PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION

Abstract

Tingkat    kelulusan    mahasiswa    S1    Teknik Informatika   STMIK   Bina   Mulia   Palu   sejak   tahun akademik  2008  sampai  2009  menunjukan  persentase rata-rata jumlah mahasiswa lulusan yang tepat waktu kurang dari saran mutu pihak kampus. Kondisi tersebut mendorong pihak jurusan untuk melakukan evaluasi dan langkah  strategis  dalam  upaya  meningkatkan  tingkat kelulusan mahasiswa agar sasaran mutu bisa tercapai. Evaluasi   program   studi   perlu   ditingkatkan  dengan dibuatnya   sistem   prediksi   tingkat   kelulusan   pada penyelenggaraan proses perkuliahan.    Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup  handal  dalam  pemecahan  masalah  peramalan yang   sering   ditemukan   dalam   proses   pengambilan keputusan  salah  satunya  adalah  prediksi  kelulusan mahasiswa dengan menggunakan  metode backpropagation  neural network. namun  proses pembelajaran    bacpropagation    terkadang    menemui kendala   seperti  over fitting sehingga  tidak  dapat menggeneralisasikan masalah. Untuk mengatasi masalah tersebut    diusulkan    penggunaan Particle Swarm Optimization untuk melatih bobot pada jaringan. Variabel input yang digunakan dalam Prediksi kelulusan mahasiswa ini menggunakan   yaitu 30 nilai mata kuliah. Output yang dihasilkan adalah kelulusan Tepat Waktu atau Melebihi Batas Waktu. Adapun tools yang digunakan yaitu MatlabR2010a. Pengujian dilakukan  menggunakan perangkat lunak   matlab   yang   diuji   dengan   beberapa   bentuk arsitektur  jaringan.  Berdasarkan  data  uji  aristektur dengan konfigurasi terbaik untuk   NN terdiri dari 30 lapisan masukan, 25 lapisan tersembunyi dan 1 lapisan keluaran dengan nilai leraning rate 0.2, RMSE 0.070 dengan akurasi 78.26% . Nilai RMSE setelah dioptimasi yaitu 0.048 dengan tingkat akurasi 87.31% .