PREDIKSI NILAI UJIAN MAHASISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERDASARKAN DATA KEHADIRAN DAN TUGAS

Abstrak

Penelitian ini bertujuan untuk memprediksi nilai akhir mahasiswa menggunakan Jaringan Syaraf Tiruan (JST) berdasarkan tiga variabel utama, yaitu kehadiran, nilai tugas, dan nilai UTS. Permasalahan yang sering terjadi di dunia pendidikan adalah sulitnya memperkirakan performa mahasiswa sejak dini, sehingga dosen tidak dapat melakukan tindakan pencegahan terhadap
kemungkinan penurunan prestasi belajar. Model JST digunakan karena kemampuannya dalam mengenali pola hubungan nonlinier antar variabel. Penelitian ini menggunakan data simulasi 10 mahasiswa dengan arsitektur JST yang terdiri dari tiga neuron input, empat neuron tersembunyi, dan satu neuron output. Hasil simulasi menunjukkan bahwa prediksi JST memiliki tingkat akurasi tinggi dengan rata-rata selisih antara nilai aktual dan nilai prediksi sebesar 0,42 poin. Hal ini menunjukkan bahwa JST mampu memberikan hasil estimasi yang mendekati kondisi sebenarnya. Secara keseluruhan, penerapan JST terbukti efektif untuk membantu dosen dan pihak akademik dalam memantau performa mahasiswa serta mengambil keputusan yang lebih cepat dan tepat dalam proses pembelajaran.