Neural Network dan Particle Swam Optimization untuk Penunjang Keputusan Antipasi Mahasiswa Pra Lulus Bekerja Sesuai Bidang
DOI:
https://doi.org/10.30812/matrik.v21i1.1164Keywords:
Lulusan, PSO, Neural Network, algoritma, Politeknik Harapan BersamaAbstract
Lulusan di Perguruan Tinggi yang bekerja sesuai bidang belum ideal dalam tiga tahun terakhir, salah satunya di Politeknik Harapan Bersama. Hal ini masih menunjukkan keselarasan horizontal. Sehingga pertanyaaan nya adalah kenapa hal tersebut terjadi dan disebabkan oleh apa saja yang dapat menentukan kualitas lulusan yang bekerja tidak sesuai bidang. Untuk itu, dibuat sebuah model yang dapat digunakan untuk dapat melihat pola lulusan, agar lulusan bisa bekerja sesuai bidang keilmuan. Model tersebut menggunakan kombinasi antara Algorithma Neural Network dengan PSO. Diperoleh perbandingan akurasi model kombinasi antara Neural Network dengan PSO sebesar 71.51% untuk PSO, sedangkan dengan menggunakan metode Neural Network sebesar 64.32%.
Downloads
Download data is not yet available.
References
[1] Y. Guo, “A Comprehensive Review of Deep Learning Methods and Applications,†in Deep learning for visual understanding, Leiden University, 2017.
[2] M. H. Meinanda, M. Annisa, N. Muhandri, and dan K. Suryadi, “Prediksi masa studi sarjana dengan artificial neural network,†Internetworking Indones. J., vol. 1, no. 2, pp. 31–35, 2009.
[3] A. F. Mutiara Ayu Banjarsari, H. Irwan Budiman, “Penerapan K-Optimal Pada Algoritma Knn Untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan Ip Sampai Dengan Semester 4,†Klik - Kumpul. J. Ilmu Komput., vol. 2, no. 2, pp. 159–173, 2015.
[4] V. Kurnia Bakti, M. Noval, and E. Purnomo Bayu Aji, “SistemPreKompilasi DataTracerStudiOnline Ditjen Belmawa Ristekdikti(Studi Kasus: Politeknik Harapan Bersama),†J. Inform. J. Pengemb. IT, vol. 2, no. 1, pp. 50–53, 2017.
[5] I. Ali and L. Sularto, “Optimasi Parameter Artificial Neural Network Menggunakan Algoritma Genetika Untuk Prediksi Kelulusan Mahasiswa,†J. ICT Inf. Commun. Technol., vol. 18, no. 1, pp. 54–59, 2019, doi: 10.36054/jict-ikmi.v18i1.52.
[6] M. Inthachot, V. Boonjing, and S. Intakosum, “Artificial Neural Network and Genetic Algorithm Hybrid Intelligence for Predicting Thai Stock Price Index Trend,†Comput. Intell. Neurosci., vol. 2016, pp. 1–8, 2016, doi: 10.1155/2016/3045254.
[7] U. Juhardi and Andilala, “Optimalisasi Penjualan Motor Menggunakan Algoritma Particle Swarm Optimization ( PSO ),†J. Media Infotama, vol. 15, no. 2, pp. 71–78, 2019.
[8] R. L. Haupt, S. E. Haupt, and A. J. Wiley, Algorithms Second Edition. 2004.
[9] D. Ana, R. Wati, and Y. A. Rochman, “Model Penjadwalan Matakuliah Secara Otomatis Berbasis Algoritma Particle Swarm Optimization (PSO),†J. Rekayasa Sist. Ind., vol. 2, no. 1, pp. 22–31, 2013, doi: 10.26593/jrsi.v2i1.333.22-31.
[10] A. Setiawan, L. W. Santoso, and R. Adipranata, “Penerapan Algoritma Particle Swarm Optimization ( PSO ) untuk Optimisasi Pembangunan Negara dalam Turn Based Strategy Game,†J. Infra, vol. 7, no. 1, pp. 249–255, 2019.
[11] Ridwansyah and E. Purwaningsih, “Particle Swarm Optimization Untuk Meningkatkan Akurasi Prediksi Pemasaran Bank,†J. PILAR Nusa Mandiri, vol. 14, no. 1, pp. 83–88, 2018.
[12] R. Maulida, “Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Algoritma C4 . 5 dengan Particle Swarm Optimization pada Univeristas XYZ,†vol. 1, no. 3, pp. 138–144, 2020.
[13] M. Zainuddin, “Metode Klasifikasi Berbasis Particle Swarm Optimization (Pso) Untuk Prediksi Kelulusan Tepat Waktu Mahasiswa,†J. Ilm. Teknol. Inf. Asia, vol. 13, no. 1, p. 1, 2018, doi: 10.32815/jitika.v13i1.247.
[14] H. Hendra, M. A. Azis, and S. Suhardjono, “Analisis Prediksi Kelulusan Mahasiswa Menggunakan Decission Tree Berbasis Particle Swarm Optimization,†J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 1, p. 102, 2020, doi: 10.32736/sisfokom.v9i1.756.
