Klasifikasi Pondok Pesantren Penerima Bantuan Rehabilitasi Menggunakan Pendekatan Backpropagation Neural Network

Almafaluti, Ahmad Andi Akmal (2018) Klasifikasi Pondok Pesantren Penerima Bantuan Rehabilitasi Menggunakan Pendekatan Backpropagation Neural Network. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 07111650067007-Master_Thesis.pdf]
Preview
Text
07111650067007-Master_Thesis.pdf - Accepted Version

Download (2MB) | Preview

Abstract

Salah satu tugas negara dan pemerintah adalah mencerdaskan kehidupan bangsa. Dan salah satu penerapan Sila Pertama Pancasila adalah penyelenggaraan pendidikan agama dan keagamaan. Dalam agama Islam selain pemerintah, pelaksanaan pendidikan agama dan keagamaan Islam bisa dilakukan oleh masyarakat dalam bentuk pondok pesantren. Dalam fungsinya menyediakan lembaga pendidikan di tengah masyarakat Indonesia, pesantren memiliki jangkauan yang luas. Bahkan dalam sejarah, pesantren memiliki kontribusi yang besar dalam kehidupan berbangsa dan bernegara. Oleh karena itu pemerintah hadir dan memberi apresiasi serta dukungan kepada pesantren dalam pelaksanaan pendidikan agama dan keagamaan dalam bentuk Bantuan Rehabilitasi Pondok Pesantren.
Banyaknya jumlah pondok pesantren dan terbatasnya kapasitas fiskal membuat pemerintah harus melakukan seleksi terhadap pondok pesantren sebagai calon penerima bantuan. Karena seleksi dilakukan dengan mempertimbangkan banyak variabel sesuai yang ditetapkan pemerintah dan dilakukan secara manual, maka membutuhkan proses yang lama. Dampaknya, pelaksanaan anggaran bantuan rehabilitasi tidak optimal dilaksanakan oleh pondok pesantren. Oleh karena itu diperlukan metode komputasi untuk menyelesaikan permasalahan tersebut.
Backpropagation Neural Network adalah salah satu metode data mining yang kemampuannya untuk melakukan klasifikasi sudah dibuktikan dalam banyak penelitian. Meskipun hasil pengujian korelasi fitur data pondok pesantren terhadap kelas jenis bantuan menunjukkan kategori sangat lemah bahkan mendekai 0, Backpropagation Neural Network metode pelatihan gradient descent with momentum and adaptive learning rate yang menggunakan 15 variabel input sebagai fitur dengan 4 kelas target, dapat melakukan klasifikasi dengan nilai akurasi 0,95 untuk proses pelatihan dan 0,89 pada proses pengujian.

=========================================================================================================

One of the tasks of the state is to educate the life of the nation. And one of the First Principles of Pancasila is the implementation of religious education. In Islam other than the government, the implementation of religious education can be done by the community in the form of Islamic Boarding Schools (henceforth pesantren). In its function to provide educational institutions in the Indonesian society, pesantren have a very wide range. Even in history, pesantren has a great contibution in the life of nation and state. Therefore, the government is present and give appreciation and support to the pesantren in the implementation of religious education in the form of Rehabilitation Funds of Islamic Boarding School.
The large number of pesantren and limited fiscal capacity make the government should make selection to the pesantren as a potential beneficiary. Because the selection is done by considering many variables as set by the govenrment and done manually, it requires a long process. As a consequent, the implementation of rehabilitation aid budget is not optimally implemented by pesantren. Therefore a computational method is needed to solve the problem.
Backpropagation Neural Network is one method of data mining which the ability to classify has been proven in many research. Although the results of the correlation test of the pesantren data features toward the type of aid class indicate a very low level even 0, the Backpropagation Neural Network gradient descent with momentum and adaptive learning rate training method, which uses 15 input variables as features with 4 target classes, can classify with the accuracy value of 0.95 during the training process and 0.89 on the testing process.

Item Type: Thesis (Masters)
Additional Information: RTE 621.387 8 Alm k-1 3100018078899
Uncontrolled Keywords: Pondok Pesantren penerima Bantuan Rehabilitasi, klasifikasi, Backpropagation Neural Network
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Ahmad Andi Akmal Almafaluti
Date Deposited: 22 Jan 2019 02:44
Last Modified: 13 Nov 2020 03:48
URI: http://repository.its.ac.id/id/eprint/53612

Actions (login required)

View Item View Item