Prediksi Kelulusan TOEFL Menggunakan Metode Resilient Backpropagation
Abstract
Prediksi kelulusan TOEFL peserta didik Michigan Computer English Course diperlukan untuk meninjau sejauh mana tingkat pemahaman peserta didik. Backpropagation merupakan salah satu teknik yang baik digunakan untuk prediksi, akan tetapi jika backpropagation dalam training data dengan jumlah besar serta parameter-parameter yang digunakan kurang tepat, akan terjadi proses traning data lebih lambat. Maka diperlukan metode optimasi untuk mempercepat training Bacpropagation dalam memprediksi kelulusan dengan menggunakan metode Resilient Backpropagation. Data yang diolah sebanyak 182 data peserta didik tahun 2016-2018. Tingkat akurasi pengujian semakin baik yakni 100% dengan nilai MSE semakin kecil 0.00342 serta nilai Epoch juga semakin kecil menjadi 5. Sehingga penelitian ini menjadi indikator dalam pengembangan prediksi TOEFL dimasa yang akan datang.
Keywords
References
M. R. Lubis, “Analisis jaringan saraf tiruan backpropagation untuk peningkatan akurasi prediksi hasil pertandingan sepakbola,” Jurnal Teknik Informatika, vol. 10, no. 1, pp. 51–62, 2018.
D. H. Widodo Saputra, Tulus, Muhammad Zarlis, RAhmat Widia Sembiring, “Analysis Resilient Algorithm on Artificial Neural Network Backpropagation,” IOP Conf. Series: Journal of Physics: Conf. Series 930 (2017) 012035, 2017.
M. R. Lubis and I. Parlina, “Analisis Algoritma Backpropagation Dalam Memprediksi Tingkat Keberhasilan Pelatih Sepakbola Sebagai Salah Satu Kemajuan Olahraga Di Indonesia,” Klik - Kumpulan Jurnal Ilmu Komputer, vol. 06, no. 03, pp. 264–274, 2019.
M. R. Lubis, “Model Jaringan Saraf Tiruan Backpropagation Untuk Meningkatkan Penguasaan Mahasiswa Pada Matakuliah Algoritma Dan Pemrograman,” Jurnal Informatika dan Komputer, vol. XXI, no. 1, pp. 91–94, 2019.
M. R. Lubis, W. Saputra, A. Wanto, S. R. Andani, and P. Poningsih, “Analysis of Artificial Neural Networks Method Backpropagation to Improve the Understanding Student in Algorithm and Programming Analysis of Artificial Neural Networks Method Backpropagation to Improve the Understanding Student in Algorithm and Programming,” 2019.
Agus Perdana Windarto, “Implementasi JST Dalam Menentukan Kelayakan Nasabah Pinjaman Kur Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropogation,” Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 1, no. 1, pp. 12–23, 2017.
A. P. Windarto, M. R. Lubis, and S. Solikhun, “Model Arsitektur Neural Network Dengan Backpropogation Pada Prediksi Total Laba Rugi Komprehensif Bank Umum Konvensional,” Klik - Kumpulan Jurnal Ilmu Komputer, vol. 5, no. 2, p. 147, 2018.
A. P. Windarto, M. R. Lubis, and S. Solikhun, “Implementasi JST pada Prediksi Total Laba Rugi Komprehensif Bank Umum dan Konvensional dengan Backpropagation,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 4, p. 411, 2018.
M. R. Lubis, “Metode Hybrid Particle Swarm Optimization - Neural Network Backpropagation Untuk Prediksi Hasil Pertandingan Sepak Bola,” Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 1, no. 1, pp. 71–83, 2017.
K. Onggrono, Tulus, and E. B. Nababan, “Analisis Penggunaan Parallel Processing Multithreading Pada Resilient Backpropagation,” Jurnal Nasional Informatika dan Teknologi Jaringan, vol. 2, no. 1, pp. 33–40, 2017.
DOI: https://doi.org/10.26418/jp.v6i2.41224
Refbacks
- There are currently no refbacks.