Deep Learning Neural Network dan Genetic Algorithm Pada Analisis Klasifikasi Status Penerimaan Beasiswa Bidikmisi (Studi Kasus : Beasiswa Bidikmisi di Jawa Timur Tahun 2017)

Cahyani, Nita (2018) Deep Learning Neural Network dan Genetic Algorithm Pada Analisis Klasifikasi Status Penerimaan Beasiswa Bidikmisi (Studi Kasus : Beasiswa Bidikmisi di Jawa Timur Tahun 2017). Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
Nita Cahyani.pdf - Accepted Version

Download (3MB) | Preview

Abstract

Neural Network merupakan salah satu alat analisis data mining yang dapat digunakan untuk membuat klasifikasi pada data pendaftaran beasiswa Bidikmisi di Jawa Timur. Pemilihan model pada Neural Network memerlukan berbagai faktor seperti pemilihan jumlah hidden node yang optimal, pemilihan variabel input yang relevan dan pemilihan bobot koneksi yang optimal. Genetic Algorithm (GA) merupakan suatu teknik optimasi yang didasarkan pada prinsip genetik dan seleksi alam. Dalam Genetic Algorithm populasi terbentuk dari banyak individu yang berkembang sesuai aturan seleksi spesifik dengan memaksimalkan fitness. Genetic Algorithm digunakan untuk mendapatkan nilai global optimum dengan cara melakukan perulangan atau iterasi pada konsep evolusi Darwin. Penelitian ini menyajikan metode Deep learning Neural Network dengan Backpropagation Network (BPNN) dengan dua hidden layer dan metode gabungan BPNN dengan GA, dimana GA digunakan untuk menginisialisasi dan mengoptimasi bobot koneksi BPNN. Hasil analisis menunjukan bahwa metode optimasi bobot koneksi BPNN dengan GA memberikan nilai ketepatan klasifikasi yang lebih baik dibandingkan dengan metode BPNN tanpa optimasi bobot. ===========================================================================Neural Network is one of the data mining analysis tools that can be used to create data on registration data of Bidikmisi students in East Java. Model selection on neural networks Many factors such as the selection of the optimal number of hidden nodes, the relevant input selection variables and the optimal connection speed. Genetic Algorithm (GA) is a technique used on genetic and natural principles. Genetic Algorithms are formed by many Developed individuals according to the rules. Genetic Algorithm to obtain optimal global value by means of looping or iterating on the concept of the Darwinian revolution. This research uses Deep Learning Neural Network with Backpropagation Network (BPNN) with two hidden layers and BPNN combined method with GA, where GA to initialize and optimize the weight of BPNN connection. The results showed that the BPNN connection optimization method with GA gives better accuracy value compared to the BPNN method without weight optimization.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.535 Cah d-1 2018
Uncontrolled Keywords: Backpropagation Network (BPPN), Bidikmisi, Deep Learning Neural Network, Genetic Algorithm (GA), Neural Network (NN).
Subjects: Q Science > QA Mathematics > QA76.9.D343 Data mining
Divisions: Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis
Depositing User: Nita Cahyani
Date Deposited: 19 Jun 2021 15:27
Last Modified: 19 Jun 2021 15:27
URI: https://repository.its.ac.id/id/eprint/58195

Actions (login required)

View Item View Item