Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Repositor
Bella Chintia Merita
University Of Muhammadiyah Malang
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Algoritma Restricted Boltzmann Machine Pada Pemilihan Bidang Minat Mahasiswa Informatika Universitas Muhammadiyah Malang Bella Chintia Merita; Zamah Sari; Vinna Rahmayanti Setyaning Nastiti; Briansyah Setio Wiyono
Jurnal Repositor Vol 3 No 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i2.1204

Abstract

Pemilihan bidang minat masih menjadi sebuah kesulitan untuk sebagian mahasiswa, terutama mahasiswa yang belum percaya diri dengan kemampuan dan keahliannya. Bidang minat pada jenjang perguruan tinggi menjadi sebuah tolak ukur dan kunci kesuksesan di masa mendatang sebagai penunjang karirnya. Sehingga mahasiswa harus memiliki pemikiran yang matang dan tepat sasaran agar dapat mencapai tujuannya. Untuk menyelesaikan masalah ini dibutuhkan suatu hasil pembelajaran sebagai bahan pertimbangan dalam menentukan bidang miat mahasiswa. Dengan hasil pembelajaran tersebut mahasiswa dapat mempertimbangkan pilihannya berdasarkan grafik nilai dan bidang minat yang telah diambil oleh mahasiswa yang sudah lulus terlebih dahulu. Dengan demikian dilakukan penelitian untuk memberikan hasil pembelajaran dalam bentuk klasifikasi bidang minat mahasiswa Informatika Universitas Muhammadiyah Malang menggunakan data mahasiswa angkatan 2013 – 2015 yang sudah lulus. Data tersebut dilakukan pengklasifikasian menggunakan algoritma Restricted Boltzmann Machine , dan dilakukan pengujian model menggunakan confusion matrix. Data penelitian yang digunakan merupakan data yang memiliki kelas tidak seimbang karena jumlah masing-masing bidang minat berbeda jauh. Sehingga dilakukan pengklasifikasian menggunakan SMOTE untuk menangani ketidakseimbangan kelas. Hasil akurasi yang didapatkan pada RBM+SMOTE yaitu sebesar 70% dan nilai mean square error 0.4.a
Co-Authors S, Vinna Rahmayanti Wiyono, Briansyah Setio Zamah Sari