Perbandingan Metode Backpropagation dan Learning Vector Quantization (LVQ) Dalam Menggali Potensi Mahasiswa Baru di STMIK PalComTech

Nowadays, the development of Usaha Mikro Kecil Menengah (UMKM) is quite rapid. Updating data is very necessary to find out how far the development of UMKM is every year.UMKM are divided into three criteria, namely: micro, small, and medium. The problem is to determine the criteria for an UMKM based on several attributes such as: No, District, Kelurahan, Company Name, Owner's Name, Address, Telephone/HP, Type of Business, Number of Employees, Assets, Turnover, Year of Establishment, and criteria as labels. This takes a long time for the Government to determine the criteria for UMKM. This study uses data from the 2018 UMKM in the city of Bandung. ThisUMKM data will be used for classification so that criteria data can be obtained faster. The classification method used is backpropagation. The data used in this study amounted to 5219 data with 12 attributes and 1 criteria label. The 12 existing attributes are then selected into 4 attributes according to the attribute ranking. Data testing using 3-fold cross validation resulted in an accuracy of 98.4294% with the most optimum network architecture: 30 neurons, using two hidden layers, logsig activation function, trainlm training function, input layer 4 nodes and output layer 2 nodes.

show abstract

“…Pada backpropagation mencapai akurasi sebesar 99.17%. Sedangkan pada LVQ mencapai akurasi sebesar 96.67% [1].…”

Section: Pendahuluanunclassified

Klasifikasi Usaha Mikro Kecil Menengah Menggunakan Jaringan Syaraf Tiruan Backpropagation

Hardoyo

Eko

2022

KONSTELASI

View full text Add to dashboard Cite

show abstract

“…Berlimpahnya data mahasiswa di Perguruan Tinggi terutama mahasiswa baru membuka peluang pihak akademik untuk dapat mengukur prestasi akademik mahasiswa secara lebih tepat. Data-data tersebut apabila digali dengan tepat akan membuat pihak Perguruan Tinggi mendapatkan pengetahuan atau polapola prestasi akademik mahasiswa baru [1]. Untuk menumbuhkan kemauan mahasiswa dalam memahami setiap mata kuliah, merujuk kepada penelitian yang sudah dilakukan para peneliti sebelumnya, diantaranya faktor-faktor yang berkontribusi pada prestasi belajar mahasiswa mahasiswa [2].Ada beberapa metode yang digunakan dalam mengidentifikasi atau memprediksi potensi peserta didik dalam menentukan jurusan diantaranya adalah jaringan syaraf tiruan [3].…”

Section: Pendahuluanunclassified

Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Asesmen Nasional Berbasis Komputer (ANBK) SMP Se Kota Sawahlunto

Yuberta¹

2022

jidt

View full text Add to dashboard Cite

Abstract The National Computer-Based Assessment for SMP level is a quality assessment program for all SMP level schools. This has only been simulated in 2019 and in 2021 this is the first stage of testing. Adaptation to ANBK needs to be done quickly so that the School Quality Score becomes good from time to time and the main goal of the education unit, namely the development of student competence and character, is achieved. Finding a solution to improve the quality of SMP in Sawahlunto City based on ANBK using ANN with Backpropagation Algorithm. The data used in this study was sourced from the Education Office of Sawahlunto City where as many as 11 schools participated in ANBK at the junior high school level. Based on the 2021 ANBK simulation data, the results obtained are above the minimum competency of 11 schools. Furthermore, the data is processed using Matlab software. The processing implementation involves four input variables (reading literacy, numeracy, character survey and learning environment survey). Of the 33 data tested using variations of test data and training data, which are then processed using variations in the learning rate and number of epoch parameters. From the test results obtained the level of accuracy of pattern recognition on the backpropagation method with a learning rate variation of 0.2 and the number of epochs 1000. The results of testing this method are as many as 11 junior high schools that have passed. So that the level of accuracy is 99,9987%. The prediction results of ANBK SMP in Sawahlunto City can already describe the quality of education in SMP in Sawahlunto City. With an achievement level above the district/city average of 36.36%, it can become accurate information to improve the quality of teaching and learning and improve student achievement. Keywords: Artificial Neural Networks; Backpropagation; ANBK; Computer-Based National Assessment; Student; Education.

show abstract

“…Penelitian -penelitian yang menggunakan backpropagation seperti identifikasi tulisan jawa [20]. Selanjutnya [21] sebagai pengenalan pola untuk menggali potensi mahasiswa baru. Perkembangan terakhir banyak digunakan untuk berbagai studi kasus disiplin ilmu salah satunya yaitu terkait dengan kesehatan.…”

Section: Lapisan Output (Output Layer)unclassified

Sistem Peramalan Persediaan Sparepart Menggunakan Metode Weight Moving Average dan Reorder Point

Suhendra¹,

Asfi²,

Lestari³

et al. 2021

matrik

View full text Add to dashboard Cite

SM Teknik menjual sparepart sepeda motor, perkakas teknik, perkayuan serta jasa perbaikan mesin pertukangan dan mesin bubut corer. SM Teknik mengalami kesulitan dalam mempredikasi jumlah persediaan sparepart untuk pengadaan kembali. Data historis penjualan SM Teknik selama ini masih terdata dengan pencatatan manual. Oleh karena itu perlu dikembangkan suatu sistem berbasis komputer. Pengembangan sistem berbasis komputer menggunakan metode waterfall dengan tahapan analisis sistem, desain sistem, implementasi sistem dan pengujian sistem. Sistem dibangun dengan bahasa pemrograman PHP dengan DBMS mySQL. Metode peramalan menggunakan metode weighted moving average (WMA) untuk prediksi jumlah stok sparepart yang harus dibeli untuk periode selanjutnya. Penentuan batas aman persediaan menggunakan metode Reorder Point (ROP). Data historis dalam penelitian ini adalah data aktual penjualan sparepart dari bulan Januari sampai dengan Desember 2018. Hasil peramalan sparepart untuk produk KLEP SET HGLPRO NEOTECH untuk bulan Januari 2019 adalah sebanyak 24. Sedangakan untuk validasi hasil peramalan diperoleh nilai Mean Absolute Deviation sebesar 4.11 dan nilai tracking signal -0.81 artinya nilai data aktual permintaan lebih kecil dari nilai hasil peramalan, ditunjukkan dengan nilai negatif. Sehingga disimpulkan bahwa sistem peramalan ini telah teruji dengan data dan diperoleh nilai ramalan yang baik.

show abstract

Perbandingan Metode Backpropagation dan Learning Vector Quantization (LVQ) Dalam Menggali Potensi Mahasiswa Baru di STMIK PalComTech

Cited by 10 publications

References 1 publication

Klasifikasi Usaha Mikro Kecil Menengah Menggunakan Jaringan Syaraf Tiruan Backpropagation

Klasifikasi Usaha Mikro Kecil Menengah Menggunakan Jaringan Syaraf Tiruan Backpropagation

Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Asesmen Nasional Berbasis Komputer (ANBK) SMP Se Kota Sawahlunto

Sistem Peramalan Persediaan Sparepart Menggunakan Metode Weight Moving Average dan Reorder Point

Contact Info

Product

Resources

About