OPTIMASI ALGORITMA JARINGAN SYARAF TIRUAN

PADA KETEPATAN STUDI MAHASISWA

Tesis

Untuk memenuhi sebagian persyaratan

mencapai derajat Sarjana S-2 Program Studi

Magister Sistem Informasi

Otong Saeful Bachri

30000413410010

SEKOLAH PASCASARJANA

UNIVERSITAS DIPONEGORO

SEMARANG

2018

ii

iii

iv

v

KATA PENGANTAR

Puji syukur Kepada Tuhan Yang Maha Esa yangtelahmemberikanrahmat

serta hidayah-Nya, sehingga penulis dapat menyelesaikan tesis dengan judul

“Optimasi Algoritma Jaringan Syaraf Tiruan Pada Ketepatan Studi Mahasiswa”

dengan baik tanpa halangan yang berarti. Banyak pihak telah berperan baik secara

langsung maupun tidak langsung dalam menyelesaikan tesis ini.

Oleh karena itu dalam kesempatan ini penulis ingin mengucapkan

terimakasih yang sebesar-besarnya kepada :

1. Prof. Dr. Ir. Purwanto DEA selaku Dekan Sekolah Pascasarjana

Universitas Diponegoro Semarang.

2. Dr. Suryono, S.Si, M.Si, selaku Ketua Program Studi Magister Sistem

Informasi Universitas Diponegoro Semarang,

3. Dr. Oky Dwi Nurhayati, MT, selaku dosen pembimbing pertama. Terima

kasih atas waktu, ilmu, saran, semangat, dan nasihat yang Ibu berikan

selama bimbingan.

4. Dr. Agus Subagio, S.Si, MSi, selaku dosen pembimbing kedua.

Terimakasihataswaktu, ilmu, saran, semangat, dannasihat yang Bapak

berikan selama bimbingan.

5. Semua pihak yang tidak disebutkan namanya namun telah banyak

membantu penulis selama penyelesaian tesis ini.

Penulis menyadari bahwa tesis ini jauh dari kesempurnaan, penulis

berharap semoga kerja keras ini dapat memberikan sumbangan bagi kemajuan

ilmu pengetahuan dan bermanfaat bagi yang membacanya.

Semarang, Januari 2018

Otong Saeful Bachri

vi

DAFTAR ISI

HalamanHalaman Judul .................................................................................................... iHalaman Pengesahan .......................................................................................... iiHalaman Pernyataan............................................................................................ iiiHalaman Pernyataan Publikasi............................................................................ ivKata Pengantar .................................................................................................... vDaftar Isi ............................................................................................................. viDaftar Gambar.....................................................................................................viiiDaftar Tabel ........................................................................................................ xAbstrak ................................................................................................................ xiiAbstract ...............................................................................................................xiiiBAB I PENDAHULUAN................................................................................... 1

1.1. Latar Belakang .................................................................................. 11.2. Tujuan Penelitian .............................................................................. 21.3. Manfaat Penelitian ............................................................................ 3

BAB IITINJAUAN PUSTAKA DAN DASAR TEORI..................................... 42.1. Tinjauan Pustaka ............................................................................... 42.2. LandasanTeori................................................................................... 5

2.2.1 Data Mining............................................................................ 52.2.2 JaringanSyarafTiruan (Artificial Neural Network/ANN)........ 62.2.3 RMSE (Root Mean Square Error).......................................... 12

BAB III METODE PENELITIAN...................................................................... 133.1. Bahan dan Alat Penelitian................................................................. 133.2. Prosedur Penelitian............................................................................143.3. Algoritma JaringanSyarafTiruan (Artificial Neural Network)..........143.4. Paramater Pengukuran Prediksi Tepat Studi Mahasiswa..................153.5. Desain Sistem....................................................................................16

3.5.1 Teknik JaringanSyarafTiruan(Artificial Neural Network/ANN)............................................16

3.5.2 PerhitunganKlasifikasiMatrik................................................. 193.5.3 Kerangka Sistem.....................................................................21

