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
- Reo Wicaksono, Didik Dwi Prasetya, Ilham Ari Elbaith Zaeni, Nadindra Dwi Ariyanta, Tsukasa Hirashima, Machine Learning for Open-ended Concept Map Proposition Assessment: Impact of Length on Accuracy , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 25 No. 1 (2025)
- Evan Tanuwijaya, Angelica Roseanne, Modifikasi Arsitektur VGG16 untuk Klasifikasi Citra Digital Rempah-Rempah Indonesia , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Hadi Santoso, Hilyah Magdalena, Helna Wardhana, Aplikasi Dynamic Cluster pada K-Means BerbasisWeb untuk Klasifikasi Data Industri Rumahan , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Shinta Esabella, PERANCANGAN INFRASTRUKTUR JARINGAN KOMPUTER UNTUK MENDUKUNG IMPLEMENTASI SISTEM INFORMASI PADA UNIVERSITAS TEKNOLOGI SUMBAWA , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 16 No. 1 (2016)
- Imam Fahrur Rozi, Ahmadi Yuli Ananta, Endah Septa Sintiya, Astrifidha Rahma Amalia, Yuri Ariyanto, Arin Kistia Nugraeni, Analyzing the Application of Optical Character Recognition: A Case Study in International Standard Book Number Detection , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 2 (2025)
- Mamluatul Hani'ah, Moch Zawaruddin Abdullah, Wilda Imama Sabilla, Syafaat Akbar, Dikky Rahmad Shafara, Google Trends and Technical Indicator based Machine Learning for Stock Market Prediction , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Fatur Rahman Harahap, Anggun Fitrian Isnawati, Khoirun Ni'amah, Variation of Distributed Power Control Algorithm in Co-Tier Femtocell Network , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- Fadhilah Dwi Ananda, Yoga Pristyanto, Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 2 (2021)
- Anthony Anggrawan, Mayadi Mayadi, Christofer Satria, Menentukan Akurasi Tata Letak Barang dengan Menggunakan Algoritma Apriori dan Algoritma FP-Growth , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Lalu Zazuli Azhar Mardedi, Khairan Marzuki, Rancang Bangun Jaringan Komputer LAN Berdasarkan Perbandingan Kinerja Routing Protokol EIGRP dan Routing Protokol OSPF , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 18 No. 2 (2019)
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)
