ANALISIS PENERAPAN ARTIFICIAL NEURAL NETWORK DALAM PENENTUAN BIDANG KOMPETENSI SKRIPSI MAHASISWA (STUDI KASUS DI PROGRAM STUDI TEKNIK INFORMATIKA STMIK NURDIN HAMZAH JAMBI)

Novhirtamely Kahar, Gunadi Widi Nurcahyo, Sarjon Defit

Abstrak

Abstract
Pendidikan tinggi seharusnya memuat standar kompetensi lulusan yang terstruktur dalam kompetensi utama, kompetensi pendukung, dan kompetensi lainnya yang mendukung pencapaian visi, misi, dan tujuan dari program studi. Program Studi Teknik Informatika STMIK Nurdin Hamzah telah menerapkan kurikulum berbasis kompetensi sejak 2010 yang terdiri dari 5 bidang kompetensi hard skill, yaitu: Program Aplikasi, Jaringan Komputer dan Pemrograman Web, Sistem Cerdas, Sistem Manajemen Basis Data, dan Multimedia. Dari kelima bidang kompetensi tersebut, mahasiswa yang akan melaksanakan skripsi dapat memilih salah satunya sebagai tema skripsi mereka. Selama ini, mahasiswa selalu menghadapi masalah ketidaktahuan dan kebingungan dalam menentukan tema skripsi. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk menerapkan Model Jaringan Syaraf Tiruan (JST) Metode Perceptron dan Backpropagation dalam menentukan bidang kompetensi skripsi mahasiswa. JST mampu mengenali suatu kegiatan berdasarkan data masa lalu. Data masa lalu akan dilatih untuk memberikan keputusan terhadap data baru yang belum pernah dipelajari. Penelitian ini menggunakan data mahasiswa lulusan tahun 2013 dan 2014, serta nilai dari 42 jenis mata kuliah sebagai variabel input, dan kemudian variabel tersebut dilatih dengan menggunakan 100 data sehingga sistem dapat mengenali variabel dan data dengan benar. Sedangkan proses pengujian menggunakan 80 data, dan proses prediksi menggunakan 130 data mahasiswa lulusan tahun 2016. Setelah menganalisa hasil simulasi model JST Perceptron dan Backpropagation dengan Matlab dalam menentukan bidang kompetensi skripsi mahasiswa, hasil kinerja metode Backpropagation lebih baik dari metode Perceptron karena metode Backpropagation mampu memprediksi 122 pola data (93,846%), sedangkan metode Perceptron mampu memprediksi 108 pola data (83,077%).
Keywords : Jaringan Syaraf Tiruan (JST), Perceptron, Backpropagation, Bidang Kompetensi Skripsi, Program Studi Teknik Informatika

Teks Lengkap:

PDF

Refbacks

  • Saat ini tidak ada refbacks.