BAB IV HASIL PENELITIAN DAN PEMBAHASAN....................................234.1. Hasil Penelitian ................................................................................. 23

4.1.1 Prapemrosesan Data ............................................................... 234.1.2 PembahasanHasilKlasifikasi ..................................................27

4.2 UjiKorelasi.........................................................................................28BAB V PEMBAHASAN DAN SARAN............................................................ 80

5.1 Kesimpulan. ...................................................................................... 805.2 Saran ............................................................................................ 80

DAFTAR PUSTAKA

vii

DAFTAR GAMBAR

HalamanGambar 2.1 Data Mining adalahsuatulangkah di dalam proses KDD ............ 5Gambar 2.2 Arsitektur Layar Tunggal ............................................................ 7Gambar2.3 Arsitektur Layar Jamak ............................................................... 8Gambar 2.4 SebuahSelSyarafSederhana ......................................................... 9Gambar 2.5 ANNFeedforward ........................................................................ 11Gambar 2.6 ANNFeedback.............................................................................. 12Gambar3.1 ProsedurPenelitian....................................................................... 14Gambar3.2 Arsitektur Multi Layer Perceptron (MLP) dengan tiga lapisan .. 17Gambar3.3 Ilustrasi Proses Pelatihan dan pengujian ANN dengan Metode

Cross Validation .......................................................................... 19Gambar 3.4 Kerangka sistem .......................................................................... 21Gambar 4.1 Input k=3 ..................................................................................... 25Gambar 4.2 Input k=5 ..................................................................................... 26Gambar 4.3 Input k=10 ................................................................................... 26Gambar 4.4 Rasiokelulusansiswaberdasarkan semesterGPA

(IP 1,IP 2,IP 3). ............................................................................ 27Gambar 4.5 Diagram JenisKelamindengan NRP............................................ 30Gambar 4.6 Diagram NRP denganTahunMasuk.............................................31Gambar 4.7 Diagram NRP denganKlasifikasiMahasiswa ..............................32Gambar 4.8 Diagram NRP denganKelulusan..................................................33Gambar 4.9 Diagram JenisKelamindenganTahunMasuk................................36Gambar 4.10Diagram JenisKelamindenganKlasifikasiMahasiswa ....................37Gambar 4.11 Diagram JenisKelamindenganKelulusan.....................................38Gambar 4.12Diagram TahunMasukdenganKlasifikasiMahasiswa .....................40Gambar 4.13Diagram TahunMasukdenganKelulusan ........................................41Gambar 4.14 Diagram KlasifikasidenganKelulusanMahasiswa .......................42Gambar 4.15 Diagram IPK 1 dengan IPK 2......................................................43Gambar 4.16 Diagram IPK 1 dengan IPK 3......................................................44Gambar 4.17 Diagram IPK 1 dengan IPK 4......................................................45Gambar 4.18 Diagram IPK 1 dengan IPK 5......................................................46Gambar 4.19 Diagram IPK 1 dengan IPK 6......................................................47Gambar 4.20 Diagram IPK 1 dengan Total IPK ...............................................48Gambar 4.21 Diagram IPK 1 dengan Total SKS ..............................................49Gambar 4.22Diagram IPK 1 dengan SKS yang diulang ....................................50Gambar 4.23Diagram IPK 2 dengan IPK 3 ........................................................51Gambar 4.24Diagram IPK 2 dengan IPK 4 ........................................................52Gambar 4.25Diagram IPK 2 dengan IPK 5 ........................................................53Gambar 4.26 Diagram IPK 2 dengan IPK 6......................................................55Gambar 4.27 Diagram IPK 2 dengan Total IPK ...............................................55Gambar 4.28Diagram IPK 2 dengan Total SKS.................................................56Gambar 4.29 Diagram IPK 2 dengan SKS yang diulang ..................................57Gambar 4.30 Diagram IPK 3 dengan IPK 4......................................................58Gambar 4.31Diagram IPK 3 dengan IPK 5 ........................................................59

