IMPLEMENTASI ALGORITMA BACKPROPAGATION DAN PERCEPTRON UNTUK IDENTIFIKASI SISWA KURANG MAMPU SEBAGAI REKOMENDASI BANTUAN SISWA MISKIN (Studi Kasus: SDN 02 Soropaten)

SARI, ARUM (2018) IMPLEMENTASI ALGORITMA BACKPROPAGATION DAN PERCEPTRON UNTUK IDENTIFIKASI SISWA KURANG MAMPU SEBAGAI REKOMENDASI BANTUAN SISWA MISKIN (Studi Kasus: SDN 02 Soropaten). Tugas Akhir thesis, Universitas Teknologi Yogyakarta.

[img]
Preview
Text
NASKAH PUBLIKASI.pdf

Download (987kB) | Preview

Abstract

Saat ini mutu pendidikan di Indonesia masih rendah, banyak faktor yang mempengaruhi hal tersebut, salah satunya adalah biaya pendidikan yang tidaklah murah sehingga masyarakat kalangan menengah kebawah tidak mampu untuk membiayai pendidikan anak. Bantuan Siswa Miskin atau yang biasa disebut BSM adalah bantuan dari pemerintah berupa jumlah uang tunai yang iberikan langsung kepada siswa yang berasal dari keluarga kurang mampu. Dalam identifikasi siswa kurang mampu untuk rekomendasi BSM ini dilakukan dengan cara mengidentifikasi siswa yang kurang mampu di sekolah yang nantinya akan direkomendasikan untuk mendapatkan Bantuan Siswa Miskin (BSM). Dalam hal ini dibutuhkan keakuratan data sehingga dapat memperoleh hasil yang maksimal. Untuk itu dibutuhkan suatu metode untuk membantu proses identifikasi siswa. Dalam kasus ini peneliti memilih menggunakan metode dalam jaringan saraf tiruan untuk menghasilkan data yang lebih akurat, yaitu algoritma backpropagation dan perceptron. Dalam metode ini dilakukan pelatihan dan pengujian data. Sebelum masuk tahap pelatihan dan pengujian proses yang tersedia meliputi pendataan siswa dan data orang tua untuk menghasilkan input sistem, yaitu data siswa, data orang tua, penghasilan dan tanggungan orang tua. Setelah itu data akan dilatih dan diuji untuk mengetahui keakuratan data yang dihasilkan. Hasil proses pelatihan Backpropagation mencapai 98,33% dengan jumlah data pelatihan 60 data, dan hasil pengujian dari data uji mencapai 65,63% dengan jumlah data uji 32 data. Sedangkan untuk hasil proses pelatihan Perceptron mencapai 98,33% dengan jumlah data pelatihan 60 data, dan hasil pengujian dari data uji mencapai 62.50% dengan jumlah data uji 32 data.

Item Type: Thesis (Skripsi, Tugas Akhir or Kerja Praktek) (Tugas Akhir)
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Informasi dan Elektro > S1 Informatika
Depositing User: INF FTIE-UTY
Date Deposited: 04 Apr 2018 02:58
Last Modified: 04 Apr 2018 02:58
URI: http://eprints.uty.ac.id/id/eprint/1192

Actions (login required)

View Item View Item