Aditiya Indra Riawan, 5302416009 (2022) PERFORMA AKURASI ALGORITMA ARTIFICIAL NEURAL NETWORK DAN REGRESI LINIER DALAM MENENTUKAN LAMA STUDI MAHASISWA. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF - Published Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Monitoring masa studi mahasiswa dalam pendidikan perguruan tinggi menjadi salah satu langkah untuk menjaga kualitas lulusan dan meningkatkan mutu pendidikan. Sejak awal masuk sampai dengan mahasiswa dinyatakan lulus menghasilkan banyak sekali data. Data ini dapat diolah untuk melakukan monitoring masa studi mahasiswa. Data mahasiswa tersebut dapat diolah dengan baik dengan menggunakan teknik data mining. Algoritma yang digunakan yaitu algoritma artificial neural network dan algoritma regresi linier. Sehubungan dengan itu penelitian ini bertujuan untuk melakukan analisis perbandingan terhadap efektivitas atau tingkat akurasi antara algoritma artificial neural network dengan algoritma regresi linier dalam menentukan lama studi mahasiswa. Dataset yang digunakan untuk pemodelan dalam penelitian ini adalah data alumni mahasiswa angkatan 2014-2016 yang berjumlah 11.084 record data. Dataset akan dibagi menjadi 80% data training dan 20% data testing. Tahapan pengolahan data dalam penerapannya menggunakan tools jupyter notebook dan metode pengolahan data mining knowledge discovery in database (KDD) di mana terdiri dari beberapa tahapan yaitu pembersihan data, integrasi data, pemilihan data, transformasi data, data mining, evaluation pola, sedangkan untuk tahapan evaluasi atau uji perbandingan dengan menggunakan MAPE, MSE dan RMSE. Terkait sistem yang dikembangkan menggunakan bahasa pemrograman python, framework flask dan database MySQL. Nilai pengujian masing – masing algoritma yaitu artificial neural network (backpropagation) menghasilkan nilai pengujian MAPE sebesar 7,084333177 %, MSE sebesar 23,59375828 dan RMSE sebesar 4,857340659, sedangkan algoritma regresi linier berganda (multiple linear regression) menghasilkan nilai pengujian MAPE sebesar 7,062478315 %, MSE sebesar 23,34855627 dan RMSE sebesar 4,832034382. Berdasarkan hasil pengujian tersebut dapat diketahui bahwa kedua algoritma memiliki efektivitas nilai prediksi yang sangat baik namun untuk pengujian menggunakan MAPE, MSE dan RMSE algoritma regresi linier berganda (multiple linear regression) memiliki hasil prediksi yang lebih baik karena dinyatakan baik apabila semakin kecil nilai yang dihasilkan, maka semakin baik hasil prediksi / peramalan yang dilakukan.

Actions (login required)

View Item