viii

Gambar 4.32Diagram IPK 3 dengan IPK 6 ........................................................60Gambar 4.33Diagram IPK 3 dengan Total IPK..................................................61Gambar 4.34Diagram IPK 3 dengan Total SKS.................................................62Gambar 4.35 Diagram IPK 3 dengan SKS yang diulang ..................................63Gambar 4.36Diagram IPK 4 dengan IPK 5 ........................................................64Gambar 4.37Diagram IPK 4 dengan IPK 6 ........................................................65Gambar 4.38Diagram IPK 4 dengan Total IPK..................................................66Gambar 4.39Diagram IPK 4 dengan Total SKS.................................................67Gambar 4.40 Diagram IPK 4 dengan SKS yang diulang ..................................68Gambar 4.41Diagram IPK 5 dengan IPK 6 ........................................................69Gambar 4.42Diagram IPK 5 dengan Total IPK..................................................70Gambar 4.43Diagram IPK 5 dengan Total SKS.................................................71Gambar 4.44Diagram IPK 5 dengan SKS yang diulang ....................................72Gambar 4.45Diagram IPK 6 dengan Total IPK..................................................73Gambar 4.46Diagram IPK 6 dengan Total SKS.................................................74Gambar 4.47Diagram IPK 6 dengan SKS yang diulang ....................................75Gambar 4.48Diagram Total IPK dengan Total SKS ..........................................76Gambar 4.49Diagram Total IPK dengan SKS yang diulang ..............................77Gambar 4.50Diagram Total SKS dengan SKS yang diulang .............................84

ix

DAFTAR TABEL

HalamanTabel 3.1 Perhitungan Akurasi, Precision, Recall dan ClassRecall ............... 19Tabel 4.1 Konversi atribut “Tahun Masuk” menjadi nilai diskrit yang

lebih kecil ......................................................................................... 23Tabel 4.2 Hasil pengujian ANN dengan Cross Validation ............................... 27Tabel 4.3 Rincian Atribut pada Data Akademik Mahasiswa STIKOM........... 28Tabel 4.4 Data HasilUjiKorelasi NRP denganNamaMahasiswa ..................... 29Tabel 4.5Data HasilUjiKorelasi NRP denganJenisKelamin............................... 30Tabel 4.6 Data HasilUjiKorelasi NRP denganTahunMasuk............................ 31Tabel 4.7 Data Hasil Uji Korelasi NRP dengan Klasifikasi Mahasiswa.......... 31Tabel 4.8 Data Hasil Uji Korelasi NRP dengan Kelulusan.............................. 32Tabel 4.9 Data Hasil Uji Korelasi Nama Mahasiswa dengan Jenis Kelamin .. 33Tabel 4.10 Data Hasil Uji Korelasi Nama Mahasiswa dengan Tahun Masuk ... 34Tabel 4.11 Data Hasil Uji Korelasi Nama Mahasiswa dengan Klasifikasi