[15] R. Ridwan, H. Lubis, and P. Kustanto, “Implementasi Algoritma Neural Network dalam Memprediksi Tingkat Kelulusan Mahasiswa,†J. Media Inform. Budidarma, vol. 4, no. 2, p. 286, 2020, doi: 10.30865/mib.v4i2.2035.
[16] R. L. Rose, B. D. A. Selvi, and R. L. R. Singh, “Development of Hybrid Algorithm Based on PSO and NN to Solve Economic Emission Dispatch Problem,†Circuits Syst., vol. 07, no. 09, pp. 2323–2331, 2016, doi: 10.4236/cs.2016.79202.
[17] Alrijadjis, “Implementasi Metode PSO-LDW untuk Optimasi Kontroler PID Pada Plant Orde Tinggi,†pp. 2–5.
[18] M. N. Alam, “Codes in MATLAB for Particle Swarm Optimization,†no. March, pp. 8–11, 2016, doi: 10.13140/RG.2.1.1078.7608.
[19] H. Moayedi, A. Osouli, H. Nguyen, and A. S. A. Rashid, “A novel Harris hawks’ optimization and k-fold cross-validation predicting slope stability,†Eng. Comput., no. 0123456789, 2019, doi: 10.1007/s00366-019-00828-8.
[20] S. Ruuska, W. Hämäläinen, S. Kajava, M. Mughal, P. Matilainen, and J. Mononen, “Evaluation of the confusion matrix method in the validation of an automated system for measuring feeding behaviour of cattle,†Behav. Processes, vol. 148, pp. 56–62, 2018, doi: 10.1016/j.beproc.2018.01.004.
[2] M. H. Meinanda, M. Annisa, N. Muhandri, and dan K. Suryadi, “Prediksi masa studi sarjana dengan artificial neural network,†Internetworking Indones. J., vol. 1, no. 2, pp. 31–35, 2009.
[3] A. F. Mutiara Ayu Banjarsari, H. Irwan Budiman, “Penerapan K-Optimal Pada Algoritma Knn Untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan Ip Sampai Dengan Semester 4,†Klik - Kumpul. J. Ilmu Komput., vol. 2, no. 2, pp. 159–173, 2015.
[4] V. Kurnia Bakti, M. Noval, and E. Purnomo Bayu Aji, “SistemPreKompilasi DataTracerStudiOnline Ditjen Belmawa Ristekdikti(Studi Kasus: Politeknik Harapan Bersama),†J. Inform. J. Pengemb. IT, vol. 2, no. 1, pp. 50–53, 2017.
[5] I. Ali and L. Sularto, “Optimasi Parameter Artificial Neural Network Menggunakan Algoritma Genetika Untuk Prediksi Kelulusan Mahasiswa,†J. ICT Inf. Commun. Technol., vol. 18, no. 1, pp. 54–59, 2019, doi: 10.36054/jict-ikmi.v18i1.52.
[6] M. Inthachot, V. Boonjing, and S. Intakosum, “Artificial Neural Network and Genetic Algorithm Hybrid Intelligence for Predicting Thai Stock Price Index Trend,†Comput. Intell. Neurosci., vol. 2016, pp. 1–8, 2016, doi: 10.1155/2016/3045254.
[7] U. Juhardi and Andilala, “Optimalisasi Penjualan Motor Menggunakan Algoritma Particle Swarm Optimization ( PSO ),†J. Media Infotama, vol. 15, no. 2, pp. 71–78, 2019.
[8] R. L. Haupt, S. E. Haupt, and A. J. Wiley, Algorithms Second Edition. 2004.
[9] D. Ana, R. Wati, and Y. A. Rochman, “Model Penjadwalan Matakuliah Secara Otomatis Berbasis Algoritma Particle Swarm Optimization (PSO),†J. Rekayasa Sist. Ind., vol. 2, no. 1, pp. 22–31, 2013, doi: 10.26593/jrsi.v2i1.333.22-31.
[10] A. Setiawan, L. W. Santoso, and R. Adipranata, “Penerapan Algoritma Particle Swarm Optimization ( PSO ) untuk Optimisasi Pembangunan Negara dalam Turn Based Strategy Game,†J. Infra, vol. 7, no. 1, pp. 249–255, 2019.
[11] Ridwansyah and E. Purwaningsih, “Particle Swarm Optimization Untuk Meningkatkan Akurasi Prediksi Pemasaran Bank,†J. PILAR Nusa Mandiri, vol. 14, no. 1, pp. 83–88, 2018.
[12] R. Maulida, “Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Algoritma C4 . 5 dengan Particle Swarm Optimization pada Univeristas XYZ,†vol. 1, no. 3, pp. 138–144, 2020.
[13] M. Zainuddin, “Metode Klasifikasi Berbasis Particle Swarm Optimization (Pso) Untuk Prediksi Kelulusan Tepat Waktu Mahasiswa,†J. Ilm. Teknol. Inf. Asia, vol. 13, no. 1, p. 1, 2018, doi: 10.32815/jitika.v13i1.247.
