Pengembangan sistem prediksi kemajuan belajar mahasiswa berbasis jaringan saraf tiruan: kasus universitas terbuka

Abstract

Data akademik, demografi dan data latar belakang sosial dikumpulkan pada saat mahasiswa memasuki jenjang perguruan tinggi. Meskipun demikian perguruan tinggi masih berjuang atas rendahnya tingkat kelulusan. Penelitian ini memperkenalkan penggunaan Jaringan Saraf Tiruan (JST) Multi Layer Perceptron untuk prediksi kemajuan belajar mahasiswa dengan menggunakan beberapa parameter yaitu parameter individu, lingkungan dan akademik pada Universitas Terbuka. Kami juga menggunakan analisa sensitivitas untuk mengukur pengaruh tiap input terhadap output JST. Hasil penelitian dan simulasi mengindikasikan bahwa analisa sensitivitas merupakan metode yang potensial untuk mereduksi kompleksitas JST dan meningkatkan tingkat generalisasi. Prototipe yang dihasilkan dalam penelitian ini mempunyai tingkat generalisasi 96.63%.