Analisa Prediksi Prestasi Siswa Baru SLTA Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation
Sandro Arif Wijaya

Informasi Umum

Kode

113020106

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

447 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Penilaian terhadap hasil belajar siswa untuk mengetahui sejauhmana ia telah mencapai sasaran belajar inilah yang disebut sebagai prestasi belajar. Prestasi belajar juga merupakan hasil usaha belajar yang dicapai seorang siswa berupa suatu kecakapan dari kegiatan belajar bidang akademik di sekolah pada jangka waktu tertentu yang dicatat pada setiap akhir semester di dalam buku laporan yang disebut rapor. Dalam tugas akhir ini digunakan metode Backpropagation menggunakan fungsi pelatihan jaringan ‘traingda’ untuk memodelkan arsitektur JST, yang mana arsitektur ini akan digunakan untuk memprediksi prestasi siswa baru SLTA pada semester pertama. <br> Data yang digunakan untuk training, testing dan prediksi yaitu data nilai SLTA SMUN3 Jombang angkatan 2005-2006.<br> Dari hasil pengujian didapatkan model arsitektur JST Backpropagation menggunakan fungsi pelatihan ‘traingda’ lebih akurat dan cepat dibandingkan JST Backpropagation menggunakan fungsi pelatihan traingdx.<br>Kata Kunci : training, testing, predicting, Backpropagation, Learning rate, epoch, goal.ABSTRACT: Learning progress is student's evaluation value over learning targets in intended time. This learningprogress is also a value or skill to expect from a student in every academic value which is achieved over specific time and recorded every semester in a progress report book called rapor.<br> This final project uses Backpropagation methods and traingda network training to modelize Artificial Neural Networks, which will be used to predict new high school student's achievements in the next semester.<br>Data used for training, testing, and predicting is high school from Jombang, SMUN 3 Jombang from year 2005-2006. <br> From the preliminary test of backpropagation Artificial Neural Network model, traingda training function is more accurate and fast compared to backpropagation Artificial Neural Network model using traingdx training function.<br>Keyword: training, testing, predicting, Backpropagation, Learning rate, epoch, goal.

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook