ANALISIS ALGORITMA BACKPROPAGATION DENGAN SVM DALAM HASIL PREDIKSI NILAI UJIAN NASIONAL PADA SEKOLAH TINGKAT PERTAMA

Nur Nafi'iyah

Abstract


Dalam menyikapi ujian nasional tingkat SMP beberapa sekolah dan dinas pendidikan di daerah selalu berusaha mendadakan try out. Tujuan diadakan try out dan bimbingan belajar adalah siswa agar dapat lulus di ujian nasional. Usaha yang dilakukan tersebut agar siswa bisa memenuhi grade kelulusan ujian nasional. Selain dengan cara tersebut, dapat dilakukan dengan membuat suatu sistem yang dapat memprediksi nilai ujian nasional siswa SMP. Penelitian ini bertujuan untuk membandingkan hasil prediksi nilai ujian nasional siswa SMP dengan algoritma backpropagation dan SVM. Di mana dataset yang digunakan adalah dataset nilai ujian nasional pada mata pelajaran Bahasa Indonesia, Bahasa Inggris, Matematika, dan Ilmu Pengetahuan Alam siswa SMP. Kami membuat arsitektur algoritma backpropagation dengan 2 model. Model pertama dengan 5 node hidden layer, dan model kedua dengan 7 node hidden layer. Input dari kedua algoritma adalah 7 variabel, dengan 701 baris dataset, 561 baris untuk pelatihan dan 140 baris pengujian, dan outputnya adalah nilai ujian nasional. Hasil pengujian antara backpropagation dan algoritma SVM menghasilkan nilai MSE terendah, yaitu backpropagation dengan MSE rata-rata 103,3. Di mana struktur yang digunakan dalam algoritma backpropagation dengan 7 node input layer, 5 node hidden layer dan 1 node output layer. Sedangkan jika menggunakan struktur algoritma backpropagation dengan 7 node input layer, 7 node hidden layer, dan 1 node output layer MSE adalah 106,6. Jika menggunakan algoritma SVM, nilai MSE rata-rata adalah 200.

 Kata kunci : Nilai Ujian Nasional SMP, Backpropagation, SVM



Full Text:

PDF

References


Bachtiar, F. A., Syahputra, I. K., & Wicaksono, S. A. (2019). Perbandingan Algoritme Machine Learning Untuk Memprediksi Pengambil Matakuliah. Jurnal Teknologi Informasi Dan Ilmu Komputer. Https://Doi.Org/10.25126/Jtiik.2019651755

Kapita, S. N., & Irawan, M. I. (2015). Kohonen Som Neural Network Applications To Classify The Level Of Education Quality Of Primary School. In Proceedings Of The National Seminar Of Mathematics And Mathematics Education.

Kartini, D. (2017). Penerapan Data Mining Dengan Algoritma Neural Network (Backpropagation) Untuk Prediksi Lama Studi Mahasiswa. Prosiding Seminar Nasional Sisfotek.

Nafi’iyah, N. (2016). Perbandingan Regresi Linear , Backpropagation Dan Fuzzy Mamdani Dalam Prediksi Harga Emas. Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri, 291–296.

Noor, A. (2018). Perbandingan Algoritma Support Vector Machine Biasa Dan Support Vector Machine Berbasis Particle Swarm Optimization Untuk Prediksi Gempa Bumi. Jurnal Humaniora Teknologi. Https://Doi.Org/10.34128/Jht.V4i1.37

Safari, S. (2019). Pengaruh Tingkat Pendidikan Orang Tua Terhadap Hasil Un Smp 2018. Indonesian Journal Of Educational Assesment. Https://Doi.Org/10.26499/Ijea.V1i2.8

Sutriyani, T. P., Siregar, A. M., & Kusumaningrum, D. S. (2018). Implementasi Algoritma K-Means Terhadap Pengelompokan Nilai Ujian Nasional Tingkat Smp Di Provinsi Jawa Barat. Techno Xplore : Jurnal Ilmu Komputer Dan Teknologi Informasi. Https://Doi.Org/10.36805/Technoxplore.V3i1.797

Widaningsih, S. (2019). Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm. Jurnal Tekno Insentif. Https://Doi.Org/10.36787/Jti.V13i1.78

Yudha, N. S. (2017). Aplikasi Jaringan Syaraf Tiruan Untuk Memprediksi Kualitas Air Sungai Di Titik Jembatan Jrebeng Kabupaten Gresik. Universitas Brawijaya.

Yulison Herry Chrisnanto, Wawa Nurazizah, A. M. (2018). Algoritma Neural Network Dalam Prediksi Nilai Objek Ideal Rujukan Berdasarkan Data Historis. In Seminar Nasional Sistem Informasi Dan Teknologi Informasi 2018.




DOI: http://dx.doi.org/10.36723/juri.v12i1.204

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.