JST PENERAPAN JARINGAN SYARAF TIRUAN DENGAN METODE PERCEPTRON UNTUK MENENTUKAN JENIS E-LEARNING (STUDI KASUS DI STMIK HANG TUAH PEKANBARU)
https://doi.org/10.33060/JIK/2017/Vol6.Iss2.58
Keywords:
Artificial, Neural, Networks, Peceptron, Methode, E-LearningAbstract
Abstract
The application of E-Learning types that correspond to the characteristics of the E-Learning system can be determined by the user by filling out a questionnaire about the characteristics of the E-Learning System. Many types of E-Learning that have been used by the institution. To determine the type of E-Learning that is appropriate to the characteristics of the E-Learning system can be done by the user by filling out the assessment questionnaire about the characteristics of the E-Learning System. The data processing results of the questionnaire to the application of the Neural Network with the Perceptron method. Neural network is an information processing system that has characteristics similar to a network of nerve biology. Perceptron is a simple network that is usually used to classify a particular type of pattern that is often known as a linear separation. From the calculations that researchers do manually or testing of the training data and test data in accordance with the training measures Perceptron defined in equation f (net) = t (yi), and error = 0 to determine kesusksesannya, then from training data and test data produces the correct target and in accordance with the expected results, which means that the method Perceptron applied were able to predict the type of E-Learning in accordance with the characteristics of E-Learning system is correct and produce the same target with the data results of the questionnaire from the user. Calculation of percentage of E-Learning used STMIK Hang Tuah Pekanbaru corresponding characteristics of the system of E-Learning and Evaluation Model ISO 9126 elearning.htp.ac.id results obtained with the value -1 = No, the performance of 20%, and a value of 1 = Yes, performance 80% and the error = 0 of 20 training data and test patterns. kuliah.htp.ac.id with a value of -1 = No, the performance of 45%, and a value of 1 = Yes, the performance of 55% and error = 0 of 20 training data and test patterns. edmodo.com/es3jelita with a value of -1 = No, the performance of 80%, and a value of 1 = Yes, the performance of 20% and error = 0 of 20 training data and test patterns.
Abstrak
E-Learning adalah merupakan salah satu media pembelajaran yang memanfaatkan teknologi informasi yang didukung oleh perangkat elektronik serta jaringan internet. Banyak jenis E-Learning yang telah digunakan oleh lembaga pendidikan. Untuk menentukan jenis E-Learning yang sesuai dengan karakteristik sistem E-Learning bisa dilakukan penilaian oleh user dengan mengisi kuesioner tentang karakteristik sistem E-Learning. Pengolahan data hasil dari kuesioner tersebut bisa dengan penerapan Jaringan syaraf tiruan dengan metode Perceptron. Jaringan Syaraf Tiruan adalah sistem pemrosesan informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. Perceptron merupakan jaringan sederhana yang biasanya digunakan untuk mengklasifikasikan suatu pola tipe tertentu yang sering dikenal dengan pemisahan secara linear. Dari perhitungan yang peneliti lakukan secara manual atau pengujian terhadap data latih dan data uji yang sesuai dengan langkah-langkah pelatihan Perceptron yang sudah ditetapkan dalam persamaan f(net)= t(yi), dan error = 0 untuk menentukan kesusksesannya, maka dari data latih dan data uji menghasilkan target yang benar dan sesuai dengan hasil yang diharapkan, yang berarti bahwa metode Perceptron yang diterapkan mampu untuk memprediksi jenis E-Learning yang sesuai dengan karakteristik sistem E-Learning sudah benar dan menghasilkan target yang sama dengan data hasil kuesioner dari user. Perhitungan Persentase E-Learning yang digunakan STMIK Hang Tuah Pekanbaru yang sesuai karakteristik sistem E-Learning Model ISO 9126 dan Evaluasi didapat hasil elearning.htp.ac.id dengan nilai -1=Tidak, performance 20%, dan nilai 1=Ya, performance 80% dan error =0 dari 20 pola data latih dan uji. kuliah.htp.ac.id dengan nilai -1=Tidak, performance 45%, dan nilai 1=Ya, performance 55% dan error =0 dari 20 pola data latih dan uji. edmodo.com/es3jelita dengan nilai -1=Tidak, performance 80%, dan nilai 1=Ya, performance 20% dan error =0 dari 20 pola data latih dan uji.
Downloads
References
Agus Lahinta. (2012). “Berbagai Inovasi Pembelajaran dengan Dukungan Teknologi Informasi.†Seminar Internasional APTEKINDO. 9-15. ISSN : 1907-2066.
Ankita Potode dan Poonam Manjare. (2015). “E-Learning Using Artificial Intelligence.†International Journal of Computer Science and Information Technology Reseach. Vol. 3, Issue 1, 78-82, ISSN : 2348-1196.
