JARINGAN SYARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI JUMLAH MAHASISWA BARU

Lina Nurhani, Aris Gunaryati, Septi Andryana, Iskandar Fitri

Abstract


 

Jaringan syaraf tiruan merupakan  program komputer yang dapat meniru proses pemikiran dan pengetahuan untuk menyelesaikan suatu masalah yang spesifik keputusan dapat diberikan secara cerdas. Algoritma Backpropagation merupakan salah satu algoritma jaringan syaraf tiruan yang sering digunakan dalam menyelesaikan masalah-masalah rumit karena memiliki tingkat akurasi yang baik. Hasil dari penelitian ini menunjukan bahwa backpropagation memiliki tingkat akurasi yang baik dalam prediksi mahasiswa baru dengan struktur neuron 5-1 dengan 1 (satu) hidden layer, learning rate (lr) yang digunakan 0,1 dan nilai MSE 0,001. Pengujian dihentikan pada epoch ke 758, karena fungsi kinerja tujuannya sudah tercapai (MSE = 0,000998685 < 0,001) menunjukan hubungan antara target dengan ouput jaringan pada saat pengujian sudah baik. Dari pengujian pada data pengujian antara output jaringan diperoleh target koefisien korelasi (R) bernilai 0,98779 dimana untuk hasil terbaik adalah bernilai 1.


Full Text:

PDF

References


[ 1.] Hara Simbolon, Matias Julyus Fika Sirait, “Implementasi Jaringan Syaraf Tiruan Dalam Memprediki Jumlah Mahasiswa Baru dengan Menggunakan Metode Backpropagation (Studi kasus : STMIK Budidarma Medan)”, STMIK Budidarma, 2015.

[ 2.] Sandy Kosasi, ”Penerapan Metode Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Nilai Ujian Sekolah”, STMIK Pontianak, Jurnal Teknologi, vol. 7, no. 1, pp 20-28, Juni 2014.

[ 3.] Joni Eka Candra, “Prediksi Jumlah Penumpang Pesawat Udara Menggunakan Jaringan Syaraf Tiruan Metode Backpropagation Di Bandar Udara Hang Nadim Batam”, Teknik Informatika, Universitas Putra Batam, 2015.

] Dahriani Hakim Tanjung, “Jaringan Saraf Tiruan dengan Backpropagation untuk Memprediksi Penyakit Asma”, STMIK Potensi Utama Medan, Creative Information Technology Journal, ojs.amikom,ac.id , vol. 2, no. 1, 2014.

] Arif jumarwanto, Rudy Hartanto, Dhidik Prastiyanto, ”Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Penyakit THT di Rumah Sakit Mardi Rahayu Kudus”, Jurnal Teknik Elektro, vol. 1, no. 1, Universitas Negeri Semarang, 2009 .

. Iham Aryudha Perdana, ”Simulasi dan Prediksi Jumlah Penjualan Air Menggunakan Jaringan Syaraf Tiruan Backprpagation (Study Kasus : PDAM TIRTA KEPRI)”, Universitas Maritim Raja Ali Haji, 2016.

] Sofika Enggari, “Prediksi Kebutuhan Logistik untuk Sistem Akademik dengan Menggunakan Jaringan Syaraf Tiruan Studi Kasus Universitas Putra Indonesia”, Universitas Putera Indonesia, Jurnal Teknologi, vol. 3, no. 2, 2013.

] Stamos T. Karamouzis, Andreas Vrettos,”An Artificial Neural Network for Predicting Student Graduation Outcomes”, Proceedings of the World Congress on Engineering and Computer Science, 2008.

] Tsung- Lin Lee, “ Backpropagation Neural Network for The Prediction of The Short-Term Storm Surge in Taichung Harbor, Taiwan, Engineering Applications of Artificial Intelligence, vol. 21, issues 1, pp. 63-72, 2008.

K.Manikya Kanti, P. Srinivasa Rao, “ Prediction of Bead Geometry in Pulsed GMA Welding Using Backpropagation Neural Network”, Journal of Materials Processing Technology, vol. 200, issues 1-3, pp. 300-305, 2008.


Refbacks

  • There are currently no refbacks.