Tinjauan Pustaka Sistematis: Implementasi Metode Deep Learning pada Prediksi Kinerja Murid

Abstract

Pemanfaatan machine learning yang merupakan salah satu implementasi dalam bidang artificial intelligence telah merambah ke berbagai bidang, salah satunya adalah bidang pendidikan. Dengan menggunakan kombinasi teknik machine learning, statistik, dan basis data, dapat dilakukan educational data mining untuk mengetahui pola yang ada dalam suatu dataset tertentu. Salah satu penggunaan educational data mining adalah untuk melakukan prediksi kinerja murid. Hasil dari prediksi kinerja murid dapat digunakan sebagai salah satu instrumen untuk melakukan monitoring dan evaluasi terhadap proses pembelajaran sehingga dapat membantu menentukan langkah-langkah lanjutan dalam rangka meningkatkan proses pembelajaran. Makalah ini bertujuan untuk mengetahui state of the art implementasi deep learning yang merupakan bagian dari machine learning pada konteks educational data mining, khususnya mengenai prediksi kinerja murid. Pada makalah ini disajikan systematic literature review untuk mengetahui variasi teknik atau algoritme deep learning yang digunakan beserta kinerja yang dicapai. Dari dua puluh publikasi ilmiah yang ditelusuri, rata-rata kinerja yang dicapai dalam melakukan prediksi adalah 89,85%. Mayoritas teknik yang digunakan adalah Deep Neural Network (DNN), Recurrent Neural Network (RNN), dan Long Short-Term Memory (LSTM) dengan fitur data demografis, perilaku, dan akademis.

Quadcopter Stability Control System Using PID And Kalman Filter

“…• Flight Controller with Brushless DC Motor The picture above shows the electrical connection used to regulate the speed of the motor which is controlled by the ESC as pulse management. The ESC gets its source directly from the battery and supplies voltage to the motor according to FC [13].…”

Prediksi Curah Hujan Dasarian dengan Metode Vanilla RNN dan LSTM untuk Menentukan Awal Musim Hujan dan Kemarau

“…Data mining merupakan teknik menemukan atau mencari pola dan informasi penting yang diperoleh dari data yang besar sehingga menghasilkan pengetahuan baru yang bermanfaat dalam pengambilan keputusan [8]. Jaringan saraf tiruan merupakan metode deep learning yang populer digunakan [9]. Vanilla Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM) termasuk kedalam jenis jaringan saraf berulang yang merupakan jenis dari jaringan saraf tiruan.…”