Anna Plichta. (2011). “The E-Learning System With Embedded Neural Network.†Artificial Intelligence Application to Business and Engineering Domains.†Rzeszow-Sofia, Paland-Bulgaria, ISBN : 978-954-16-00559 (printed) 978-954-16-00559 (online).
Anung Rachman, et al. (2010). “Agen Cerdas Animasi Wajah untuk Game Tebak Kataâ€. Jurnal Teknologi Informasi, Volume 6 Nomor 1, 1-8. ISSN :1414-9999.
Armin dan Ali Abrar. (2015). “Blended Learning, Implementasi E-Learning DI Politeknik Negeri Balikpapanâ€. Jurnal Sains Terapan, No. 1, Vol. 1, 48-53, ISSN : 2406-8810.
Businge Phelix Mbabazi1 dan Guma Ali. (2016). “Evaluation of E-Learning Management Systems by Lecturers and Students in Ugandan Universities: A Case of Muni Universityâ€. IJIRSET, Vol. 5, Issue 6, Juni 2016, 9529-9536, ISSN (Online): 2319-8753 ISSN (Print): 2347-6710.
Chrisna Atmadji dan M. Arief Soeleman. (2010). “Multimedia Pembelajaran Mata Kuliah Sistem Informasi Manajemenâ€. Jurnal Teknologi Informasi, Volume 6 Nomor 1, 56-72. ISSN 1414-9999.
Dian Lestari, et al. (2016). “Pengembangan Perangkat Blended Learning Sistem Saraf Manusia untuk Meningkatkan Keterampilan Berpikir Kritisâ€. Journal of Innovative Science Education. 5 (1). 83-93. p-ISSN : 2252-6412, e-2502-4523.
Dwyi Martha Simbolon. (2015). “Jaringan Syaraf Tiruan Analisa Pengaruh Kosmetik pada Kerusakan Kulit Wajah Menggunakan Metode Perceptron.†Pelita Informatika Budi Darma, Volume : IX, Nomor : 3. 107-111. ISSN : 2301-9425.
Elena Susnea. (2010). “Using Artificial Neural Networks In E-Learning Systemsâ€. UPB Scien Bulletin, Series C: Electrical Engineering. Vol. 72, Iss. 4, ISSN : 1545-234x.
H. M. Mustafa, dan Saeed M Badran. (2011). “On Assessment of Brain Function Adaptability in Open Learning Systems Using Neural Networks Modeling (Cognitive Styles Approach)â€. Journal of American Science 7 (9), 238-247, ISSN : 1545-1003.
Hafizah, et al. (2015). “Penerapan Jaringan Syaraf Tiruan dengan Algoritma Perceptron untuk mendeteksi Karakteristik Sidik Jariâ€. Jurnal SAINTIKOM. Volume 14, No. 2, ISSN : 1978-6603.
Hartantri, F. R. dan Pujiyanta, A. (2014). “Deteksi Penyakit dan Serangan Hama Tanaman Buah Salak Menggunakan Jaringan Syaraf Tiruan (JST) dengan Metode Perceptronâ€. Jurnal Sarjana Teknik Informatika. Volume 2, Nomor 2, 1228-1240, ISSN: 2338-5197.
Herman Dwi Surjono. (2013). “Membangun Course E-Learning Berbasis Moodle Edisi Kedua. UNY Press: Yogyakarta.
Jong Jek Siang. (2009). “Jaringan Syaraf Tiruan dan Pemrograman Menggunakan Matlab/ADIâ€. Penerbit Andi : Yokyakarta.
Merry Agustina. (2013). “Pemanfaatan E-Learning Sebagai Media Pembelajaranâ€. SNATI, G8-G12, ISSN :1907-5022.
Mohamed Jama Madar dan Oso Willis. (2014). “Strategic Model Of Implementing E-Learningâ€. International Journal Of Scintific & Technology Research. Volume 3. ISSUE 5. 235-238. ISSN : 2277-8616.
Mohammad Yazdi. (2012). “E-Learning Sebagai Media Pembelajaran Interaktif Berbasis Teknologi Informasiâ€. Jurnal Ilmiah Foristek, Vol. 2, No. 1.
Numiek Sulistyo Hanum. (2013). “Keefektifan E-Learning Sebagai Media Pembelajaran (Studi Evaluasi Model Pembelajaran E-Learning SMK Telkom Sandhy Putra Purwokerto)â€. Jurnal Pendidikan Vokasi, Vol 3, Nomor 1.
Parminder Kaur, et al. (2012). “Improving E-Learning with Neural Networksâ€. International Journal of Computing & Business. ISSN : 2226-6166.
Samy Abu Naser, et al. (2015). “Predicting Student Performance Using Artificial Neural Network: in the Faculty of Engineering and Information Technologyâ€. International Journal of Hybrid Information Technology. Vol.8, No.2, ISSN: 1738-9968.
Viktor Artemenko. (2014). “Agent-Based Modeling of The-Learning Users’ Behaviorâ€. International Journal of Computing. 13 (1). 61-69. ISSN : 1727-6209.