Rancang bangun sistem pakar prediksi stres belajar dengan neural network algoritma backpropagation

Futra, Idul (2014) Rancang bangun sistem pakar prediksi stres belajar dengan neural network algoritma backpropagation. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (989kB)
[img]
Preview
Text
BAB I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (739kB) | Preview
[img]
Preview
Text
BAB II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (667kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (667kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB)

Abstract

Stres pasti dialami oleh setiap manusia, hanya saja tingkat stres tiap individu pasti berbeda. Stres akan belajar pada siswa sekolah tentu saja akan mengganggu studi siswa tersebut apabila tidak mendapatkan penanganan secara cepat. Oleh sebab itu sistem pakar dengan menggunakan neural network algoritma backpropagation, dapat membantu para konselor untuk memprediksi tingkat stres siswa. Dengan menggunakan backpropation dengan struktur jaringan yaitu 26 input node, 5 hidden node, dan 2 output node didapatkan akurasi sebesar 100% dengan learning rate sebesar 0.1, momentum sebesar 0.1, dan epoch sebesar 5000. Dengan learning rate yang kecil, membutuhkan epoch yang besar untuk mendapatkan hasil yang akurat. Semakin besar epoch yang ditentukan semakin lama pula proses pelatihannya.

Item Type: Thesis (Bachelor Thesis)
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
600 Technology (Applied Sciences) > 600 Technology > 600 Technology
Divisions: Faculty of Engineering & Informatics > Informatics
Depositing User: mr admin umn
Date Deposited: 02 Aug 2017 02:16
Last Modified: 05 Apr 2023 03:44
URI: https://kc.umn.ac.id/id/eprint/1626

Actions (login required)

View Item View Item