skip to main content

PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR 16-18 TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK

1Jurusan Teknik Elektro, Universitas Diponegoro Semarang, Indonesia

2Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia, Indonesia

Editor(s): Aris Triwiyatno

Citation Format:
Abstract

Abstrak

 

Kemajuan suatu daerah dapat dilihat dari banyaknya peserta didik yang ada.Cara pemerintah untuk meninjau jumlah peserta didik di suatu daerah menggunakan angka partisipasi sekolah (APS). Untuk melihat keberhasilan program pemerintah Jawa Tengah di masa yang akan datang diperlukan prediksi angka partisipasi sekolah (APS). penelitian ini membuat aplikasi prediksi angka partisipasi sekolah di Jawa Tengah umur 16-18 tahun dengan metode jaringan syaraf tiruan perambatan balik. Data keluaran jaringan dibandingkan dengan data aktual untuk mengukur keakuratan hasil prediksi.Jaringan dengan hasil keluaran paling akurat akan digunakan untuk melakukan  prediksi.Nilai galat terendah pada pengujian lapisan tersembunyi dihasilkan oleh jaringan dengan 2 lapisan tersembunyi,  pada pengujian jumlah neuron dihasilkan oleh jaringan dengan 1 lapisan tersembunyi 25 neuron pada pengujian struktur neuron jaringan  2 lapisan tersembunyi dihasilkan oleh jaringan dengan struktur neuron 25, 15, pada pengujian struktur neuron jaringan 3 lapisan tersembunyi dihasilkan oleh jaringan dengan 60 neuron dengan struktur neuron 25, 20, 15.

 

Kata kunci : angka partisipasi sekolah, jaringan syaraf tiruan perambatan balik, prediksi

 

 

Abstract

 

Progress of an area can be seen from the many existing learners . How the government to review the number of learners in an area use school enrollment ( APS ) . To see the success of government programs in Central Java in the future be required prediction of school enrollment ( APS ) . This thesis makes application predictions of enrollment rates in Central Java, aged 16-18 years with back propagation neural network method. Output data networks compared to actual data to measure the accuracy of the prediction results . Network with the most accurate output results will be used to make predictions . The value of the lowest error on the test generated by the network hidden layer with 2 hidden layers , the number of neurons generated by testing the network with one hidden layer 25 neurons in the testing structure hidden layer neuron network 2 is generated by the structure of the network of neurons 25 , 15 , the testing structure of neurons 3 network hidden layer generated by a network with 60 neurons with neuron structures 25 , 20 , 15 .

 

Keywords: enrollment rates, back propagation neural network, prediction
Fulltext View|Download

Article Metrics:

Last update:

No citation recorded.

Last update:

No citation recorded.