Dokumen tersebut membahas tentang penerapan jaringan saraf tiruan (JST) untuk memprediksi prestasi siswa SMP pada sistem pendaftaran siswa baru dengan mengambil data nilai mata pelajaran siswa sebagai masukan dan melatih JST menggunakan algoritma backpropagation. JST dirancang memiliki tiga lapisan dengan lima unit masukan, satu lapisan tersembunyi, dan satu unit keluaran untuk memprediksi prestasi siswa. A
1. Aplikasi JST untuk memperdiksi Prestasi Siswa SMP
pada Sistem Pendaftaran Siswa Baru
1. Rut Merylene Hadi 10.11.4474
2. Listiyaningsih 10.11.4482
3. Tiyas Tri Kusumawati 10.11.4483
4. Punditya Dery 10.11.4485
5. Oky Klinston Tambun 10.11.4494
6. Dyta Romania 10.11.4500
7. Dian Nur Astutiningsih 10.11.4516
2. Apa itu JST ?
• JST ( Jaringan Saraf Tiruan ) adalah sistem
dimana arsitetur dan operasi diilhami dari
pengetahuan tentang sel saraf biologis
didalam otak yang merupakan salah satu
representasi buatan dari otak manusia yang
selalu mencoba menstimulasi proses
pembelajar pada otak manusia tersebut.
3. Arsitektur
1. Jaringan dengan lapisan tunggal
2. Jaringan dengan banyak lapisan
3. Jaringan dengan lapisan kompetitif
4. Model atau Algoritma
1. Perceptron
2. Adaline (adaptive linear Neuron) dan
madaline
3. Perambatan Galat Mundur (backpropagation)
a. Perambatan maju
b. Perambatan balik galat
4. teori dari hopfield mengembangkan model
Learning dan Konvergensi
5. Langkah pembuatan aplikasi JST
1. Kumpulkan data
2. Pisahkan data untu pelatihan dan pengujian
3. Tentukan struktur jaringan
4. Pilih algoritma pembelajaran
5. Inisialisasi parameter jaringan
6. Inputkan data pelatihan
7. Pelatihan(ubah / perbaharui bobot)
8. Pengujian
9. Implementasi JST
6. Salah satu implementasi JST
• Aplikasi JST untuk memprediksi prestasi siswa
SMP pada sistem pendaftaran siswa baru
7. Langkah-Langkah
1. Menentukan latar belakang
2. Pengumpulan Data
3. Penentuan Pola
4. Arsitektur Jaringan
5. Pelatihan
6. Pengujian
7. GUI (Pelatihan, Pengujian, Prediksi)
8. Analisis Hasil dan Simpulan
8. Pengumpulan data
• Data diambil dari hasil penelitian dengan
mengambil variabel nilai per mata pelajaran
yang terdaftar pada UN yaitu
Matematika, Bahasa indonesia,Agama, IPA
dan IPS
• Data dambil secara random dengan jumlah
yang dilatih 50 data siswa dan 20 data lain
9. Penentuan pola
• Data dibagi menjadi 2 bagian yaitu masukan dan keluaran
• Masukan
Nilai Matematika menjadi var x1
Nilai Bahasa Indonesia menjadi var x2
Nilai Bahasa Inggris menjadi var x3
Nilai IPA menjadi var x4
Nilai IPS menjadi var x5
• Ke 5 var dijadikan dalam matrik P 5 X 50 dan matrik U 5 X
20
• Keluaran
Target yang diinginkan adalah jumlah Nilai siswa pada semester
awal mjd 2 pola ( 0 1) dan (! 0)
10. Arsitektur Jaringan
• Algoritma Galat mundur
• Memiliki 3 lapisan dengan 1 lapisan masukan
yang terdiri dari 5 unit sel, satu lapisan
tersembunyi dan satu keluaran dengan 1 unit
sel target
11. Pelatihan
• Menggunakan bantuan software MATLAB
yang tersedia fungsi fungsi pelatihan n
pengujian JST dg algoritma perambatan Galat
mundur
14. Fungsi akurasi
• Fungsi identitas
f(x)= x, untuk semua x
• Fungsi undak biner
• Fungsi sigmoid
• Fungsi sigmoid bipolar
15. Manfaat
• Memberi kemudahan panitia penerimaan
murid baru
• Tidak adanya unsur politik uang
• Keakuratan data yang masuk
• Tidak pandang ras
• Mutu pendidikan terjamin
• Efisien waktu
16. Referensi
• Hermawan Arief, 2006, Jaringan Saraf Tiruan
Teori dan Aplikasi, Yogyakarta, ANDI
• http://telkomnika.ee.uad.ac.id
• TERIMA KASIH
• DAN SUKSES UNTUK KITA SEMUA