Path: Top > Jurnal Ilmiah > Jurusan Teknik Elektro > Agus Binarto

Penggunaan Metode Radial Basis Function Neural Network Dalam Menentukan Klasifikasi Indeks Prestasi Semester Satu Mahasiswa Teknik Kimia Politeknik Negeri Bandung

The Use of The Radial Basis Function Neural Network Method in Determining The Classification Of The First Semester Achievement Index Of Politeknik Negeri Bandung Chemical Engineering Students

Journal from JBPTPPOLBAN / 2024-03-01 14:24:49
Oleh : Agus Binarto - 196808231999031001 (agus.binarto@polban.ac.id)
Dibuat : 2024-01-30, dengan 1 file

Keyword : Indeks prestasi, AUC, klasifikasi, RBFNN
Subjek : The achievement index (IP), AUC, classification, RBFNN

Pada akhir semester dilakukan evaluasi mahasiswa yang berhasil lulus dapat melanjutkan kuliah ke semester berikutnya dan bagi mahasiswa yang tidak lulus, tidak dapat melanjutkan ke semester berikutnya. Evaluasi akhir semester tersebut dinamakan indeks prestasi (IP). Mahasiswa yang mempunyai indeks prestasi tinggi di semester satu, mempunyai kecenderungan memiliki tingkat keberhasilan studi yang tinggi di semester berikutnya. Peneliti menganalisa hubungan antara peubah respon berupa banyaknya mahasiswa dengan IP ≥ 2,75 yang diberi kategori 1 dan banyaknya mahasiswa dengan IP <2,75 yang diberi kategori 0 dengan peubah penjelas berupa jenis kelamin, jenis SLTA, pekerjaan orang tua, nilai Ujian Nasional (UN), nilai mata kuliah matematika semester satu dan menggunakan metode radial basis function neural network (RBFNN) untuk mengklasifikasi indeks prestasi semester satu. Banyak data adalah 72 mahasiswa yang terdiri dari data training (pelatihan) sebanyak 51 mahasiswa dan data testing sebanyak 21 mahasiswa. Hasil klasifikasi indeks prestasi semester satu mahasiswa teknik kimia Politeknik Negeri Bandung didapatkan 3 lapisan tersembunyi dan nilai area under the curva (AUC) sebesar 0,869. Karena memiliki nilai AUC antara 0,80 – 0,90, maka klasifikasi indeks prestasi semester satu mahasiswa teknik kimia Politeknik Negeri Bandung dengan RBFNN termasuk klasifikasi baik. Kata Kunci: Indeks prestasi, AUC, klasifikasi, RBFNN.

Deskripsi Alternatif :

At the end of the semester, an evaluation is carried out, students who successfully pass can continue their studies to the next semester and students who do not pass cannot continue to the next semester. The final semester evaluation is called the achievement index (IP). Students who have a high achievement index in the first semester tend to have a high level of study success in the following semester. Researchers analyzed the relationship between response variables in the form of the number of students with IP ≥ 2.75 who were given category 1 and the number of students with IP < 2.75 who were given the category 0 with explanatory variables in the form of gender, type of high school, parents' occupation, National Examination scores ( UN), first semester mathematics course grades and using the radial basis function neural network (RBFNN) method to classify first semester achievement index. The amount of data is 72 students, consisting of training data of 51 students and testing data of 21 students. The results of the first semester achievement index classification for chemical engineering students at the Politeknik Negeri Bandung showed 3 hidden layers and an area under the curve (AUC) value of 0.869. Because it has an AUC value between 0.80 – 0.90, the classification of the first semester achievement index for chemical engineering students at Politeknik Negeri Bandung with RBFNN is classified as good. Keywords: The achievement index (IP), AUC, classification, RBFNN.

Beri Komentar ?#(1) | Bookmark

PropertiNilai Properti
ID PublisherJBPTPPOLBAN
Organisasi
Nama KontakErlin Arvelina
AlamatJl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon022 201 3789 ext. 168, 169, 239
Fax022 201 3889
E-mail Administratorerlin.arvelina@polban.ac.id
E-mail CKOerlin.arvelina@polban.ac.id