Tesis

Tesis

• By Apriyani, Yanti;
• Disertasi
• 63
• 1-89

Ujian Nasional merupakan alat evaluasi yang dikeluarkan pemerintah untuk mengukur tingkat pencapaian tujuan pendidikan yang telah ditetapkan. Saat ini nilai ujian nasioanal dijadikan sebagai salah satu tolak ukur keberhasilan dan kualitas seorang siswa atau sekolah dengan hanya nilai dari beberapa mata pelajaran yang diujikan. Setiap sekolah menginginkan menjadi sekolah unggul dan berbagai upaya dilakukan untuk mencapai posisi tersebut. Salah satunya adalah menstabilkan nilai raport yang didapat siswa selama pembelajaran mulai dari semester awal hingga semester akhir agar mendapatkan nilai yang cukup memuaskan untuk nilai ujian nasional. Penelitian ini berbentuk studi kasus pada SMPN 2 Cihaurbeuti dengan variable penelitian adalah nilai raport dan nilai UN 2012/2013 dan 2013/2014 untuk prediksi nilai UN 2014/2015. Hasil penelitian menunjukkan bahwa nilai Mean Square Error (MSE) terkecil pada mata pelajaran B. Indonesia sebesar 0.011279, B.Inggris sebesar -0.019804, Matematika diperoleh sebesar -0.06416 dan IPA sebesar -0.0075304 dengan kombinasi parameter pelatihan berupa 2.000 epoch dan learning rate sebesar 0,1. Jaringan saraf tiruan backpropagation yang dihasilkan cukup dapat diandalkan untuk melakukan prediksi nilai ujian nasional.

 

Kata Kunci: Jaringan Syaraf Tiruan, Backpropogation, Ujian Nasional

• Katakunci Jaringan Syaraf Tiruan, Backpropogation, Ujian Nasional
• URL http://
• Penerbit ,

REFERENSI

Abdullah, Ade Gafur (2010). Diktat Mata Kuliah ET.171 Pengantar Kecerdasan Buatan. Bandung: Universitas Pendidikan Indonesia.

 

Depdiknas., RI. (2003). Sistem Pendidikan Nasional; Nomor 20 tahun 2003 tentang standar nasional pendidikan.Jakarta: Depdiknas RI.

 

E.R.Naganathan, R.Venkatesh, N.Uma Maheswari. (2008). Intelligent Tutoring System: Predicting Students Results Using Neural Networks. Journal of Convergence Informarion Technology Vol. 3 No. 3, September 2008

 

Kusumadewi, Sri.  Artificial Intelligence (Teknik Dan Aplikasinya). Jogjakarta : Graha Ilmu. 2003.

 

Kusumadewi, Sri.  Membangun Jaringan Syaraf Tiruan (Menggunakan MATLAB dan Excel Link). Jogjakarta : Graha Ilmu. 2004

 

Puspitaningrum, 2006, Pengantar Jaringan Syaraf Tiruan, C.V Andi Offset, Yogyakarta

 

1. J. Jek, Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta. 2005

 

Hindayati Mustafidah, Sri Hartati, Retantyo Wardoyo, Agus Harjoko. (2014). Selection of Most Appropriate Backpropagation Training Algorithm in Data Pattern Recognition. International Journal of Computer Trends and Technology (IJCTT) – volume 14 number 2 – Aug 2014

 

V.O. Oladokun, Ph.D., A.T. Adebanjo, B.Sc., dan O.E. Charles-Owaba, Ph.D. (2008). Predicting Students’ Academic Performance using Artificial Neural Network: A Case Study of an Engineering Course. The Pacific Journal ofScience and Technology

 

Widiarsono, Teguh. (2005).Tutorial Praktis Belajar Matlab.Jakarta:Author.

 

Widodo, Prabowo Pudjo., Handayanto, Rahmadya Trias.  Penerapan Soft Computing Dengan Matlab, Bandung: Rekayasa Sains, 2012.