PENENTUAN BIDANG KONSENTRASI TUGAS AKHIR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

Authors

  • Muhammad Siddik STIKOM Pelita Indonesia Pekanbaru

Keywords:

Artificial Neural Network, Learning Vector Quantization (LVQ), Final Project

Abstract

Sekolah Tinggi Ilmu Ekonomi (STIE) Pelita Indonesia Pekanbaru has obstacles in increasing its graduates annually, regarding the Final Project (TA) problem. Many of the methods used in making the final task make the students difficult in determining the theme of their final project. So in determining the field of concentration Final Project outside the courses that they take, causing the work of the End Task becomes constrained and even tend to hire others in solving it. Neural Networks Learning Vector Quantization (LVQ) method can be applied in classifying the field of concentration of the final task in accordance with the pattern of course grades taken. The results of training and testing conducted on the data train with a total of 44 dataset data for training data and 28 datasets for test data, learning on epoch to 1500, 2500 and 5000 and learning rate 0.01, 0.03 and 0.05 obtained the same data accuracy rate of 75 % with the correct amount of data in the classification process of 33 datasets and 11 datasets that do not match the target or class. As for the test data, the data accuracy level of 82.1429% with the correct amount of data 23 datasets and 5 datasets that are not in accordance with the target or class.

References

Simbolon D.M., (2015). “Jaringan Syaraf Tiruan Analisa Pengaruh Kosmetik Pada Kerusakan Kulit Wajah Menggunakan Metode Perceptron”. Jurnal Pelita Informatika Budi Darma. Vol 9, No: 3, April 2015, ISSN: 2301 – 9425.

Hartatik, (2015). “Penerapan Algoritma Learning Vector Quantization Untuk Prediksi Nilai Akademik Menggunakan Instrumen AMS (Academic Motivation Scale)”. Jurnal Teknik Informatika, STMIK AMIKOM Yogyakarta. Vol 16, No: 3, September 2013, ISSN: 1411 – 3201.

Hidayati N. dan Warsito B., (2010). “Prediksi Terjangkitnya Penyakit Jantung Dengan Metode Learning Vector Quantization”. Jurnal Media Statistika, FMIPA UNDIP. Vol 3, No: 1, Juni 2010

Tatan Z.M., (2011). “Analisis Prokrastinasi Tugas Akhir/Skripsi”. Jurnal Formatif, Universitas Indraprasta PGRI. Vol 2(1): 82-89 ISSN: 2088 – 351x

Harjunowibowo D., Hartati S., Ariyuana R. dan Budianto A., (2015). “Pattern Recognition on Paper Currency’s Feature Using LVQ Algorithm”. Jurnal Procceding Of International Conference on Electrical Engineering, Computer Science and Informatics (EECSI 2015).

Meliawati R., Susanto O. dan Kartini D., (2016). “Penerapan Metode Learning Vector Quantization (LVQ) Pada Prediksi Jurusan Di SMA PGRI 1 Banjarbaru”. Jurnal Ilmu Komputer, FMIPA UNLAM. Vol 4, No: 1, Februari 2016, ISSN: 2406 – 7857

Hariri R.F., Utami E. dan Amborowati A., (2015). “Learning Vector Quantization untuk Klasifikasi Abstrak Tesis”. Jurnal Magister Teknik Informatika STMIK AMIKOM Yogyakarta. Vol 2, No: 2, Februari 2015 – April 2015, ISSN: 2354 – 5771.

Budianita E. dan Arni U.D., (2015) “Penerapan Learning Vector Quantization Penentuan Bidang Kosentrasi Tugas Akhir (Studi Kasus : Mahasiswa Teknik Informatika UIN Suska Riau”. Jurnal CoreIT, Vol. 1 No.2, Desember 2015 ISSN: 2460-738X.

Husen R., Sutikno T. dan Pujianta A., (2015).“Pengenalan Pola Sidik Jari Berbasis Jaringan Syaraf Tiruan Perambatan Balik”. Jurnal Ilmiah Teknik Elektro dan Informatika, Universitas Ahmad Dahlan. Vol 1, No: 1, Juli 2015.

Siang J.J., (2009). “Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab”. Penerbit Andi Yogyakarta.

Matondang Z.A., (2013). “Jaringan Syaraf Tiruan Dengan Algoritma Backpropagation Untuk Penentuan Kelulusan Sidang Skripsi”. Jurnal Pelita Informatika Budi Darma. Vol 4, No: 1, Agustus 2013, ISSN: 2301 – 9425.

Simbolon D.M., (2015). “Jaringan Syaraf Tiruan Analisa Pengaruh Kosmetik Pada Kerusakan Kulit Wajah Menggunakan Metode Perceptron”. Jurnal Pelita Informatika Budi Darma. Vol 9, No: 3, April 2015, ISSN: 2301 – 9425.

Sinaga A.R., (2012) “Aplikasi Jaringan Syaraf Tiruan Untuk Penentuan Konsentrasi Program Studi Bagi Calon Mahasiswa Baru Stmik Budidarma Medan”. Jurnal Pelita Informatika Budi Darma. Vol 2, Desember 2012, ISSN: 2301-9425

Permata E. dan Suherman A., (2015) “Klasifikasi Kualitas Buah Garcinia Mangostana L. Menggunakan Metode Learning Vector Quantization”. Jurnal Seminar Nasional Teknologi Informasi Dan Komunikasi. Vol. 5 ISSN: 2089-9815.

Solikhah M., Nuryani dan Darmanto., (2015). “Deteksi Aritmia Pada Elektrokardiogram Dengan Metode Jaringan Syaraf Tiruan Kelas Jamak Menggunakan Fitur Interval RR, Lebar QRS Dan Gradien Gelombang R”. Jurnal Fisika Dan Aplikasinya, Universitas Sebelas Maret. Vol 11, No: 1, Januari 2015.

Wuryandari D.M. dan Afrianto I., (2012). “Perbandingan metode Jaringan Syaraf Tiruan Backpropagation dan Learning Vector Quantization Pada Pengenalan Wajah”. Jurnal Komputer dan Informatika, Universitas Komputer

Downloads

Published

2017-10-12