Identifikasi Mahasiswa Berprestasi Menggunakan Algoritma Backpropagation


Authors

  • Riki Winanjaya STIKOM Tunas Bangsa, Pematangsiantar, Indonesia

DOI:

https://doi.org/10.30865/resolusi.v1i2.113

Keywords:

Artificial Neural Network; Backpropagation; Student

Abstract

Determination of performance students requires a gradual process. To speed up the process of determining performance students, the Artificial Neural Network method was used. The method used is Backpropagation on student data on AMIK Tunas Bangsa Pematangsiantar. This research produced five architectural models, they are 5-5-1, 5-6-1, 5-7-1, 5-8-1, 5-9-1 and 5-10-1 with models 5-5-1 the best in accelerating the process of determining performance students. So that this architectural model is best to be used to determine the better performance students

Downloads

Download data is not yet available.

References

R. Muhammad, G. P. Din, and A. M. Masykur, “Dinamika Psikologis Mahasiswa Berprestasi: Studi Kualitatif Deskriptif,” J. Empati, vol. 5, no. 1, pp. 50–54, 2016.

G. Saputri, A. Ibrahim, and M. Afrina, “Perancangan Pemilihan Mahasiswa Prestasi Pada Fakultas Ilmu Komputer Universitas Sriwijaya,” vol. 3, no. 1, pp. 1–4, 2017.

A. Sudarsono, “Jaringan Syaraf Tiruan Untuk Memprediksi Laju Pertumbuhan Penduduk Menggunakan Metode Bacpropagation (Studi Kasus Di Kota Bengkulu),” Media Infotama, vol. 12, no. 1, pp. 61–69, 2016.

S. Solikhun, A. P. Windarto, H. Handrizal, and M. Fauzan, “Jaringan Saraf Tiruan Dalam Memprediksi Sukuk Negara Ritel Berdasarkan Kelompok Profesi Dengan Backpropogation Dalam Mendorong Laju Pertumbuhan Ekonomi,” Klik - Kumpul. J. Ilmu Komput., vol. 4, no. 2, p. 184, 2017, doi: 10.20527/klik.v4i2.90.

A. Heryati, Erduandi, and Terttiaavini, “Penerapan Jaringan Saraf Tiruan Untuk Memprediksi Pencapaian Prestasi Mahasiswa,” Konf. Nas. Sist. Inf. 2018 STMIK Atma Luhur Pangkalpinang, 8 – 9 Maret 2018, no. January 2018, pp. 8–9, 2018.

N. Lestari and L. L. Van FC, “Implementasi jaringan syaraf tiruan untuk menilai kelayakan tugas akhir mahasiswa (studi kasus di amik bukittinggi),” Digit. Zo. J. Teknol. Inf. dan Komun., vol. 8, no. 1, pp. 10–24, 2017, doi: 10.31849/digitalzone.v8i1.614.

R. S. Suhartanto, C. Dewi, and L. Muflikhah, “Implementasi Jaringan Syaraf Tiruan Backpropagation untuk Mendiagnosis Penyakit Kulit pada Anak,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 7, pp. 555–562, 2017.

A. Wanto, “Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Jumlah Kemiskinan Pada Kabupaten/Kota Di Provinsi Riau,” Klik - Kumpul. J. Ilmu Komput., vol. 5, no. 1, p. 61, 2018, doi: 10.20527/klik.v5i1.129.

Y. H. Siregar, “Prediksi Perilaku Pola Jumlah Mahasiswa Mengguakan Jaringan Syaraf Tiruan Dengan Metode Backpropagation,” vol. 1, no. 2, pp. 145–152, 2017.

S. Solikhun, M. Safii, and A. Trisno, “Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Pemahaman Sisiwa Terhadap Matapelajaran Dengan Menggunakan Algoritma Backpropagation,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 1, no. 1, p. 24, 2017, doi: 10.30645/j-sakti.v1i1.26.


Bila bermanfaat silahkan share artikel ini

Berikan Komentar Anda terhadap artikel Identifikasi Mahasiswa Berprestasi Menggunakan Algoritma Backpropagation

Dimensions Badge

ARTICLE HISTORY


Published: 2020-11-28
Abstract View: 231 times
PDF Download: 256 times