Penutupan Kompetensi Keahlian SMK dengan Pendekatan Klasifikasi Minat Siswa Menggunakan Jaringan Syaraf Tiruan

Muhammad Ihsan Nugraha, Armansyah Armansyah

Abstract


The lack of intereset in audio and video engineering competencies at SMK Muhammadiyah 9 Medan City causes the minimum number of students in the competence. Therefore, the school needs additional information as a tool to assist them in making a policy to continue or terminate the competency. By utilizing the Artificial Neural Network (ANN) approach, the researcher intends to build a student interest classification model based on student psychological datasets that can be used as a tool in analyzing student interest in  audio and video engineering competencies. The classification model was built using 115 data divided into 92 training data and 23 testing data. Where the data will be transformed into binary numbers (1 and 0) in order to perform algorithm properly. The results of this study show that the model can classify student interest very well into the class labels "interested" and "not interested" as evidenced by the accuracy value of 98.9% on training data and 95.65% on testing data.

Keywords


Classification; Student Interest; Neural Network; Backpropagation

References


Akhmad Hizham, F., Nurdiansyah, Y., & Media Firmansyah, D. (2018). Implementasi Metode Backpropagation Neural Network (BNN) dalam Sistem Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa (Studi Kasus: Program Studi Sistem Informasi Universitas Jember). Berkala Sinstek, 6(2), 97–105.

Arianto, F. S. D., & Noviyanti. (2020). Prediksi Kasus COVID - 19 di Indonesia Menggunakan Metode Backpropagation dan Fuzzy Tsukamoto. Jurnal Teknologi Informasi, 4(1), 120–127. https://doi.org/10.36294/jurti.v4i1.1265

Atika, P. dina. (2019). Prediksi Wilayah Calon Siswa Baru Menggunakan Jaringan Syaraf Tiruan dengan Model Backpropagation untuk Optimasi Promosi. Jurnal Teknologi Terpadu, 5(2), 89–99. https://doi.org/10.54914/jtt.v5i2.225

Finaliamartha, D., Supriyadi, D., & Fitriana, G. F. (2022). Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Prediksi Tingkat Kemiskinan di Provinsi Jawa Tengah. Jurnal Teknologi Informasi Dan Ilmu Komputer, 9(4), 751–760. https://doi.org/10.25126/jtiik.202294806

Hadianto, N., Novitasari, H. B., & Rahmawati, A. (2019). Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network. Jurnal Pilar Nusa Mandiri, 15(2), 163–170. https://doi.org/10.33480/pilar.v15i2.658

Hasanah, S. H., & Permatasari, S. M. (2020). Metode Klasifikasi Jaringan Syaraf Tiruan Backpropagation Pada Mahasiswa Statistika Universitas Terbuka. BAREKENG : Jurnal Ilmu Matematika Dan Terapan, 14(2), 243–252. https://doi.org/10.30598/barekengvol14iss2pp243-252

Jayanti, K., Lumbanbatu, K., & Ramadani, S. (2021). Memprediksi Jumlah Siswa Baru Menggunakan Metode Backpropagation (Studi Kasus : SMK Harapan Bangsa Kuala). JUKI : Jurnal Komputer Dan Informatika, 3(1), 10–16. https://doi.org/10.53842/juki.v3i1.40

Kurniawan, D. (2020). Pengenalan Machine Learning dengan Python. Jakarta : PT Elex Media Komputindo.

Kusuma, P. D. (2020). Machine Learning : Teori, Program, dan Studi Kasus. Yogyakarta : Deepublish Publisher.

Lastya, H. A. (2019). Minat Siswa SMK Kelas XII Program Keahlian Teknik Instalasi Tenaga Listrik Masuk Perguruan Tinggi Ditinjau dari Faktor Internal dan Eksternal di SMK Negeri 2 Langsa. Jurnal Ilmiah DIDAKTIKA, 19(2), 193–214.

Masruroh, & Fitriani, S. (2021). Evaluasi Implementasi Program Bantuan Operasional Sekolah (Bos) di SMK YPK Kesatuan Jakarta. Aksara: Jurnal Ilmu Pendidikan Nonformal, 7(2), 551–561. https://doi.org/10.37905/aksara.7.2.551-562.2021

Nurlela, S., Akmaludin, Hadianti, S., & Yusuf, L. (2019). Penyeleksian Jurusan Terfavorit pada SMK Sirajul Falah dengan Metode SAW. Pilar Nusa Mandiri, 15(1), 1–6. www.nusamandiri.ac.id

Okprana, H., Lubis, M. R., & Hadinata, J. T. (2020). Prediksi Kelulusan TOEFL Menggunakan Metode Resilient Backpropagation. Jurnal Edukasi Dan Penelitian Informatika, 6(2), 275–279.

Perdana, N. S. (2019). Analisis Permintaan dan Penawaran Lulusan SMK dalam Pemenuhan Pasar Tenaga Kerja. Refleksi Edukatika : Jurnal Ilmiah Kependidikan , 9(2), 172–181.

Permana, A. A., Wahyudin, & Santoso, L. W. (2023). Machine Learning (Pertama). Padang : PT Global Eksekutif Teknologi.

Susilawati, & Muhathir. (2019). Analisis Pengaruh Fungsi Aktivasi, Learning Rate Dan Momentum Dalam Menentukan Mean Square Error (MSE) Pada Jaringan Saraf Restricted Boltzmann Machines (RBM). JITE, 2(2), 77–91. http://ojs.uma.ac.id/index.php/jite




DOI: http://dx.doi.org/10.32493/jtsi.v6i3.30143

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Muhammad Ihsan Nugraha, Armansyah

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Jurnal Teknologi Sistem Informasi dan Aplikasi (ISSN: 2654-3788 e-ISSN: 2654-4229) 



This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) License