PENERAPAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM MEMPREDIKSI JUMLAH MAHASISWA MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UIN SUMATERA UTARA MEDAN
DOI:
https://doi.org/10.35747/t.v3i1.371Keywords:
Jaringan Syaraf Tiruan, Jumlah Mahasiswa, BackpropagationAbstract
Jaringan syaraf tiruan merupakan suatu pemprosesan informasi yang didesain dengan meniru cara kerja otak manusia dalam menyelesaikan masalah yaitu dengan cara melakukan proses belajar. Backpropagation adalah salah satu algoritma dari jaringan syaraf tiruan yang sering digunakan dalam hal memprediksi karena memiliki tingkat akurat yang baik. Ketidakpastian jumlah pendaftar di Prodi Matematika maka dilakukan peramalan ataupun prediksi. Rumusan masalah dari penelitian ini adalah “Bagaimana cara memprediksi penerimaan mahasiswa baru menggunakan Jaringan Syaraf Tiruan dengan metode Backpropagation?”. Tujuan penelitian ini adalah untuk mengetahui seberapa banyak jumlah mahasiswa baru ditahun 2020 agar dapat merencanakan strategi untuk mengetahui naik turunnya jumlah mahasiswa baru. Penelitian ini menggunakan data sekunder dan dilaksanakan di Universitas Islam Negeri Sumatera Utara Medan dengan memakai data jumlah mahasiswa dari tahun 2015 sampai tahun 2019. Hasil penelitian menunjukkan bahwa jaringan syaraf tiruan dengan metode backpropagation mampu menentukan atau memprediksi jumlah mahasiswa Prodi Matematika dan hasil dari penelitian menunjukkan bahwa jumlah mahasiswa di tahun 2020 adalah 177 mahasiswa.
References
Andrijasa, M. F., Mustianingsih. (2010). Penerapan jaringan syaraf tiruan untuk memprediksi jumlah pengangguran di provinsi Kalimantan timur dengan menggunakan algoritma pembelajaran backpropagation. Jurnal informatika mulawan. Vol 5. Hal:112-115.
Apriliyah, Mahmudy, W. F., Widodo, A.W. (2008). Perkiraan Penjualan Beban Listrik Menggunakan Jaringan Syaraf Tiruan Ressilent Backpropagation (Rprop). Kursor.Vol.4. Hal:34-37.Aulia, Firda. 2017. Simulation of Goods Inventory in Cooperative Using the Monte Carlo Method. INFOTEK Journal, Vol 2, No 1.
Fausett, L. (1994). Fundamental of Neural Networks: Architectures, Algorithms, AndAplication. 1stedition. New Jersey: Prentice Hall.Dur, Sajaratud. 2018. Utilization of ZeolitsFor Water Filing. Journal of Mathematics and Applied, Vol. 4, No. 2.
Kiptiyah. (2007). Embriologidalam Al-Qur’an “Kajian Proses PencintaanManusia”. Malang: UIN Malang Press.Harahap, Hamidah. 2007. Study on Water Quality Control of PDAM Tirtanadi at Reservoir Area and Customer Connection. Journal of Process Technology, ISSN 1412-7814.
Mason D. R., Douglas A Lind. (1999).Teknik Statistika Untuk Bisnis & Ekonomi. Terjemahan Widyono Soetjipto, dkk. Jakarta: Erlangga..
Pakaja, F. N., Agus. P. (2012). Peramalan penjualan mobil menggunakan jaringan syaraf tiruan dan certainty factor.
Puspitaningrum, D. (2006). Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Andi Offset.
Prasetyo, E. (2014). Data Mining: Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta: Andi Offset.
Salamah, M., Suhartono, Wulandari, S. (2003). Time Series Analysis. Surabaya: FMIPA-ITS.
Siang, J. J. (2009). Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan MATLAB. Yogyakarta: Andi Offset.
Setiawan, W. (2008). Prediksi Harga Saham Menggunakan Jaringan Syaraf Tiruan Multilayer Feedward Network Dengan Algoritma Backpropagation. Konferensi Nasional Sistem Dan Informatika. Vol 5. Hal:15-19.
