PENERAPAN ARTIFICIAL NEURAL NETWORK (ANN) DENGAN ALGORITMA BACKPROPAGATION DALAM MEMPREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA

Bagus, Stefanus Sihotang (2026) PENERAPAN ARTIFICIAL NEURAL NETWORK (ANN) DENGAN ALGORITMA BACKPROPAGATION DALAM MEMPREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA. Fakultas Teknik, Universitas Lampung.

Preview	File PDF ABSTRAK.pdf Download (231Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (3844Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2847Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Lembaga pendidikan berperan dalam menghasilkan sumber daya yang berkualitas dari lulusannya, kualitas dan akreditasi menjadi hal yang penting dalam menilai kualitas lembaga. Kelulusan Tepat Waktu (KTW) adalah ketepatan lulus seseorang dalam menyelesaikan masa studinya. KTW dalam Strata-1 di Indonesia adalah 4 tahun atau kurang. KTW merupakan indikator penting bagi mutu pendidikan, berkontribusi pada Inidikator Kinerja Utama dan standar akreditasi institusi. Upaya mengurangi keterlambatan kelulusan sering kali terlambat, sehingga penelitian ini bertujuan untuk membangun model prediktif yang dapat membantu mengidentifikasi dini mahasiswa berisiko tidak lulus tepat waktu. Menggunakan Artificial Neural Network (ANN) dengan algoritma backpropagation dengan input jalur penerimaan, nama prodi, fakultas, dan IPK pada 13.755 data S-1 angkatan 2018 – 2020 dari biro akademik Universitas Lampung. Hasil menunjukan bahwa model ANN dapat diimplementasikan dengan akurasi 50,67%, F1-Score 15,03%, dan Matthews Correlation Coefficient (MCC) 0.08 dengan nilai input kontribusi paling besar adalah fakultas.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Informatika
Pengguna Deposit:	2602370543 Digilib
Date Deposited:	03 Mar 2026 02:24
Terakhir diubah:	03 Mar 2026 02:24
URI:	http://digilib.unila.ac.id/id/eprint/97291

Actions (login required)

Lihat Karya Akhir