Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA (Studi kasus: Prediksi Prestasi Siswa SMAN 4 Ambon)

Abstract

ABSTRAKMutu dan kualitas dari suatu institusi pendidikan salah satunya dilihat dari prestasi yang dicapai oleh lulusannya. Salah satu criteria penilaian untuk menilai prestasi lulusan pada tingkat sekolah dasar sampai pada sekolah menengah yaitu melalui NEM. Nilai pada NEM ini sering dijadikan ukuran untuk menilai para siswa yang akan masuk pada suatu jenjang pendidikan berikutnya. Selain itu, penerimaan siswa di suatu jenjang pendidikan juga disesuaikan dengan daya tampung dari sekolah dimaksud. Nilai NEM di jenjang SMP yang tinggi, ternyata tidak menjamin prestasi siswa di jenjang SMA. Sehingga penelitian ini bertujuan untuk memperoleh pola keluaran prediksi prestasi siswa SMA Negeri 4 Ambon yang berkorelasi antara NEM dan total Nilai siswa SMA kelas X (sepuluh) sesuai dengan data yang dilatihkan menggunakan aplikasi Jaringan Saraf Tiruan metode Backpropagation. Jaringan Saraf Tiruan ini menggunakan Arsitektur Multilayer Net yang meliputi 4 unit sel lapisan masukan, satu lapisan tersembunyi dengan jumlah unit sel yang ditentukan secara acak, dan satu lapisan keluaran berjumlah satu unit sel sebagai target. Data yang diambil berupa NEM siswa dan total nilai siswa semester pertama kelas X. Selanjutnya data dianalisis dengan menggunakan JST metode Backpropagation, dengan bantuan software MATLAB. Hasil penelitian ini menunjukkan bahwa korelasi antara NEM dan total nilai siswa semester 1 kelas X cukup baik dengan eror yang kecil. Untuk mempermudah perhitungan didesain suatu toolbox Matlab dengan menggunakan GUI Matlab.Kata kunci: Jaringan Saraf Tiruan, Backpropagation, Prestasi siswa, Nilai NEM. ABSTRACT The quality of an educational institution can be seen by the achievements of its graduates. One of the assessment criteria to assess the achievements of graduates from primary school level to the high school that is through the NEM. The value of the NEM is often used as a measure to assess the students who will go to the next level of education. In addition, enrollment in an education

Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Gizi Balita Pada Puskesmas Siantar Utara Kota Pematangsiantar

“…Jaringan saraf tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan disini digunakan karena jaringan saraf tiruan ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesikan sejumlah proses perhitungan selama proses pembelajaran [8]. Pada ilmu jaringan saraf tiruan proses pelatihan algoritma/metode backpropagation didasarkan pada hubungan yang sederhana , yaitu jika keluaran memberikan hasil yang salah, maka penimbang (weight) dikoreksi supaya galatnya dapat diperkecil dan tanggapan JST selanjutnya diharapkan akan lebih mendekati nilai yang benar [9] Gambar 1.…”

Early Detection Application of Bipolar Disorders Using Backpropagation Algorithm

“…The description of backpropagation architecture used in this study is as shown below The training of the backpropagation algorithm includes 3 stages, namely the advanced stage, backward propagation, and weight changes. Training algorithms for networks with one hidden layer (with binary sigmoid activation functions) are as follows [13]:…”

Penerapan Metode Backpropagation Dalam Memprediksi Jumlah Penjualan Oli Shell

“…Jaringan saraf tiruan adalah sistem komputasi dimana arsitektur dan operasi di ilhami dari pengetahuan tentang sel saraf biologis di dalam otak, yang merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba menstimulasi proses pembelajaran pada otak manusia tersebut [7]. Istilah buatan digunakan karena jaringan saraf tiruan ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran [8].…”