PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU

Risky Meliawati, Oni Soesanto, Dwi Kartini

Abstract


Determination of majors in SMA PGRI 1 Banjarbaru for students grade XI is still using a manual process that currently have problems with majors process that takes a long time. In this study aims to determine applicability methods Learning vector quantization (LVQ) the prediction determination majors in SMA PGRI 1 Banjarbaru of accuracy values obtained. Artificial Neural Networks supervised (supervised) as LVQ (Learning Vector Quantization) is a method of classification patterns of each unit of output represents a category or a particular group. From the results predicted during the first year of data known that the accuracy approaching the actual results with different number of iterations is the accuracy of 79.31% for iteration = 60 and 90. In the study with the alpha value changes obtained with accuracy approaching actual results are Accuracy 75.86% with a value of alpha (α) = 0.14. Conclusion in This study has successfully predict the determination of majors in SMA PGRI 1 Banjarbaru by using the Learning vector quantization (LVQ).

Keywords: Artificial Neural Networks, Learning Vector Quantization (LVQ), Majors

Penentuan penjurusan di SMA PGRI 1 Banjarbaru untuk siswa naik kelas XI masih menggunakan proses manual yang saat ini memiliki kendala dengan proses penjurusan yang membutuhkan waktu lama. Pada penelitian ini bertujuan Untuk mengetahui dapat diterapkannya metode Learning vector Quantization (LVQ) pada prediksi penetuan jurusan di SMA PGRI 1 Banjarbaru dari nilai akurasi yang didapat. Jaringan Syaraf Tiruan terawasi (supervised) seperti LVQ (Learning Vector Quantization) adalah suatu metode klasifikasi pola yang masing-masing unit output mewakili kategori atau kelompok tertentu. Dari hasil prediksi selama data 1 tahun diketahui bahwa nilai akurasi yang mendekati dengan hasil sebenarnya dengan jumlah iterasi yang berbeda adalah akurasi 79,31% untuk iterasi= 60 dan 90. Pada penelitian dengan nilai alpha yang berubah didapat akurasi yang mendekati dengan hasil sebenarnya adalah Akurasi 75,86% dengan nilai alpha (α) = 0,14. Kesimpulan penelitian ini telah berhasil melakukan prediksi pada penentuan jurusan di SMA PGRI 1 Banjarbaru menggunakan metode Learning vector quantization (LVQ).

Kata kunci : Jaringan Syaraf Tiruan, Learning Vector Quantization (LVQ), Penjurusan

Full Text:

PDF

References


Meliawati, Risky. 2015. Aplikasi Jaringan Syaraf tiruan Learning Vector Quantization (LVQ) Untuk Penentuan Jurusan di SMA PGRI 1 Banjarbaru. Program S-1 Ilmu Komputer, Universitas Lambung Mangkurat: Banjarbaru.

Fausset, L.V. 1994. Fundamentals of Neural Network: Arsitecture, Algorithm, and Aplication. New Jersey : Prentice-Hall.

Kusumadewi. 2003. Artficial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.

Kusumadewi. 2006. Neuro Fuzzy-Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu.




DOI: http://dx.doi.org/10.20527/klik.v3i1.31

Copyright (c) 2016 KLIK - JURNAL ILMIAH ILMU KOMPUTER



Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.joomla
counter View My Stats