Cover Image

Prediksi Kelulusan Calon Mahasiswa dalam SPMB Menggunakan Jaringan Syaraf Tiruan Backpropagation

Main Author: FarisAchmadKuddah
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2009
Subjects:
510 Mathematics
Online Access: http://repository.ub.ac.id/152108/1/050901837.pdf
http://repository.ub.ac.id/152108/
ctrlnum 152108
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/152108/</relation><title>Prediksi Kelulusan Calon Mahasiswa dalam SPMB Menggunakan Jaringan Syaraf Tiruan Backpropagation</title><creator>FarisAchmadKuddah</creator><subject>510 Mathematics</subject><description>Prediksi dilakukan untuk mengestimasi suatu perilaku data berdasarkan analisis dan pengolahan data historis. Jaringan syaraf tiruan backpropagation merupakan metode yang efisien untuk memprediksi kelulusan calon mahasiswa dalam SPMB. Jaringan syaraf backpropagation menggunakan perubahan bobot secara heuristik dalam pencarian nilai optimum. Dalam penelitian ini diimplementasikan jaringan syaraf tiruan untuk memprediksikan kelulusan calon mahasiswa dalam SPMB berdasarkan data historisnya. Data yang digunakan untuk pelatihan dan pengujian, adalah hasil dari UAN tahun pelajaran 2005/2006 dan 2006/2007 pada SMUN 3 Malang, SMUN 4 Malang, dan SMUN 8 Malang, yaitu nilai dari matematika, bahasa indonesia, bahasa inggris, dan ekonomi (untuk siswa IPS). Kemudian data lain yang akan dipakai adalah hasil dari try out UAN SMU siswa SMUN 3 Malang, SMUN 4 Malang, dan SMUN 8 Malang, yang terdiri dari nilai matematika, bahasa indonesia, bahasa inggris, dan ekonomi (untuk siswa IPS). Kemudian selain itu data yang akan dipakai adalah nilai dari passing grade PTN di Indonesia dan keterangan lulus tidaknya siswa tersebut dalam SPMB. Uji coba dilakukan dengan menggunakan struktur jaringan syaraf multi layer feedforward . Pada proses pelatihan dilakukan uji coba dengan variasi jumlah neuron lapisan masukan dan jumlah neuron lapisan tersembunyi untuk menghasilkan model terbaik. Tolak ukur keberhasilan pengujian model dilakukan dengan menghitung mean square error (MSE) dan prosentase kesuksesan prediksi. Pengaruh penambahan jumlah neuron lapisan tersembunyi, nilai learning rate , momentum, dan jumlah epoch mengakibatkan nilai MSE jaringan syaraf backpropagation semakin kecil. MSE yang dihasilkan untuk tiap-tiap jurusan yang dituju adalah 0.0399 untuk jurusan Kedokteran, 0.0588 untuk jurusan Teknik Elektro, dan 0.0731 untuk jurusan Akuntansi. Sedangkan prosentase kesuksesan prediksi untuk siswa lulus adalah 66.67% untuk jurusan Kedokteran, 66.67% untuk jurusan Teknik Elektro dan 25% untuk jurusan Akuntansi. Sedangkan prosentase kesuksesan prediksi untuk siswa</description><date>2009-06-17</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/152108/1/050901837.pdf</identifier><identifier> FarisAchmadKuddah (2009) Prediksi Kelulusan Calon Mahasiswa dalam SPMB Menggunakan Jaringan Syaraf Tiruan Backpropagation. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/MIPA/2009/151/050901837</relation><recordID>152108</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author FarisAchmadKuddah
title Prediksi Kelulusan Calon Mahasiswa dalam SPMB Menggunakan Jaringan Syaraf Tiruan Backpropagation
publishDate 2009
topic 510 Mathematics
url http://repository.ub.ac.id/152108/1/050901837.pdf
http://repository.ub.ac.id/152108/
contents Prediksi dilakukan untuk mengestimasi suatu perilaku data berdasarkan analisis dan pengolahan data historis. Jaringan syaraf tiruan backpropagation merupakan metode yang efisien untuk memprediksi kelulusan calon mahasiswa dalam SPMB. Jaringan syaraf backpropagation menggunakan perubahan bobot secara heuristik dalam pencarian nilai optimum. Dalam penelitian ini diimplementasikan jaringan syaraf tiruan untuk memprediksikan kelulusan calon mahasiswa dalam SPMB berdasarkan data historisnya. Data yang digunakan untuk pelatihan dan pengujian, adalah hasil dari UAN tahun pelajaran 2005/2006 dan 2006/2007 pada SMUN 3 Malang, SMUN 4 Malang, dan SMUN 8 Malang, yaitu nilai dari matematika, bahasa indonesia, bahasa inggris, dan ekonomi (untuk siswa IPS). Kemudian data lain yang akan dipakai adalah hasil dari try out UAN SMU siswa SMUN 3 Malang, SMUN 4 Malang, dan SMUN 8 Malang, yang terdiri dari nilai matematika, bahasa indonesia, bahasa inggris, dan ekonomi (untuk siswa IPS). Kemudian selain itu data yang akan dipakai adalah nilai dari passing grade PTN di Indonesia dan keterangan lulus tidaknya siswa tersebut dalam SPMB. Uji coba dilakukan dengan menggunakan struktur jaringan syaraf multi layer feedforward . Pada proses pelatihan dilakukan uji coba dengan variasi jumlah neuron lapisan masukan dan jumlah neuron lapisan tersembunyi untuk menghasilkan model terbaik. Tolak ukur keberhasilan pengujian model dilakukan dengan menghitung mean square error (MSE) dan prosentase kesuksesan prediksi. Pengaruh penambahan jumlah neuron lapisan tersembunyi, nilai learning rate , momentum, dan jumlah epoch mengakibatkan nilai MSE jaringan syaraf backpropagation semakin kecil. MSE yang dihasilkan untuk tiap-tiap jurusan yang dituju adalah 0.0399 untuk jurusan Kedokteran, 0.0588 untuk jurusan Teknik Elektro, dan 0.0731 untuk jurusan Akuntansi. Sedangkan prosentase kesuksesan prediksi untuk siswa lulus adalah 66.67% untuk jurusan Kedokteran, 66.67% untuk jurusan Teknik Elektro dan 25% untuk jurusan Akuntansi. Sedangkan prosentase kesuksesan prediksi untuk siswa
id IOS4666.152108
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:53:02Z
last_indexed 2021-10-28T07:38:58Z
recordtype dc
_version_ 1751454569940910080
score 17.538404

Lihat Juga