Klasifikasi Kelulusan Mahasiswa Menggunakan Algoritma Learning Vector Quantization
DOI:
https://doi.org/10.31961/positif.v3i2.420Kata Kunci:
Classification, Graduation, Learning Vector Quantization, Artificial Neural NetworkAbstrak
Program studi Ilmu Komputer FMIPA ULM meluluskan puluhan mahasiswa S1 setiap tahun. Salah satu kriteria penilaian pada akreditasi program studi adalah penilaian terhadap lama studi mahasiswa yang lulus tepat waktu. Pada penelitian ini akan dilakukan klasifikasi kelulusan berdasarkan status lama studi mahasiswa tahun = tepat waktu dan lama studi 4,5 tahun = tidak tepat waktu. Klasifikasi kelulusan mahasiswa berdasarkan IP semester I, Semester II, Semester III dan Semester IV yang telah lulus. Jika suatu sistem dapat melakukan klasifikasi kelulusan mahasiswa sebagai prediksi lama studi mahasiswa, diharapkan akan menjadi rekomendasi bagi dosen Penasehat Akademik memberikan nasehat kepada mahasiswa yang terdeteksi kemungkinan lulus tidak tepat waktu sehingga tindakan pencegahan Drop Out (DO) dapat diambil lebih awal. Hasil akurasi yang sesuai dengan data uji sebesar 70% dengan menggunakan α = 0.5, decrement alfa 0.35 dan maxepoch = 500.
Unduhan
Referensi
Hermawan, Arief. (2006). Jaringan Saraf Tiruan Teori dan Aplikasi. Yogyakarta : Andi Offset.
Hidayati, N. & Warsito, B. (2010). Prediksi Terjangkitnya Penyakit Jantung Dengan Metode Learning Vector Quantization. Media Statistika, 3 (1). pp. 21-30. ISSN 1979-3693.
Kusumawati, D., Winarno, W. W., & Arief, M. R. (2015). Prediksi Kelulusan Mahasiswa Menggunakan Metode Neural Network dan Particle Swarm Optimization. SEMNASTEKNOMEDIA ONLINE, 3(1), 3-8.
Affendey, L. S., Paris, I. H. M., Mustapha, N., Sulaiman, M. N., & Muda, Z. (2010). Ranking of influencing factors in predicting students’ academic performance. Information Technology Journal, 9(4), 832-837.
Rahmani, B., & Aprilianto, H. (2014). Early Model of Student's Graduation Prediction Based on Neural Network. TELKOMNIKA (Telecommunication Computing Electronics and Control), 12(2), 465-474.
Siang, J. J., Tiruan, J. S., & menggunakan MATLAB, P. (2004). Yogyakarta. Andi Offset.
Ranadhi, D., Indarto, W., & Hidayat, T. (2006). Implementasi Learning Vector Quantization (LVQ) untuk Pengenal Pola Sidik Jari pada Sistem Informasi Narapidana LP Wirogunan. Media Informatika, 4(1).
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Penulis yang menerbitkan dengan Positif : Jurnal Sistem dan Teknologi Informasi menyetujui persyaratan berikut:
- Penulis memegang hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat masuk ke dalam pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan.
This work is licensed under a Creative Commons Attribution 4.0 International License.