Algoritma Multi Layer Perceptron sebagai Prediksi Kelulusan Mahasiswa Universitas Adzkia Tepat Waktu berdasarkan jenis kelamin, Indeks Prestasi Semester, dan Jumlah SKS
Keywords:
Artificial Intelligence, Prediksi Status Kelulusan Mahasiswa, Multilayer Perceptron, Python, Machine LearningAbstract
Dalam proses akreditasi perguruan tinggi, kelulusan akademik mahasiswa digunakan sebagai kriteria penilaian. Data kelulusan siswa yang tersimpan dapat digunakan untuk membuat prediksi di masa depan. Prediksi dapat diukur dengan menggunakan AI untuk menghasilkan prediksi yang akurat berdasarkan data siswa selama enam semester, yaitu gender, IPS1-6, dan SKS1-6. Untuk memprediksi status kelulusan siswa, penelitian ini menggunakan Jaringan Syaraf Tiruan Multi-Layer Perceptron (JST MLP). Digunakan sebagai predikator, fitur terdiri dari tiga belas atribut. Nilai biner satu menunjukkan lulus tepat waktu dan 0 menunjukkan tidak lulus tepat waktu dalam kelas target. JST MLP yang diusulkan terdiri dari tiga lapisan: lapisan masukan yang terdiri dari tiga belas neuron, lapisan tersembunyi yang terdiri dari dua belas neuron, dan lapisan keluaran yang terdiri dari satu neuron. Aplikasi yang digunakan melalui Python Google Colab. Sebanyak 100 pochs digunakan untuk memberikan instruksi. Hasilnya mencakup bobot untuk setiap neuron dalam MLP. Nilai metrik akurasi model sebesar 95% menunjukkan bahwa prediksi memiliki tingkat akurasi yang baik.
References
Amrin, A., & Satriadi, I. (2018). Implementasi Jaringan Syaraf Tiruan Dengan Multilayer Perceptron Untuk Analisa Pemberian Kredit. JURIKOM (Jurnal Riset Komputer), 5(6), 605-610.
Asmara, A., & Haryanto, H. (2015). Pengembangan tes minat dan bakat dengan metode jaringan syaraf tiruan (JST) untuk memprediksi potensi siswa bidang robotika. Jurnal Pendidikan Vokasi, 5(3), 273-286.
Bhakti, H. D. (2019). Aplikasi Artificial Neural Network (ANN) untuk Memprediksi Masa Studi Mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Gresik. Jurnal Eksplora Informatika, 9(1), 88-95.
Hamdi, I., Budianita, E., Syafria, F., & Afrianty, I. (2023). Prediksi Jumlah Perceraian Menggunakan Metode Multilayer Perceptron. JURNAL MEDIA INFORMATIKA BUDIDARMA, 7(3), 1352-1361.
Id, I. D. (2021). Machine Learning: Teori, Studi Kasus dan Implementasi Menggunakan Python (Vol. 1). Unri Press.
Kahar, N., & Aritonang, W. (2022). Implementasi Jaringan Syaraf Tiruan Dengan Algoritma Perceptron Dalam Penentuan Program Studi Mahasiswa Baru. JURNAL AKADEMIKA, 14(2), 74-80.
Khoirudin, K., Nurdiyah, D., & Wakhidah, N. (2019). Prediksi Penerimaan Mahasiswa Baru Dengan Multi Layer Perceptron. Jurnal Pengembangan Rekayasa dan Teknologi, 14(1), 1-4.
Kurniawan, A., & Silvanie, A. (2021). Prediksi Pasien Penyakit Jantung Menggunakan Jaringan Syaraf Tiruan Multi Layer Perceptron dan Python pada Basis Data Penyakit Jantung di Cleveland. Jurnal Nasional Informatika (JUNIF), 2(1), 21-28.
Mukhtar, H., Rifaldo, M., Taufiq, R. M., & Rizki, Y. (2021). Peramalan Kedatangan Wisatawan Mancanegara Ke Indonesia Menurut Kebangsaan Perbulannya Menggunakan Metode Multilayer Perceptron. Jurnal CoSciTech (Computer Science and Information Technology), 2(2), 113-119.
Nurachim, R. I. (2019). Pemilihan model prediksi indeks harga saham yang dikembangkan berdasarkan algoritma Support Vector Machine (SVM) atau Multilayer Perceptron (MLP) studi kasus: saham PT Telekomunikasi Indonesia Tbk. Jurnal Teknologi Informatika dan Komputer, 5(1), 29-35.
Ramadhan, A. F., & Saputra, R. A. (2023). Prediksi Jumlah Penumpang Bandar Udara Halu Oleo Kendari Menggunakan Multi-layer Perceptron. JOINTER: Journal of Informatics Engineering, 4(02), 33-38.
Ridwan, R., Lubis, H., & Kustanto, P. (2020). Implementasi algoritma neural network dalam memprediksi tingkat kelulusan mahasiswa. Jurnal Media Informatika Budidarma, 4(2), 286-293.
Romadhona, A., Suprapedi, S., & Himawan, H. (2017). Prediksi Kelulusan Mahasiswa Tepat Waktu Berdasarkan Usia, Jenis Kelamin, Dan Indeks Prestasi Menggunakan Algoritma Decision Tree. Jurnal Cyberku, 13(1), 8-8.
Rudianto, R., Kania, R., & Solihati, T. I. (2022). PREDIKSI KELULUSAN MAHASISWA TEKNIK INFORMATIKA UNIVERSITAS BANTEN JAYA MENGGUNAKAN ALGORITMA NEURAL NETWORK. Jurnal Sistem Informasi dan Informatika (Simika), 5(2), 193-200.
Saad, M. I. S. (2023). Perbandingan Algoritma Extreme Learning Machine dan Multilayer Perceptron Dalam Prediksi Mahasiswa Drop Out. Bulletin of Information Technology (BIT), 4(3), 369-376.
Shedriko, S. (2021, January). Single Layer Perceptron Dengan Backpropagation Dalam Memprediksi Kelulusan Mahasiswa Pada Mata Kuliah Pti Di Universitas Xyz. In Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) (Vol. 5, No. 1).
Suhardjono, S., Wijaya, G., & Hamid, A. (2019). prediksi waktu kelulusan mahasiswa menggunakan SVM berbasis PSO. Bianglala Informatika, 7(2), 97-101.
Suleman, A. R., & Palupi, I. (2023). Penerapan Artificial Neural Network (ANN) untuk Prediksi Prestasi Akhir Mahasiswa Melalui Nilai Mata Kuliah Dasar Tingkat 1. eProceedings of Engineering, 10(2).
Thaniket, R., Kusrini, K., & Luthf, E. T. (2020). Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Algoritma Support Vector Machine. Jurnal FATEKSA: Jurnal Teknologi dan Rekayasa, 5(2), 20-29.
R. Husna, Y. Hendra and M.I. Akbar (2019). Comparison Between Apriori and Fp-Growth Algorithms on Inventory Model of Item Availability. J. Ipte. Terap., vol. 14, no. 3, pp. 219–229, 2020, doi: https://doi.org/10.22216/jit.v14i3.100.
Hendra, Y. Sakinah, P. Thoriq, M. (2023). Evaluasi Kinerja Algoritma Apriori Dalam Pengelompokan Data Transaksi Penjualan Untuk Analisis Pola Pembelian. Journal of Student Development Information System (JoSDIS) 3 (2), 220-228.
