scholarly journals Prediksi Prospek Kerja Alumni Dengan Algoritma Neural Network

2021 ◽  
Vol 6 (1) ◽  
pp. 91
Author(s):  
Swono Sibagariang ◽  
Agung Riyadi ◽  
Afdhol Dzikri ◽  
Fadli Suandi ◽  
Kevin Timoteus Sirait ◽  
...  

Penerapan teknologi informasi dalam dunia pendidikan salah satunya mampu menghasilkan data yang berlimpah mengenai siswa dan proses pembelajaran. Pencapaian tertinggi mahasiswa tentu didapatkan ketika dia sudah dinyatakan lulus dan bisa menyandang gelar dibelakang nama. Namun sangat disayangkan hampir sebagian besar mahasiswa yang telah lulus belum mempunyai pandangan tentang peluang kerja sehingga menjadi salah satu faktor meningkatnya jumlah pengangguran. Begitu juga pada lulusan di Politeknik Negeri Batam, tidak jarang pekerjaan yang didapat tidak sesuai dengan bidang yang ditekuninya ataupun rekomendasi tentang informasi pekerjaan kurang. Supaya alumni tidak terjebak dalam memilih karirnya, diperlukan sebuah sistem untuk dapat merekomendasikan alumni pekerjaan sesuai dengan bidang yang diinginkannya. Sehingga alumni tidak akan lagi terjebak pada karirnya yang tidak sesuai dengan bidangnya. Tujuan dari penelitian ini adalah untuk merumuskan prospek kerja mahasiswa berdasarkan pengolahan data alumni yang telah bekerja sehingga menghasilkan sebuah informasi bagi calon lulusan program studi teknik informatika dimana dapat digunakan sebagai rekomendasi pekerjaan. Dalam melakukan prediksi penelitian ini akan menggunakan algoritma Neural Network (NN) yaitu Learning Vector Quantization (LVQ), hasil dari penelitian ini adalah prediksi prospek kerja yang sesuai dengan bidangnya kedepannya. Dengan data latih sebanyak 320 baris data, learning rate 0,8, epoch 100, decrease learning 0.1, data uji 80 baris data didapatkan nilai akurasi yang dihasilkan sebanyak 71.25%. Angka ini bisa berubah menjadi lebih baik tingkat akurasinya dengan melakukan uji coba dan mengubah-ubah nilai learning rate, epoch dan memperbanyak data latih. Semakin banyak data latih yang digunakan maka LVQ akan memiliki pengetahuan yang lebih lengkap

2020 ◽  
Vol 4 (2) ◽  
pp. 75-85
Author(s):  
Chrisani Waas ◽  
D. L. Rahakbauw ◽  
Yopi Andry Lesnussa

Artificial Neural Network (ANN) is an information processing system that has certain performance characteristics that are artificial representatives based on human neural networks. ANN method has been widely applied to help human performance, one of which is health. In this research, ANN will be used to diagnose cataracts, especially Congenital Cataracts, Juvenile Cataracts, Senile Cataracts and Traumatic Cataracts based on the symptoms of the disease. The ANN method used is the Learning Vector Quantization (LVQ) method. The data used in this research were 146 data taken from the medical record data of RSUD Dr. M. Haulussy, Ambon. The data consists of 109 data as training data and 37 data as testing data. By using learning rate (α) = 0.1, decrease in learning rate (dec α) = 0.0001 and maximum epoch (max epoch) = 5, the accuracy rate obtained is 100%.


2020 ◽  
Vol 4 (3) ◽  
pp. 56
Author(s):  
Firman Tawakal ◽  
Ahmedika Azkiya

Dengue Hemorrhagic Fever is a disease that is carried and transmitted through the mosquito Aedes aegypti and Aedes albopictus which is commonly found in tropical and subtropical regions such as in Indonesia to Northern Australia. in 2013 there are 2.35 million reported cases, which is 37,687 case is heavy cases of DHF. DHF’s symthoms have a similarity with typhoid fever, it often occur wrong handling. Therefore we need a system that is able to diagnose the disease suffered by patients, so that they can recognize whether the patient has DHF or Typhoid. The system will be built using Neural Network Learning Vector Quantization (LVQ) based on the best training results. This research is to diagnose Dengue Hemorrhagic Fever using LVQ with input parameters are hemoglobin, leukocytes, platelets, and heritrocytes. Based on result, the best accuracy is 97,14% with Mean Square Error (MSE) is 0.028571 with 84 train data and 36 test data. Conclution from the research is LVQ method can diagnose DHF Keywords: Dengue Hemorrhagic Fever; Learning Vector Quantization; classification; Neural Network;


Sign in / Sign up

Export Citation Format

Share Document