Teks

PREDIKSI NILAI UJIAN SEKOLAH BERDASARKAN NILAI RAPOR SISWA ANGKATAN TAHUN 2022/2023 MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DI SMP MUHAMMADIYAH 1 SIRAMPOG

---

Evaluasi pendidikan diperlukan untuk mengetahui seberapa jauh peserta didik
mencapai tujuan pendidikan yang telah ditentukan. Informasi tentang tingkat
keberhasilan pendidikan dapat diketahui apabila alat evaluasi yang digunakan
sesuai dan dapat mengukur setiap tujuan. Prediksi nilai Ujian Sekolah di Sekolah
Menengah Pertama (SMP) Muhammadiyah 1 Sirampog masih dilakukan secara
manual dengan menggunakan perkiraan dari nilai rata-rata rapor selama 5
semester sebelumnya, sehingga prediksi yang didapatkan sering kali meleset jauh
dari perkiraan. Oleh karena itu dibutuhkan sebuah metode prediksi nilai Ujian
Sekolah yang lebih baik yaitu dengan menggunakan Jaringan Syaraf Tiruan (JST)
Backpropagation.
Proses prediksi dilakukan menggunakan nilai rapor siswa dari semester 1 – 5
sebagai atribut dan nilai Ujian Sekolah sebagai target pada tahap training. Data
nilai rapor dan Ujian Sekolah tahun 2020/2021 dan 2021/2022 digunakan sebagai
data latih sejumlah 106 siswa serta data nilai rapor tahun 2022/2023 digunakan
sebagai data uji sejumlah 37 untuk memprediksi nilai Ujian Sekolah. Dataset yang
telah dikumpulkan kemudian dilakukan proses pengolahan awal data
menggunakan software Microsoft Office Excel sebelum diproses pada JST
Backpropagation, diantaranya normalisasi dan transpose data. Hasil dari
pengolahan awal data selanjutnya dilakukan proses pelatihan dan pengujian JST
Backpropagation menggunakan software MATLAB. Hasil prediksi yang diambil
adalah model arsitektur JST dengan nilai MSE terkecil kemudian dilakukan
proses denormalisasi data dan evaluasi menggunakan MAPE.
Hasil penelitian menunjukan bahwa prediksi nilai Ujian Sekolah berdasarkan
nilai rapor siswa telah berhasil dilakukan menggunakan JST Backpropagation.
Nilai error terkecil pada mata pelajaran bahasa indonesia didapatkan
menggunakan model arsitektur JST dengan konfigurasi 5-3-1 dan learning rate
0,01 diperoleh MSE yaitu 0,0002098 dan MAPE yaitu 1,91% dengan akurasi
98,09%. Pada mata pelajaran matematika nilai error terkecil didapatkan
menggunakan konfigurasi 5-3-1 dan learning rate 0,01 diperoleh MSE yaitu
0,0080278 dan MAPE yaitu 11,59 % dengan akurasi 88,41%. Pada mata pelajaran
IPA nilai error terkecil didapatkan menggunakan konfigurasi 5-3-1 dan learning
rate 0,01 diperoleh MSE yaitu 0,0008746 dan MAPE yaitu 2,77% dengan akurasi
97,23%. Pada mata pelajaran bahasa inggris nilai error terkecil didapatkan
menggunakan konfigurasi 5-5-1 dan learning rate 0,5 diperoleh MSE yaitu
0,0014844 dan MAPE yaitu 6,08% dengan akurasi 93,92%.

---

Ketersediaan

S00081.23

RF TI.S00081.23 Afi p

My Library (Referensi)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

RF TI.S00081.23 Afi p

Penerbit

Paguyangan : STMIK MPB., 2023

Deskripsi Fisik

xvii,91hlm.;30cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

TI.S00081.23

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

jaringan syaraf tiruan
Backpropagation

Info Detail Spesifik

-

Pernyataan Tanggungjawab

RIZAL AFIFUDIN (19.01.0.0072) Skripsi diajukan kepada program studi sebagai bagian persyaratan untuk meraih derajat sarjana komputer

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar