Penerapan Artificial Neural Network (ANN) untuk Prediksi Prestasi Akhir Mahasiswa Melalui Nilai Mata Kuliah Dasar Tingkat 1
ANNISA RAHMAWATI SULEMAN

Informasi Umum

Kode

22.04.2145

Klasifikasi

621.382 - Artificial intelligence, Big data. Electrical engineering.

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Artificial Intelligence, Neural Systems,

Dilihat

207 kali

Informasi Lainnya

Abstraksi

<p><strong>Predikat kelulusan yang didapatkan mahasiswa dapat berbeda-beda tergantung dengan nilai indeks prestasi kumulatif yang didapatkannya. P</strong><strong>ada penelitian ini, metode </strong><strong><em>artificial neural network</em></strong><strong> (ANN) </strong><strong>digunakan </strong><strong>untuk memprediksi </strong><strong>predikat kelulusan </strong><strong>mahasiswa </strong><strong>berdasarkan</strong><strong> nilai mata kuliah dasar yang telah dipelajari untuk </strong><strong>melihat pengaruh nilai tersebut terhadap predikat kelulusan mahasiswa</strong><strong>. Nilai mata kuliah dasar tersebut berjumlah 14 mata kuliah sebagai fitur yaitu, nilai mata kuliah </strong><strong>k</strong><strong>alkulus I, nilai mata kuliah </strong><strong>k</strong><strong>alkulus II, nilai mata kuliah </strong><strong>m</strong><strong>atematika </strong><strong>d</strong><strong>iskrit, nilai mata kuliah </strong><strong>l</strong><strong>ogika </strong><strong>m</strong><strong>atematika, nilai mata kuliah </strong><strong>d</strong><strong>asar </strong><strong>a</strong><strong>lgoritma dan </strong><strong>p</strong><strong>emrograman, nilai mata kuliah </strong><strong>m</strong><strong>atriks dan </strong><strong>r</strong><strong>uang </strong><strong>v</strong><strong>ektor, nilai mata kuliah </strong><strong>b</strong><strong>ahasa </strong><strong>i</strong><strong>ndonesia, nilai mata kuliah </strong><strong>p</strong><strong>endidikan </strong><strong>k</strong><strong>ewarganegaraan , nilai mata kuliah </strong><strong>b</strong><strong>ahasa </strong><strong>i</strong><strong>nggris I, nilai mata kuliah </strong><strong>b</strong><strong>ahasa </strong><strong>i</strong><strong>nggris II, nilai mata kuliah </strong><strong>f</strong><strong>isika, nilai mata kuliah </strong><strong>p</strong><strong>engantar </strong><strong>t</strong><strong>eknik </strong><strong>i</strong><strong>nformatika, dan nilai mata kuliah </strong><strong>l</strong><strong>iterasi TIK. Hasil </strong><strong>m</strong><strong>enunjukkan dengan metode </strong><strong><em>a</em></strong><strong><em>rtificial </em></strong><strong><em>n</em></strong><strong><em>eural network </em></strong><strong>(ANN) </strong><strong>mampu memprediksi prestasi akhir </strong><strong>mahasiswa </strong><strong>dengan </strong><strong>akurasi terbaik sebesar 73%. Hal ini menunjukkan bahwa mata kuliah dasar tingkat 1 berpengaruh baik dan bisa digunakan untuk memprediksi predikat kelulusan mahasiswa.</strong></p>

• CII4E4 - TUGAS AKHIR

Koleksi & Sirkulasi

Seluruh 1 koleksi sedang dipinjam

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook