Penilaian Pengetahuan Siswa Dengan Jaringan Syaraf Tiruan Algoritma Perceptron

Syarifuddin N. Kapita, Samlan Mahdi, Firman Tempola
2020 TECHNO JURNAL PENELITIAN  
ABSTRAK Dalam proses penilaian pengetahuan siswa pada Sekolah Dasar Negeri 1 Kota Ternate masih menggunakan software MS excel dan membutuhkan waktu kurang lebih 2 sampai 4 hari, sehingga dianggap kurang efektif. Penelitian ini bertujuan untuk menerapkan Jaringan Syaraf Tiruan Perceptron agar memudahkan pekerjaan penilaian Guru di SD Negeri 1 Kota Ternate. Jaringan syaraf tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan meniru cara kerja otak manusia dalam
more » ... a dalam menyelesaikan suatu masalah secara cepat dan tepat. Dalam pengolahan penilaian dengan algoritma perceptron, dibutuhkan data pelatihan (training) dan pengujian (testing) untuk mengklasifikasikan data hasil belajar siswa. Metode pengembangan sistem yang digunakan yaitu prototype. Pengujian sistem dilakukan dengan metode white box. Data yang digunakan adalah data klasifikasi hasil belajar siswa pada ranah pengetahuan yakni Hasil Penilaian Harian (HPH), Hasil Penilaian Tengah Semester (HPTS), dan Hasil penilaian Akhir Semester (HAS). Hasil penelitian menunjukkan bahwa tingkat keakuratan tertinggi terjadi di perlakuan awal dengan akurasi yang diperoleh sebesar 96%, sehingga dapat disimpulkan bahwa sistem Jaringan Syaraf Tiruan dengan algoritma Perceptron dapat diimplementasikan untuk penilaian siswa pada kurikulum 2013. . Kata Kunci: Jaringan syaraf tiruan, algoritma perceptron, klasifikasi, akurasi, kurikulum ABSTRACT In the process of student assessment in SD Negeri 1 Kota Ternate, they still use MS Excel software and it takes approximately 2 to 4 days, so it is assumed to be less effective. This study aims to apply the Perceptron Artificial Neural Network to facilitate the work of teacher assessment in SD Negeri 1 Kota Ternate. Artificial neural network is an information processing system that is designed to mimic the workings of the human brain in solving problems quickly and accurately. In processing the assessment using the perceptron algorithm, training data and testing are needed to classify student learning outcomes data. The system development method used is prototype. System testing is done by the white box method's. The data used are data classification of student learning outcomes in the realm of knowledge, namely Daily Assessment Results (HPH), Mid Semester Assessment Results (HPTS), and Final Semester Assessment Results (HAS). The results showed that the highest level of accuracy occurred in the initial treatment with an accuracy of 96%, so it can be concluded that the Artificial Neural Network system with the Perceptron algorithm can be implemented for student assessment in the 2013 curriculum.
doi:10.33387/tjp.v9i1.1712 fatcat:iour6vdmqve3neq7bq76k2d4eq