Mahasiswa........................................................................................ 34Tabel 4.12 Data Hasil Uji Korelasi Nama Mahasiswa dengan Kelulusan ........ 34Tabel 4.13 Data Frekuensi Mahasiswa Berdasarkan Tahun Masuk .................. 35Tabel 4.14 Data Hasil Uji Korelasi Jenis Kelamin dengan Tahun Masuk......... 35Tabel 4.15 Data Frekuensi Mahasiswa Berdasarkan Klasifikasi ....................... 36Tabel 4.16 Data Hasil Uji Korelasi Jenis Kelamin dan Klasifikasi Mahasiswa 36Tabel 4.17 Data Frekuensi Mahasiswa Berdasarkan Kelulusan ........................ 37Tabel 4.18 Data Hasil Uji Korelasi Jenis Kelamin dengan Kelulusan............... 38Tabel 4.19 Data Klasifikasi Mahasiswa Berdasarkan Tahun Masuk................. 39Tabel 4.20 Data Hasil Uji Korelasi Tahun Masuk dengan Klasifikasi .............. 39Tabel 4.21 Data Kelulusan Berdasarkan Tahun Masuk ..................................... 40Tabel 4.22 Data Hasil Uji Korelasi Tahun Masuk dengan Kelulusan ............... 41Tabel 4.23 Data Frekuensi Kelulusan Berdasarkan Klasifikasi ......................... 42Tabel 4.24 Data Hasil Uji Korelasi Klasifikasi dengan Kelulusan .................... 42Tabel 4.25 Data Hasil Uji Korelasi IPK 1 dengan IPK 2................................... 43Tabel 4.26 Data Hasil Uji Korelasi IPK 1 dengan IPK 3................................... 43Tabel 4.27 Data Hasil Uji Korelasi IPK 1 dengan IPK 4................................... 44Tabel 4.28 Data Hasil Uji Korelasi IPK 1 dengan IPK 5................................... 45Tabel 4.29 Data Hasil Uji Korelasi IPK 1 dengan IPK 6................................... 46Tabel 4.30 Data Hasil Uji Korelasi IPK 1 dengan Total IPK ............................ 47Tabel 4.31 Data Hasil Uji Korelasi IPK 1 dengan Total SKS ........................... 48Tabel 4.32 Data Hasil Uji Korelasi IPK 1 dengan SKS yang Diulang .............. 49Tabel 4.33 Data Hasil Uji Korelasi IPK 2 dengan IPK 3................................... 50Tabel 4.34 Data Hasil Uji Korelasi IPK 2 dengan IPK 4................................... 51Tabel 4.35 Data Hasil Uji Korelasi IPK 2 dengan IPK 5................................... 52Tabel 4.36 Data Hasil Uji Korelasi IPK 2 dengan IPK 6................................... 53Tabel 4.37 Data Hasil Uji Korelasi IPK 2 dengan Total IPK ............................ 54Tabel 4.38 Data Hasil Uji Korelasi IPK 2 dengan Total SKS ........................... 55Tabel 4.39 Data Hasil Uji Korelasi IPK 2 dengan SKS yang Diulang .............. 56

x

Tabel 4.40 Data Hasil Uji Korelasi IPK 3 dengan IPK 4................................... 57Tabel 4.41 Data Hasil Uji Korelasi IPK 3 dengan IPK 5................................... 58Tabel 4.42 Data Hasil Uji Korelasi IPK 3 dengan IPK 6................................... 59Tabel 4.43 Data Hasil Uji Korelasi IPK 3 dengan Total IPK ............................ 60Tabel 4.44 Data Hasil Uji Korelasi IPK 3 dengan Total SKS ........................... 61Tabel 4.45 Data Hasil Uji Korelasi IPK 3 dengan SKS yang Diulang .............. 62Tabel 4.46 Data Hasil Uji Korelasi IPK 4 dengan IPK 5................................... 63Tabel 4.47 Data Hasil Uji Korelasi IPK 4 dengan IPK 6................................... 64Tabel 4.48 Data Hasil Uji Korelasi IPK 4 dengan Total IPK ............................ 65Tabel 4.49 Data Hasil Uji Korelasi IPK 4 dengan Total SKS ........................... 66Tabel 4.50 Data Hasil Uji Korelasi IPK 4 dengan SKS yang Diulang .............. 67Tabel 4.51 Data Hasil Uji Korelasi IPK 5 dengan IPK 6................................... 68Tabel 4.52 Data Hasil Uji Korelasi IPK 5 dengan Total IPK ............................ 69Tabel 4.53 Data Hasil Uji Korelasi IPK 5 dengan Total SKS ........................... 70Tabel 4.54 Data Hasil Uji Korelasi IPK 5 dengan SKS yang Diulang .............. 71Tabel 4.55 Data Hasil Uji Korelasi IPK 6 dengan Total IPK ............................ 72Tabel 4.56 Data Hasil Uji Korelasi IPK 6 dengan Total SKS ........................... 73Tabel 4.57 Data Hasil Uji Korelasi IPK 6 dengan SKS yang Diulang .............. 74Tabel 4.58 Data Hasil Uji Korelasi Total IPK dengan Total SKS ..................... 75Tabel 4.59 Data Hasil Uji Korelasi Total IPK dengan SKS yang Diulang........ 76Tabel 4.60 Data Hasil Uji Korelasi Total SKS dengan SKS yang Diulang....... 77Tabel 4.61 Daftar atribut hasil seleksi awal ....................................................... 79Tabel 4.62 Konversi atribut “Tahun Masuk” menjadi nilai Diskrit yang lebih

