PREDIKSI PROGRAM STUDI BERDASARKAN NILAI SISWA DENGAN ALGORITMA BACKPROPAGATION (STUDI KASUS SMAN 6 DEPOK JURUSAN IPS)
DOI:
https://doi.org/10.52958/iftk.v15i2.1420Abstrak
Dalam melanjutkan pendidikan tinggi, pemilihan program studi bagi siswa dianggap sulit dan membingungkan dalam memilih program studi yang tepat. Teknik Data Mining adalah suatu proses dalam mencari pengetahuan baru dari sekumpulan database yang dapat membantu memprediksi pemilihan program studi yang sesuai. Prediksi ini menggunakan metode Jaringan Syaraf Tiruan Backpropagation yang bertujuan untuk membantu dalam pemilihan mata pelajaran sesuai dengan nilai siswa dengan sampel 152 data untuk dilatih dan diuji. Ada tujuh variabel input yang digunakan, dua lapisan tersembunyi dengan jumlah node yang bervariasi, dan output yang akan menjadi referensi dalam pemilihan mata kuliah. Dalam penelitian ini metode Backpropagation Jaringan Syaraf Tiruan menggunakan kinerja klasifikasi dengan software Rapidminer pada target yang menghasilkan akurasi paling besar adalah 86,96%.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).