Skip to main content
padlock icon - secure page this page is secure

Open Access Peningkatan Akurasi Klasifikasi Tingkat Penguasaan Materi Bahan Ajar Menggunakan Jaringan Syaraf Tiruan Dan Algoritma Genetika

Download Article:

The full text article is available externally.

The article you have requested is supplied via the DOAJ. View from original source.

This article is Open Access under the terms of the Creative Commons CC BY-SA licence.

Decision support systems can be applied to perform a lecturer's performance assessment. This research aims to develop a hybrid model using the artificial neural network (ANN) and genetic algorithm (GA) that can be implemented and used as a model of decision support data analysis that produce better accuracy, specifically to assess the lecturer's comprehension of their teaching materials. The use of GA in determining the ANN parameter has increased the accuracy from 85.36% to 85.73%. The training cycle is also reduced to 624 from 1000. The use of this JST-GA model can be applied to provide a better lecture's performance assessment system. Sistem pendukung keputusan dapat diterapkan untuk melakukan penilaian kinerja seorang dosen. Penelitian ini bertujuan untuk mengembangkan model hibrid menggunakan jaringan syaraf tiruan (JST) dan algoritma genetika (GA) yang dapat diimplementasikan dan digunakan sebagai model analisis data pendukung keputusan yang menghasilkan akurasi lebih baik, khususnya untuk menilai penguasaan dosen terhadap materi ajar. Penggunaan GA dalam menentukan nilai parameter JST mampu meningkatkan akurasi pengukuran dari 85.36% menjadi 85.73%. Siklus pelatihannya juga berkurang menjadi 624 dari 1000. Penggunaan model JST-GA ini dapat dilakukan ke sistem penilaian kinerja dosen dengan tingkat akurasi yang lebih baik.
No References
No Citations
No Supplementary Data
No Article Media
No Metrics

Document Type: Research Article

Affiliations: Program Studi Teknik Informatika, Politeknik Harapan Bersama Tegal

Publication date: January 1, 2017

  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more