Elpizochari, Aldous (2019) Prediksi Kinerja Akademik Mahasiswa Pada Mata Kuliah Pemrograman Dasar dengan Algoritme Backpropagation. Sarjana thesis, Universitas Brawijaya.
Abstract
Mata kuliah pemrograman dasar adalah salah satu mata kuliah yang diambil oleh mahasiswa baru dan biasanya sebagian dari mahasiswa mengalami kesulitan dalam memahami konsep utama dalam pemrograman. Penelitian ini dilakukan untuk mengidentifikasi mahasiswa-mahasiswa yang kesulitan pada waktu yang sedini mungkin dengan menggunakan faktor-faktor yang dapat dikumpulkan sebelum pengambilan nilai dilakukan, agar pengajar dapat memberikan bantuan tambahan untuk mahasiswa yang mengalami kesulitan. Metode klasifikasi yang digunakan dalam penelitian ini adalah Neural Network Backpropagation. Pengujian akan dilakukan untuk mengetahui apakah metode yang diusulkan dapat menyelesaikan permasalahan penelitian ini, untuk mencari parameter hidden neuron dan hidden layer dan learning rate yang sesuai agar mendapatkan hasil yang baik. Setelah ditemukan jumlah data yang tidak seimbang, maka pada pengujian akan digunakan beberapa skenario untuk menguji efek teknik oversampling pada hasil klasifikasi, teknik oversampling yang akan digunakan adalah Synthetic Minority Over-sampling Technique (SMOTE). Hasil dari penelitian ini membuktikan bahwa metode yang diusulkan dapat menyelesaikan masalah pada penelitian yang dilakukan, dengan rata-rata akurasi tertinggi sebesar 0,77. Ditemukan juga parameter yang memiliki hasil terbaik dengan jumlah hidden neuron sebanyak (6,6) dan (7) dan nilai learning rate sebesar 0,2.
English Abstract
Mata kuliah pemrograman dasar adalah salah satu mata kuliah yang diambil oleh mahasiswa baru dan biasanya sebagian dari mahasiswa mengalami kesulitan dalam memahami konsep utama dalam pemrograman. Penelitian ini dilakukan untuk mengidentifikasi mahasiswa-mahasiswa yang kesulitan pada waktu yang sedini mungkin dengan menggunakan faktor-faktor yang dapat dikumpulkan sebelum pengambilan nilai dilakukan, agar pengajar dapat memberikan bantuan tambahan untuk mahasiswa yang mengalami kesulitan. Metode klasifikasi yang digunakan dalam penelitian ini adalah Neural Network Backpropagation. Pengujian akan dilakukan untuk mengetahui apakah metode yang diusulkan dapat menyelesaikan permasalahan penelitian ini, untuk mencari parameter hidden neuron dan hidden layer dan learning rate yang sesuai agar mendapatkan hasil yang baik. Setelah ditemukan jumlah data yang tidak seimbang, maka pada pengujian akan digunakan beberapa skenario untuk menguji efek teknik oversampling pada hasil klasifikasi, teknik oversampling yang akan digunakan adalah Synthetic Minority Over-sampling Technique (SMOTE). Hasil dari penelitian ini membuktikan bahwa metode yang diusulkan dapat menyelesaikan masalah pada penelitian yang dilakukan, dengan rata-rata akurasi tertinggi sebesar 0,77. Ditemukan juga parameter yang memiliki hasil terbaik dengan jumlah hidden neuron sebanyak (6,6) dan (7) dan nilai learning rate sebesar 0,2.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/544/051905927 |
| Uncontrolled Keywords: | pemrograman dasar, prediksi, neural network backpropagation, oversampling, SMOTE, basic programming, prediction, neural network backpropagation, oversamplin g, smote |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 21 Jul 2020 13:05 |
| Last Modified: | 19 Oct 2021 02:18 |
| URI: | http://repository.ub.ac.id/id/eprint/179738 |
Preview |
Text
Aldous Elpizochari.pdf Download (105MB) | Preview |
Actions (login required)
 |
View Item |