Rancang Bangun Aplikasi Data Mining Untuk Prediksi Kelulusan Mahasiswa Dengan Algoritma Backpropagation Neural Network
DOI:
https://doi.org/10.33633/joins.v1i01.1175Abstract
Saat ini sering didapati besarnya jumlah mahasiswa baru pada sebuah perguruan tinggi yang tidak sebanding dengan jumlah lulusan tiap tahunnya. Hal ini merupakan salah satu permasalahan yang harus diselesaikan oleh institusi perguruan tinggi. Agar program studi dapat melakukan langkah antisipasi atau penanganan lebih dini terhadap mahasiswa yang berpotensi tidak lulus tepat waktu, diperlukan suatu mekanisme yang dapat mendeteksi kemungkinan hal ini terjadi. Dewasa ini perkembangan data mining berkembang pesat dalam mengatasi berbagai masalah pengolahan data dengan jumlah besar. Salah satu aplikasi dari data mining adalah untuk keperluan prediksi/klasifikasi, dan salah satu algoritma yang umum digunakan adalah Neural Network. Dalam penelitian ini algoritma Backpropagation Neural Network diterapkan untuk memprediksi masa studi mahasiswa. Dari hasil pengolahan data training dengan algoritma tersebut didapatkan hasil tingkat akurasi yang didapat sebesar 99.49% dengan atribut yang digunakan ialah Indeks Prestasi (IP) dari semester 1 (satu) sampai 4 (empat) dan Indeks Prestasi Kumulatifnya. Pengolahan data tersebut diproses menggunakan RapidMiner dengan menerapkan algoritma Backpropagation Neural Network untuk membentuk pola dari data training. Untuk memperoleh pengetahuan atau knowledge, dari pola tersebut akan diterjemahkan ke dalam bentuk yang dapat dimengerti dan diproses dalam aplikasi Matlab. Kata Kunci: Data Mining, Prediksi, Algoritma Neural Network (Back Propagation), PrototipeDownloads
Published
2016-05-16
How to Cite
[1]
D. H. Ujianti and A. Affandy, “Rancang Bangun Aplikasi Data Mining Untuk Prediksi Kelulusan Mahasiswa Dengan Algoritma Backpropagation Neural Network”, Journal of Information System, vol. 1, no. 01, pp. 62–69, May 2016.
Issue
Section
Articles
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
This work is licensed under a Creative Commons Attribution 4.0 International License.