Prediksi Nilai Ujian Sekolah Siswa SMK Plus Padjadjaran Berbasis Web Menggunakan Jaringan Syaraf Tiruan Backpropagation
Article Sidebar
Main Article Content
Abstract
Pendidikan adalah proses pembelajaran dan pengembangan potensi diri manusia yang terdiri dari kegiatan formal dan informal yang bertujuan untuk mengembangkan kemampuan intelektual, sosial, moral, dan emosional individu. Dalam konteks kegiatan belajar mengajar, nilai menjadi aspek yang sangat penting dan tidak dapat diabaikan. Oleh karena itu, penting bagi siswa untuk memberikan yang terbaik dalam setiap penilaian semester agar dapat meraih prestasi akademis yang lebih baik dan menggapai cita-citanya di masa depan. Prediksi nilai merupakan upaya untuk meningkatkan semangat siswa dalam persiapan menghadapi ujian maupun penilaian di semester mendatang agar mencapai target nilai yang memuaskan. Metode prediksi yang digunakan pada peneilitian ini adalah Jaringan syaraf tiruan atau Artificial Neural Network. Jaringan syaraf tiruan adalah model komputasi yang terinspirasi oleh jaringan syaraf biologis. Program ini berguna untuk memprediksi nilai ujian sekolah siswa dengan memanfaatkan sampel dari nilai semester sebelumnya, yaitu semester 1 sampai 4. Program ini bertujuan agar siswa mendapat gambaran nilai ujian sekolah mereka. Yang diharapkan dapat memotivasi siswa agar lebih meningkatkan semangat belajar dan melakukan yang terbaik dalam melaksanakan ujian.
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
References
[2] N. T. Atika, H. Wakhuyudin, and K. Fajriyah, “Pelaksanaan Penguatan Pendidikan Karakter Membentuk Karakter Cinta Tanah Air,”. Mimbar Ilmu, vol. 24, no. 1, 2019, doi: doi.org/10.23887/mi.v24i1.17467.
[3] H. Haerullah and E. Elihami, “Dimensi Perkembangan Pendidikan Formal Dan Non Formal,” JENFOL, vol. 1, no. 1, pp. 199-207, Mar. 2020.
[4] D. Kuntoro Dhani Susanto, M. Bettiza, and N. Nikentari, “Prediksi Nilai Uas Siswa Smk Menggunakan Algoritma Levenberg-Marquardt (Studi Kasus : SMK Negeri 4 Tanjungpinang),” 2020.
[5] Solikhun, M. Safii, and A. Trisno, “Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Pemahaman Sisiwa Terhadap Matapelajaran Dengan Menggunakan Algoritma Backpropagation,” Jurnal Sains Komputer dan Informatika, vol. 1, no. 1, 2017, doi: 10.30645/j-sakti.v1i1.26.
[6] T. Yuniarti, I. Rusmar, T. R. Hidayani, and M. Mirnadaulia, “Penggunaan Artificial Neural Network (ANN) Untuk Memodelkan Volume Ekspor Crude Palm Oil (CPO) di Indonesia,” vol. 2, no. 1, pp. 247–255.
[7] Somantri, P. A. Muclis, and I. L. Kharisma, “Penerapan Algoritma Backpropagation Untuk Text Recognition Yang Ditranslate Ke Bahasa Daerah,” Jurnal Informatika dan Rekayasa Perangkat Lunak. Vol. 5, no. 1, 2023, doi:10.36499/jinrpl.v5i1.6998.
[8] A. Halim, “Prakiraan Beban Listrik Kota Pontianak Dengan Jaringan Syaraf Tiruan (Artificialneural Network),” 2019.
[9] H. D. Bhakti, “Aplikasi Artificial Neural Network (ANN) untuk Memprediksi Masa Studi Mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Gresik,” Jurnal Eksplora Informatika. vol. 9, no. 1, 2019, doi: 10.30864/eksplora.v9i1.234.
[10] D. F. Ningtyas and N. Setiyawati, “Implementasi Flask Framework pada Pembangunan Aplikasi Purchasing Approval Request,” Jurnal Janitra Informatika dan Sistem Informasi, vol. 1, no. 1, 2021, doi: https://doi.org/10.25008/janitra.v1i1.120.
[11] R. E. Putra, “Sistem Klasifikasi Limbah Menggunakan Metode Convolutional Neural Network (CNN) Pada Webservice Berbasis Framework Flask,” Journal of Informatics and Computer Science, vol. 3, no. 4, 2022, doi: 10.26740/jinacs.v3n04.p394-402.
[12] E. Widodo and A. Sulistiawan, “Prediksi Kesiapan Sekolah Menggunakan Machine Learning Berbasis Kombinasi Adam Dan Nesterov Momentum,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 9, no. 6, 2019, doi: 10.25126/jtiik.202295442.
[13] A. Perdana, A. Hermawan, and D. Avianto, “Analisis Sentimen Terhadap Isu Penundaan Pemilu Di Twitter Menggunakan Naive Bayes Clasifier,” Jurnal Sisfokom (Sistem Informasi Dan Komputer), vol. 11, no. 2, 2022, doi : https://doi.org/10.32736/sisfokom.v11i2.1412.
[14] M. F. Fadli, G. A. Buntoro, F. Masykur, “Penerapan Algoritma Neural Network Pada Chatbot Pmb Universitas Muhammadiyah Ponorogo Berbasis Web,” Jurnal Sistem & Teknologi Informasi Komunikasi, vol. 6, no. 1, pp. 13-22, 2022.
[15] L. Setiyani, “Pengujian Sistem Informasi Inventory Pada Perusahaan Distributor Farmasi Menggunakan Metode Black Box Testing,” Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 4, no. 1, 2019, doi: 10.36805/technoxplore.v4i1.539.