Prediksi Kategori Kelulusan Mahasiswa Menggunakan Jaringan Backpropagation

Abstract

Backpropagation merupakan salah satu paradigm atau metode pembelajaran dalam Jaringan Syaraf Tiruan (JST) yang merupakan cabang dari kecerdasan buatan di mana cara kerjanya meniru atau mencontoh otak manusia. Backpropagation dapat digunakan untuk menyelesaikan berbagai masalah khususnya dalam bidang prediksi, misal prediksi kelulusan mahasiswa. Dalam penelitian ini dikembangkan sebuah sistem berbasis JST menggunakan jaringan Backpropagation untuk memprediksi kategori kelulusan mahasiswa di Program Studi Teknik Informatika Universitas Muhammadiyah Purwokerto. Kategori kelulusan yang dimaksud adalah lulus tepat waktu atau lulus tidak tepat waktu. Ada dua tahapan yang digunakan yaitu tahap pelatihan dan tahap pengujian. Data yang digunakan sebanyak 200 sampel data akademik mahasiswa tahun angkatan 2012-2015. Data tersebut dibagi menjadi dua yaitu data latih sebanyak 75% (150 data) dan data uji sebanyak 25% (50 data). Variabel yang digunakan untuk prediksi adalah Indeks Prestasi (IP) semester 1 sampai 4 dan jumlah pengambilan SKS pada semester 3 sampai 4. Proses pelatihan jaringan menggunakan algoritma Levenberg-Marquardt dengan 6 neuron masukan, 11 neuron dalam lapisan tersembunyi, dan 1 neuron keluaran (model neuron 6 – 11 – 1). Berdasarkan hasil pengujian, diperoleh tingkat akurasi jaringan sebesar 92% dan dicapai pada nilai learning rate = 0.7. Dengan demikian, sistem ini cukup akurat untuk digunakan dalam keperluan prediksi kelulusan mahasiswa