IMPLEMENTASI ALGORITMA ARTIFICIAL NEURAL NETWORK PADA PROSES SELEKSI PILIH PEMINATAN (STUDI KASUS : PRODI SISTEM INFORMASI UNIVERSITAS TELKOM)

Nassyfa Alfirda Riani, Rachmadita Andreswari, Rokhman Fauzi

Abstract


Perubahan kebijakan peraturan kurikulum 2020 pada Program Studi Sistem Informasi Universitas Telkom dengan kebijakan sebelumnya berpengaruh terhadap proses seleksi peminatan mahasiswa. Berdasarkan kebijakan terbaru, Prodi Sistem Informasi menyediakan lima bidang peminatan yang tergabung dalam dua kelompok keahlian (Cybernetics dan Enterprise and Industrial System) yang nantinya harus dipilih oleh mahasiswa di semester tujuh. Mahasiswa seringkali kesulitan dalam menentukan bidang peminatan yang akan dipilih, karena cenderung akan menghindari bidang peminatan yang dianggap sulit dan tak jarang pula terdapat mahasiswa yang menentukan peminatan atas rekomendasi orang lain tanpa mempertimbangkan keahlian dan potensi yang mereka miliki.

 

Oleh karena itu, penelitian ini akan membuat model proses seleksi pemilihan peminatan mahasiswa dengan menyesuaikan kebijakan terbaru dengan mengimplementasikan machine learning menggunakan metode Klasifikasi dari algoritma Artificial Neural Network (ANN). Peneliti memilih algoritma ini karena dapat mengklasifikasi dan memahami pola yang sangat kompleks. Pada kasus ini, pada proses pengolahan data peneliti akan menggunakan atribut NIM, rata-rata nilai matakuliah prasyarat bidang peminatan, pilihan bidang peminatan pertama dan kedua mahasiswa, status keikut sertaan mahasiswa dalam keprofesian, serta kuota bidang peminatan yang berasal dari jumlah dosen yang mengajar pada bidang peminatan tersebut. Pengimplementasian ANN pada kasus ini sangat baik karena menghasilkan AUC sebesar 0.9950 dan akurasi sebesar 0.9863. 


Full Text:

PDF

References


Erwan. (2019, Juli 2). Data normalization before or after train-test split? Retrieved from StackExchange: https://datascience.stackexchange.com/questions/54908/data-normalization-before-or-after-train-test-split

Hassanipour, S., Ghaem, H., Arab-Zozani, M., Seif, M., Fararouei , M., Abdzadeh, E., . . . Paydar, S. (2019). Comparison of artificial neural network and logistic regression models for prediction of outcomes in trauma patients: A systematic review and meta-analysis. doi: 10.1016/j.injury.2019.01.007. Injury.

Hevner, A. R. (2004). DESIGN SCIENCE IN INFORMATIONSYSTEMS RESEARCH. Management Information Systems Research Center, University of Minnesota. https://doi.org/10.2307/25148625.

Rahman, M., Darmawidjadja, M., & Alamsah, D. (2017). KLASIFIKASI UNTUK DIAGNOSA DIABETES MENGGUNAKAN METODE BAYESIAN REGULARIZATION NEURAL NETWORK (RBNN. Jurnal Informatika, http://dx.doi.org/10.26555/jifo.v11i1.a5452.

Wahyono, T. (2018). Python for Machine Learning (Dasar-dasar Pemrograman Python untuk Machine Learning dan Kecerdasan Buatan). Yogyakarta: Gava Media.




DOI: https://doi.org/10.54314/jssr.v4i3.651

Announcement: Call for Paper 2021 Bingung Mengetahui ID Google Scholar?Berikut 3 langkah mudah mengetahui ID  dan menambahkan artikel publikasinya pada google scholar. Jurnal Online Universitas Jambi Tutorial Akses Jurnal Indonesia OneSearch | Perpustakaan