[14] H. Hendra, M. A. Azis, and S. Suhardjono, “Analisis Prediksi Kelulusan Mahasiswa Menggunakan Decission Tree Berbasis Particle Swarm Optimization,†J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 1, p. 102, 2020, doi: 10.32736/sisfokom.v9i1.756.
[15] R. Ridwan, H. Lubis, and P. Kustanto, “Implementasi Algoritma Neural Network dalam Memprediksi Tingkat Kelulusan Mahasiswa,†J. Media Inform. Budidarma, vol. 4, no. 2, p. 286, 2020, doi: 10.30865/mib.v4i2.2035.
[16] R. L. Rose, B. D. A. Selvi, and R. L. R. Singh, “Development of Hybrid Algorithm Based on PSO and NN to Solve Economic Emission Dispatch Problem,†Circuits Syst., vol. 07, no. 09, pp. 2323–2331, 2016, doi: 10.4236/cs.2016.79202.
[17] Alrijadjis, “Implementasi Metode PSO-LDW untuk Optimasi Kontroler PID Pada Plant Orde Tinggi,†pp. 2–5.
[18] M. N. Alam, “Codes in MATLAB for Particle Swarm Optimization,†no. March, pp. 8–11, 2016, doi: 10.13140/RG.2.1.1078.7608.
[19] H. Moayedi, A. Osouli, H. Nguyen, and A. S. A. Rashid, “A novel Harris hawks’ optimization and k-fold cross-validation predicting slope stability,†Eng. Comput., no. 0123456789, 2019, doi: 10.1007/s00366-019-00828-8.
[20] S. Ruuska, W. Hämäläinen, S. Kajava, M. Mughal, P. Matilainen, and J. Mononen, “Evaluation of the confusion matrix method in the validation of an automated system for measuring feeding behaviour of cattle,†Behav. Processes, vol. 148, pp. 56–62, 2018, doi: 10.1016/j.beproc.2018.01.004.
Downloads
Published
2021-11-27
Issue
Section
Articles
How to Cite
[1]
D. Dairoh, V. K. Bakti, and M. Naufal, “Neural Network dan Particle Swam Optimization untuk Penunjang Keputusan Antipasi Mahasiswa Pra Lulus Bekerja Sesuai Bidang”, MATRIK, vol. 21, no. 1, pp. 151–158, Nov. 2021, doi: 10.30812/matrik.v21i1.1164.
Similar Articles
- Wahyu Riski Aulia Putra, Agus Reza Aristiadi Nurwa, Dimas Febriyan Priambodo, Muhammad Hasbi, Infrastructure as Code for Security Automation and Network Infrastructure Monitoring , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Achmad Lukman, Wahju Tjahjo Saputro, Erni Seniwati, Improving Performance Convolutional Neural Networks Using Modified Pooling Function , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 2 (2024)
- Bobby Poerwanto, Fajriani Fajriani, Resilient Backpropagation Neural Network on Prediction of Poverty Levels in South Sulawesi , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- Tjut Awaliyah Zuraiyah, Sufiatul Maryana, Asep Kohar, Automatic Door Access Model Based on Face Recognition using Convolutional Neural Network , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Muhammad Furqan Nazuli, Muhammad Fachrurrozi, Muhammad Qurhanul Rizqie, Abdiansah Abdiansah, Muhammad Ikhsan, A Image Classification of Poisonous Plants Using the MobileNetV2 Convolutional Neural Network Model Method , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 2 (2025)
- B. Herawan Hayadi, I Gede Iwan Sudipa, Agus Perdana Windarto, Model Peramalan Artificial Neural Network pada Peserta KB Aktif Jalur Pemerintahan menggunakan Artificial Neural Network Back-Propagation , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Aris Tjahyanto, Faisal Johan Atletiko, Peningkatan Kinerja Pengklasifikasi Objek Bawah Laut dengan Deep Learning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Agung Teguh Wibowo Almais, Cahyo Crysdian, Khadijah Fahmi Hayati Holle, Akbar Roihan, Smart Assessment menggunakan Backpropagation Neural Network , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Susandri Susandri, Ahmad Zamsuri, Nurliana Nasution, Yoyon Efendi, Hiba Basim Alwan, The Mitigating Overfitting in Sentiment Analysis Insights from CNN-LSTM Hybrid Models , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 2 (2025)
- Didih Rizki Chandranegara, Faras Haidar Pratama, Sidiq Fajrianur, Moch Rizky Eka Putra, Zamah Sari, Automated Detection of Breast Cancer Histopathology Image Using Convolutional Neural Network and Transfer Learning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
You may also start an advanced similarity search for this article.
Most read articles by the same author(s)
- Dwi Intan Af'idah, Dairoh Dairoh, Sharfina Febbi Handayani, Riszki Wijayatun Pratiwi, Susi Indah Sari, Sentimen Ulasan Destinasi Wisata Pulau Bali Menggunakan Bidirectional Long Short Term Memory , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Hepatika Zidny Ilmadina, Muhammad Naufal, Dega Surono Wibowo, Drowsiness Detection Based on Yawning Using Modified Pre-trained Model MobileNetV2 and ResNet50 , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
.png)
