Implementasi Metode RELU, SIGMOID, MSE, Dan SGD Dalam Memprediksi Tingkat Pemahaman Siswa/I Pada Mata Pelajaran Pemrograman Di SMKS Mustafa Perbaungan

Abstract

Abstrak— Didalam dunia pendidikan, pencapaian akademik sangat diharuskan bagi siswa/i untuk semua mata pelajaran yang ada disekolah. Pencapaian akademik merupakan salah satu yang dianggap sebagai suatu keberhasilan siswa/I dalam memahami pelajaran yang diberikan. Salah satu mata pelajaran yang akan diprediksi tingkat pemahamannya adalah mata pelajaran pemrograman di SMKS Mustafa Perbaungan. Dalam penelitian ini menggunakan data sampel 5 siswa/I dengan menggunakan beberapa kriteria seperti pengetahuan, keterampilan, tugas yang diberikan dan antusias. Metode yang diterapkan adalah kombinasi dari metode RELU, SIGMOID, MSE dan SGD. Adapun hasil dari penelitian ini adalah dengan menggunakan hasil keputusan memahami dan cukup memahami. Penelitian ini masih berupa rancangan sehingga diharapkan dapat memberikan gambaran dalam menerapkan metode Deep Learning untuk memprediksi tingkat pemahaman siswa/I di sekolah..Kata kunci: Prediksi, RELU, SIGMOID, MSE, SGD.

Spatial Implementation of the Harvesine Algorithm in The Mapbox API for Tourism Mapping

“…Formula Haversine adalah persamaan penting dalam sistem navigasi, formula haversine ini menghasilkan jarak terpendek antara dua titik, misalnya pada bola yang diambil dari garis bujur (longtitude) dan garis lintang (latitude). Haversine Formula merupakan aplikasi dari konsep trigonometri, yang merupakan bagian dari geometri [19,20]. Rumus Haversine adalah persamaan navigasi penting yang menunjukkan jarak lingkaran besar antara dua titik (latitude dan longitude) di permukaan bola (bumi) sebagai fungsi garis bujur dan garis lintang.…”