Aplikasi Artificial Neural Network (ANN) untuk Memprediksi Masa Studi Mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Gresik

Article Sidebar

PDF
Published Sep 30, 2019
DOI https://doi.org/10.30864/eksplora.v9i1.234

Main Article Content

Henny Dwi Bhakti
Universitas Muhammadiyah Gresik

Abstract

Kualitas mahasiswa merupakan bagian penting dalam institusi pendidikan. Universitas perlu melakukan evaluasi performa mahasiswa untuk menjaga kualitas mahasiswa. Salah satu variabel indikator performa mahasiswa adalah informasi tentang lama masa studi mahasiswa. Prediksi lama masa studi dibutuhkan pihak manajemen Universitas dalam menentukan kebijakan preventif terkait pencegahan dini kasus Drop Out (DO). Artificial Neural Network (ANN) adalah suatu metode yang meniru jaringan syaraf biologis untuk mempelajari sesuatu. Salah satu implementasi ANN yang banyak digunakan adalah untuk memprediksi. Penelitian ini melakukan prediksi masa studi mahasiswa dengan menggunakan ANN dengan metode pembelajaran backpropagation. Variabel yang digunakan adalah nilai Indeks Prestasi Semester (IPS) 4 semester awal mahasiswa. Data dibagi menjadi data latih dan data uji. Dari hasil pelatihan dan pengujian didapatkan nilai Mean Square Error (MSE) dan Koefisien Relasi (R). MSE digunakan untuk melihat kesalahan rata-rata antara output jaringan dengan target. Nilai R digunakan untuk melihat kuat atau tidaknya hubungan linier antara 2 variabel. Nilai MSE dan koefisien relasi pelatihan adalah 0,016175 dan 0,94353 sedangkan nilai MSE dan koefisien relasi pengujian adalah 0,12188 dan 0,56071. Dari hasil penelitian dapat disimpulkan bahwa ANN dapat digunakan untuk memprediksi masa studi mahasiswa.

Downloads

Download data is not yet available.

Article Details

How to Cite
Bhakti, H. (2019). Aplikasi Artificial Neural Network (ANN) untuk Memprediksi Masa Studi Mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Gresik. Jurnal Eksplora Informatika, 9(1), 88-95. https://doi.org/10.30864/eksplora.v9i1.234
Issue
Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:

  • Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
  • Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
  • Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
  • Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.

References

A. Cripps, “Using Artificial Neural Network To Predict Academic Performance,” in Proceedings of the 1996 ACM Symposium on Applied Computing, pp. 33–37. [link]

Z. Ibrahim and D. Rusli, “Predicting Students’ Academic Performance: Comparing Artificial Neural Network, Decision Tree and Linear Regression,” 21st Annu. SAS Malaysia Forum, no. January 2007, pp. 1–6, 2007. [link]

G. Badr, A. Algobail, H. Almutairi, and M. Almutery, “Predicting Students’ Performance in University Courses: A Case Study and Tool in KSU Mathematics Department,” Procedia Comput. Sci., vol. 82, no. March, pp. 80–89, 2016. [link]

G. Daniel, Principle Of Artificial Neural Network. 2008. [link]

U. Bin Mat, N. Buniyamin, P. M. Arsad, and R. A. Kassim, “An overview of using academic analytics to predict and improve students’ achievement: A proposed proactive intelligent intervention,” in 2013 IEEE 5th International Conference on Engineering Education: Aligning Engineering Education with Industrial Needs for Nation Development, ICEED 2013, 2014. [link]

C. T. Lye, L. N. Ng, M. D. Hassan, W. W. Goh, C. Y. Law, and N. Ismail, “Predicting pre-university students’ mathematics achievement,” Procedia - Soc. Behav. Sci., vol. 8, no. 5, pp. 299–306, 2010. [link]

T. A. Rashid and N. K. Aziz, “Student Academic Performance Using Artificial Intelligence,” ZANCO J. Pure Appl. Sci. Off. Sci. J. Salahaddin Univ. ZJPAS, vol. 28, no. 2, pp. 56–69, 2016.

Williams, Janett, and L. Yan, “A Case Study Using Neural Network Algorithms: Horse Racing Predictions in Jamaica,” in ICAI 2008: International Conference on Artificial Intelligence, 2008, pp. 16–22. [link]

Y. Bar-Yam, Dynamics of Complex System. Cambridge, 1997. [link]

G. Gray, C. McGuinness, and P. Owende, “An application of classification models to predict learner progression in tertiary education,” Souvenir 2014 IEEE Int. Adv. Comput. Conf. IACC 2014, no. February, pp. 549–554, 2014. [link]

O. C. Asogwa and A. V Oladugba, “Of Students Academic Performance Rates Using Artificial Neural Networks ( ANNs ),” Am. J. Appl. Math. Stat., vol. 3, no. 4, pp. 151–155, 2015. [link]

M. H. Meinanda, M. Annisa, N. Muhandri, and dan K. Suryadi, “Prediksi masa studi sarjana dengan artificial neural network,” Internetworking Indones. J., vol. 1, no. 2, pp. 31–35, 2009. [link]