Prediksi Pemilihan Jurusan Siswa Kelas 1 SMK Menggunakan Jaringan Syaraf Tiruan dengan Metode Backpropagation
DOI:
https://doi.org/10.30865/jurikom.v8i6.3695Keywords:
Subjects, Artificial Neural Networks, BackpropagationAbstract
Student learning potential can be seen or meansured in various ways, one of them by concluding it’s success in learning. The value of subjects is one indicator that isused as a references to conclude studentlearning success academically. Artificial Neural Networks have the ability to learn and produce rules or operations from some input examples that are entered and make predictions. Backpropagation isone method that is often used in solving complex problems because the network with this method is trained using guided learning methods.
References
Abdullah Ahmad, 2019, “Analisis Jaringan Syaraf Tiruan Untuk Memprediksi Ketersediaan Komoditas Beras Bedasarkan Provinsi Indonesiaâ€, Jurnal Resistor Vol.2 No.1.
Aji Sudarsono, 2016, “Jaringan Syaraf Tirun Untuk Memprediksi Pertumbuhan Penduduk Menggunakan Metode Backpropagationâ€, studi kasus di Bengkuluâ€, Jurnal Media Infotama Vol.12 No.1.
Alven Safik Ritonga, 2018, “Pengembangan Model jaringan Syaraf Tiruan Untuk Memprediksi Siswa Muda di PTS Surabayaâ€, Studi Kasus Universitas Wijaya Putra, Jurnal Ilmiah Teknologi Informasi Asia, Vol.12, No.1
Anita Desiani & Muhammad Arhami, 2005, “Konsep Kecerdasan Buatanâ€, Penerbit Andi, Palembang.
Arief Hermawan, 2006, “Jaringan Saraf Tiruan, Teori dan Aplikasiâ€, Penerbit Andi, Yogyakarta.
Armansyah & Guntur Syahputra, 2020, “Analisis Kemampuan Akademik Mahasiswa Berdasarkan Latar Belakang Keluarga, Tempat Tinggal, Pertemanan, Sikap Belajar, Konsep Diri, Iklim Kampus, Dan Tenaga Pengajar Dengan Jaringan Syaraf Tiruan Backpropagationâ€, Jurnal Saintikom Vol.19 No.1.
Diyah Puspitaningrum, 2006, “Pengantar Jaringan Saraf Tiruanâ€, Penerbit Andi, Yogyakarta.
Eko Prasetyo, 2014, “Data Mining Memproses Data Dalam Informasi Menggunakan Matlabâ€, Penerbit CV.Andi Offset, Yogyakarta.
Fadhel Akhmad, dkk, 2018, “Menerapkan Metode Jaringan Syyaraf Tiruan Backpropagation (BNN) Dalam Sistem Klasifikasi Ketepatan Waktu Kelulusan Mahasiswaâ€, Studi Kasus Program Studi Sistem Informasi Universitas Jember, BERKALA SAINSTEK, VI (2).
Jong, Jek Siang, 2005, “Jaringan Syaraf Tiruan dan Pemrograman Menggunakan Matlabâ€, Penerbit Andi Offset, Yogyakarta.
Saludin Muis, 2017, “ Jaringan Syaraf Tiruan Dengan Sistem Kecerdasan Buatan Dengan Kemampuan Belajar dan Adaptasiâ€, Penerbit Teknosain, Yogyakarta.
Sri Kusumadewi, 2003, “Arificial Intelligence (Teknik dan Aplikasi)â€, Penerbit Graha Ilmu, Yogyakarta.
Suyanto, ST, 2003, “Kecerdasan Buatanâ€, Penerbit Informatika, Bandung.
Malvin Chandra, 2015, “Analisis Metode Backpropagation Untuk Memprediksi Indeks Harga Saham Indofood Sukses Makmur TBKâ€, Jurnal KomTekInfo Fakultas Ilmu Komputer, Vol.2 No.1
Muhammad Ridwan Lubis, 2018, “Analisis Jaringan Saraf Tiruan Backpropagation Untuk Meningkatkan Prediksi Skor Game Sepak Bolaâ€, TECHSI: Vol.10, No.1
Musli Yanto, dkk, 2014, “Analisis Jaringan Syaraf Tiruan Untuk Menentukan Jumlah Reservasi Kamar Hotel Menggunakan Metode Backpropagationâ€, Studi Kasus Hotel Grand Zuri Padang, Jurnal KomTekInfo Fakultas Ilmu Komputer, Vol.2, No.1
Solikhun, M.Safii, Agus Trisno, 2017, “Jaringan Saraf Tiruan Untuk Memprediksi Pemahaman Siswa Terhadap Mata Pelajaran Menggunakan Algoritma Backpropagationâ€, Jurnal Sains Komputer & Informatika (J-SAKTI) Vol.1 No.1
Widodo Budiharto, Derwin Suhartono, 2014, “Konsep Kecerdasan Buatan dan Penerapannyaâ€, Penerbit C,V Andi Offset, Yogyakarta
