Jaringan Syaraf Tiruan Dengan Teknik Backpropagation Untuk Prediksi Standar Kelulusan Ujian Nasional Produktif Kompetensi Di Smk (Studi Kasus Di Smk Nasional Al Huda Pekanbaru)
Abstract
Hasil Ujian Nasional Produktif Kompetensi sangat mempengaruhi total nilai Ujian Nasional. Penurunan nilai teori produktif berdampak siginifikan atas jumlah komulatif nilai ujian nasional. Salah satu teknik untuk mempredikasi Standar Ujian Nasional Produktif Kompetensi kelulusan adalah dengan metode jaringan saraf tiruan. Metode ini menggunakan prinsip kerja otak manusia yang terdiri dari neuron sebagai pemrosesan input untuk menghasilkan output berdasarkan bobot yang ada. Dengan methode Backpropagation ini dapat di peroleh tingkat RMSE (Root Mean Square Error) yang digunakan sebagai dasar pengayaan dan clustering kelas pada Smk Nasional Al Huda Pekanbaru.
Â
References
Anwar, B. (2011). Penerapan algoritma jaringan syaraf tiruan backpropagation dalam memprediksi tingkat suku bunga bank. SAINTIKOM, 10(2), 111–123.
Komputer, J., Volume, E. I., Teknik, F., Universitas, K., Indonesia, K., Dipati, J., & No, U. (2012). BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION Program Studi Teknik Informatika Jurnal Komputer dan Informatika ( KOMPUTA ). Komputer Dan Informatika (KOMPUTA), 1, 45–51.
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 ). Matematika Integratif, 11(2), 149–160.
Mistianingsih, M. F. A., Barong, J., Unmul, K., Kelua, G., & Samarinda, S. (2010). Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran Backpropagation. Informatika Mulawarman, 5(1), 50–54.
Raharjo, J. S. D. (2013). MODEL ARTIFICIAL NEURAL NETWORK BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK PREDIKSI LAJU INFLASI Joko S . Dwi Raharjo PENDAHULUAN Inflasi tidak dapat dihindarkan oleh setiap negara dan menjadi indikator tinggi akan Kesimpulan beberapa penelitian tentang p. Sistem Komputer, 3(1), 10–21.
