penunjang keputusan bagi Dosen pembimbing akademik.References
Terttiaavini. 2014. Analisa Penerapan Sistem Informasi Perpustakaan Universitas Indo Global Mandiri. Jurnal Ilmiah Informatika Global 5(1): p7-15
F.R.A.T.Tacbir.Hendro.Pudjiantoro. Penerapan Data Mining Untuk Menganalisis Kemungkinan Pengunduran Diri Dari Mahasiswa Baru. KNS&I. Bali. 2011. 111-009 :1
Bayer,J., Bydzovska,H., Geryk,J., Obsivac,T., dan Popelinsky,L. Predicting drop out from social behaviour of students. In Proceedings of 4 the 5th international conference on educational data mining-EDM2012. Chania, Greece. 2012. 103-109.
Marquez.Vera.C., Morales,C., dan Soto,S. Predicting school failure and Drop out by using data mining techniques. Tecnologias de lAprendizaje IEEE Revista Iberoamericana de. 2013. 8 :7-14.
Susanto, Heri. Data Mining Untuk Memprediksi Prestasi Siswa Berdasarkan Sosial Ekonomi, Motivasi, Kedisiplinan dan Prestasi Masa Lalu. Jurnal pendidikan Vokasi. 2014. 4(2) : 222-231.
Martinho.V., Nunes.C., dan Minussi.C. Prediction of school drop out risk group Using neural network. In Computer science and information systems (FedCSIS). 2013. 111-114.
Khobragade,L.P.,dan Mahadik,P. Students academic failure prediction using Data mining. International Journal of Advanced Research in Computerand Communication Engineering 4. 2015
Costa.Evandro B., Baldoino.Fonseca., Marcelo. Almeida.Santana., Fabrisia.FerreiradeAraújo., Joilson.Rego. Evaluating the effectiveness of educational data mining techniques for Early prediction of students' academic failure in introductory programming courses. Computers in Human Behavior. 2017. 73 : 247-256
Siang, J.J. Jaringan syaraf tiruan dan pemrograman menggunakan MATLAB.Yogyakarta. ANDI. 2005.
Kristanto, Andri. Jaringan syaraf tiruan (konsep dasar algoritma, dan aplikasi), Yogyakarta. Grava media, 2004
Nurbaqin, Sistem peramalan beban satu jam ke depan menggunakan jaringan syaraf tiruan. Tugas akhir. Semarang. Teknik elektro. Fakultas teknik UNDIP. 2003.
Maharani, Dessy.Wulandari. I.A. Perbandingan metode jaringan syaraf tiruan Backpropagation dan learning vektor Quantization pada pengenalan wajah. Jurnal komputer dan informatika (Komputa). 2012. 1:1.
Kusumadewi. S. Membangun jaringangan syaraf tiruan menggunakan matlab & excel link. Yogyakarta. Graha. Ilmu. 2004.
Puspitaningrum, D. Pengantar jaringan syaraf tiruan. Yogyakarta. Andi. 2006.
Agustin. Maria, Toni.Prahasto. Penggunaan Jarinan syaraf tiruan backpropagation untuk seleksi Penerimaan Mahasiswa baru pada Jurusan Teknik Computer Politeknik Negeri Sriwijaya. Jurnal Sisten informasi Bisnis. 2012. 02:89-97.
