Prediksi Kelulusan Tepat Waktu Mahasiswa Menggunakan Jaringan Syaraf Tiruan

Authors

  • Utomo Budiyanto Universitas Budi Luhur
  • Titin Fatimah Universitas Budi Luhur

Abstract

Kelulusan tepat waktu merupakan salah satu faktor penting dalam proses belajar mengajar di institusi pendidikan. Bagi institusi hal ini dapat merupakan gambaran hasil dari proses akademik yang telah dilakukan yang tercermin dalam kurikulum, proses belajar mengajar serta administrasi institusi. Tingkat kelulusan tepat waktu mahasiswa dapat membantu meningkatkan kualitas institusi, seperti peningkatan nilai akreditasi. Bagi mahasiswa dengan kelulusan tepat waktu akan memberikan peluang lebih baik untuk melanjutkan proses berikutnya seperti bekerja maupun melanjutkan pendidikan. Berdasarkan pentingnya kelulusan tepat waktu bagi stakeholder, maka semakin cepat memprediksinya akan semakin baik bagi institusi serta mahasiswa. Penelitian ini menggunakan keunggulan dari Jaringan Syaraf Tiruan antara lain kemampuan untuk belajar, untuk melakukan prediksi kelulusan tepat waktu mahasiswa berdasarkan nilai Indeks Prestasi Semester (IPS). Nilai IPS digunakan sebagai masukan sebab hasil proses pembelajaran mahasiswa. IPS yang digunakan adalah IPS pada 4 semester awal. Data yang digunakan adalah data wisuda Semester Genap 2017 dan Semester Gasal 2018 sejumlah 1220 record. Data Training sebesar 916 record dan Data Testing sejumlah 304 record. Hasil uji menggunakan confusion matrix menunjukan tingkat akurasi sebesar 0.805921053 yang membuktikan bahwa hasil dari penelitian ini dapat memprediksi kelulusan tepat waktu secara baik

References

Wang T M. A., 2002, Using Neural Networks to Predict Student's Performance, Proceedings of the International Conference on Computers in Education (ICCE'02)

Arsad P. M., Buniyamin N., Manan J. l. A., 2013, Prediction of engineering students' academic performance using Artificial Neural Network and Linear Regression: A comparison, 2013 IEEE 5th Conference on Engineering Education (ICEED), Kuala Lumpur, pp. 43-48.

Pathak P.,Bansal N.,Singh S., 2015, Mulyankan: A prediction for student's performance using Neural Network, 2015 2nd International Conference on Computing for Sustainable Global Development (INDIACom), New Delhi, pp. 46-49.

Badieaha, Gernowo R., Surarso B., 2016, Metode Jaringan Syaraf Tiruan Untuk Prediksi Performa Mahasiswa Pada Pembelajaran Berbasis Problem Based Learning (PBL), Jurnal Sistem Informasi Bisnis, Universitas Diponegoro Semarang

Lesnussa Y. A., Latuconsina S., Persulessy E. R., 2015, Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA (Studi kasus: Prediksi Prestasi Siswa SMAN 4 Ambon), Jurnal Matematika Integratif, ISSN 1412-6184

Romadhona A., Suprapedi, Himawan H., 2017, Prediksi Kelulusan Mahasiswa Tepat Waktu Berdasarkan Usia, Jenis Kelamin, Dan Indeks Prestasi Menggunakan Algoritma Decision Tree

Nurhayati, 2017, Penerapan Data Mining Untuk Prediksi Indeks Prestasi Kumulatif Kelulusan Mahasiswa APIKES Citra Medika Surakarta, Jurnal Ilmiah Teknologi Informasi dan Komunikasi

Mustakim, Oktaviani G., 2016, Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa, Jurnal Sains, Teknologi dan Industri, Vol. 13, No.2, Juni 2016, pp.195 - 202 ISSN 1693-2390

Defiyanti S., 2013, Analisis dan Prediksi Kinerja Mahasiswa Menggunakan Teknik Data Mining, Syntak Vol. 2 Ed. 2

Downloads

Published

2019-11-21

Issue

2019: Semnastik 2019

Section

Articles

License

Penulis yang mempublikasikan artikelnya dalam publikasi ini setuju dengan ketentuan berikut :


  1. Hak cipta tetap pada penulis dan memberikan hak kepada SEMNASTIK 2019 sebagai prioritas pertama untuk mempublikasikan artikelnya dengan lisensi Creative Commons Attribution License yang memperbolehkan artikel untuk dapat dibagikan dengan pengakuan terhadap penulis artikel dan SEMNASTIK 2019 sebagai tempat publikasinya.
  2. Penulis dapat mendistribusikan publikasi artikelnya secara non-eksklusif (contoh : pada repository universitas atau pada buku) dengan pemberitahuan atau pengakuan publikasi di SEMNASTIK 2019.
  3. Penulis diijinkan untuk mencantumkan karyanya secara online (misal : di website pribadi atau di repository universitas) sebelum dan sesudah proses pengiriman (lihat The Effect of Open Access).