Kecil ................................................................................................. 80Tabel 4.61 Hasil Pengujian JaringanSyarafTiruan (ANN) dengan Cross Validation

......................................................................................................... 80

xi

OPTIMASI ALGORITMA JARINGAN SYARAF TIRUANPADA KETEPATAN STUDI MAHASISWA

ABSTRAK

Masa studi menjadi salah satu indikator refisiensi proses pendidikan di perguruantinggi, untuk itu prediksi ketepatan studi bagi mahasiswa perlu dilakukan agarmasastudikuliah tidak melebihi waktu yang sudah ditentukan. Beberapa variabelyang menentukan lama studi antara lain variable Indeks Prestasi (IP) semester1dan semester 2, Indeks Prestasi Kumulatif (IPK) semester 6, jumlah mata kuliahyang diambil, jumlah mata kuliah mengulang. Jaringan syaraf tiruan adalahalgoritma yang tepat yang digunakan melakukan proses prediksi denganmengelompokan data kriteria karena memiliki kemampuan update bobot melaluiproses pembelajaran untuk mencapai nilai error yang cukup kecil dan hasil yangdiperoleh dari optimasi jaringan syaraf tiruan adalah tingkat keakurasian dalammemprediksi hasil ketepatan studi mahasiswa. Data yang dapat digunakan sebagaiinput Jaringan Syaraf Tiruan (JST) adalah tahun masuk, IP 1, IP 2, dan IP 3.Hasilstudi mengungkapkan bahwa sistem yang diperoleh memiliki tingkat klasifikasiyang baik dan mendekati sempurna, karena nilai Precisiondan Recall yangdiperoleh sama-sama lebih besar dari 90%, bahkan pada 10-fold Cross Validation,nilai Recall mencapai 98.1%. Semakin besar nilai k, maka nilai Precision, recall,dan accuracy darisistem tersebut cenderung meningkat.

Kata Kunci: optimasi, prediksi, masa studi, jaringan syaraf tiruan

xii

ABSTRACT

ARTIFICIAL NEURAL NETWORK OPTIMIZATION ALGORITHMSTUDY ON THE ACCURACY OF STUDENTS

The period of study becomes one of the indicators of education process reficiencyin universities, therefore the prediction of the accuracy of the study for studentsneeds to be conducted so that the study period of the students will not exceed thetime specified. In this study, some of the variables that were examined todetermine the length of study include the Achievement Index (GPA) fromsemester 1 to semester 6, the number of taken courses, the number of repeatcourses. Hence, artificial neural network is considered as the correct algorithmused to make the prediction process by grouping the data criteria because of itsability to update the weights through the learning process to achieve a fairly smallerror value. The results obtained from the optimization of artificial neuralnetworks are the level of accuracy in predicting the accuracy of the student studyperiod. Therefore, data that can be used as input of Artificial Neural Network(ANN) is the variable of year of entry, GPA semester 1, 2, and 3.The results of the study reveal that the system has a good and near perfectClassification, since the Precision and Recall values obtained are both greaterthan 90%, even at 10-fold Cross Validation, and the Recall value reaches 98.1%.Furthermore, the results show that the higher thevalue of k, the higherthePrecision, recall, and accuracy values of the system.

Keywords: optimization, prediction, study period, artificial neural network