Implementasi Jaringan Syaraf Tiruan untuk Menentukan Kepribadian Mahasiswa Menggunakan Algoritma Perceptron

  • Lucky Lhaura Van FC universitas lancang kuning
  • Fajrizal Fajrizal Universitas Lancang Kuning
  • Lisnawita Lisnawita Universitas Lancang Kuning
Keywords: Artificial Neural Networks, Personality Types , Perceptron

Abstract

Setiap orang yang mempunyai kepribadian sesuai dengan lingkungan sekitarnya agar terjalin hubungan yang baik. Pada lingkungan Fakultas Ilmu Komputer Universitas Lancang Kuning, peneliti melakukan evaluasi akademik ketika melakukan pengajaran ada beberapa kelompok mahasiswa dengan gaya belajar yang berbeda , beberapa mahasiswa sulit aktif didalam kelas, mengenai gaya belajar ini sudah pernah kita lakukan penelitiannya, ternyata gaya belajar mempunyai korelasi dengan kepribadian mahasiswa dimana terciptanya hubungan yang baik antar dosen dan mahasiswa akan memberikan dampak yang positif karena mahasiswa tidak akan malas lagi untuk mengikuti materi yang di ambil  mahasiswa tersebut dan dosen juga dapat menentukan cara mengajar yang tepat berdasarkan kepribadian mahasiswa tersebut. 4 tipe kepribadian mahasiswa yaitu guardian, artisan, idealist dan rational. Dalam penelitian ini ada 30 orang responden yang harus mengisi kuisioner. Kemudian diolah komputerisasi yang berbasis JST algoritma Perceptron.. Hasil dari penelitian adalah 5 mahasiswa dengan kepribadian Guardian, 11 Artisan, 11 Idealist dan 3 Mahasiswa  Rational.

Kata Kunci : Jaringan Syaraf Tiruan, Tipe Kepribadian, Perceptron

 

Abstract

            Every person who has a personality following the surrounding environment to establish a good relationship. In the environment of the Faculty of Computer Science,Universitas Lancang Kuning, researchers conduct academic evaluations when conducting teaching there are several groups of students with different learning styles, some students find it difficult to be active in class, about this learning style we have already done the research, it turns out learning styles have a correlation with personality students where the creation of a good relationship between lecturers and students will have a positive impact because students will no longer be lazy to follow the material taken by the student and the lecturer can also determine the right way of teaching based on the student's personality. The 4 personality types of students are guardian, artisan, idealist and rational. In this study, 30 respondents had to fill out a questionnaire. Then computerized based on the ANN algorithm Perceptron. The results of the study were 5 students with Guardian personalities, 11 Artisan, 11 Idealist and 3 Rational Students

 

Keywords : Artificial Neural Networks, Personality Types , Perceptron

Downloads

Download data is not yet available.

References

Y. A. Lesnussa, S. Latuconsina, and E. R. Persulessy, “Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA ( Studi kasus : Prediksi Prestasi Siswa SMAN 4 Ambon ),” vol. 11, no. 2, pp. 149–160, 2015.

L. L. Van Fc, “Klasifikasi Gaya Belajar Visual-Audiotory-Kinesthetic (V-A-K) Mahasiswa Berbasis JST Menggunakan Algoritma Perceptron,” J. Teknol. Inf. Komun. Digit. Zo. Vol. 7 , Nomor 1, Februari 2016 26-30, vol. 7, no. February 1st, pp. 26–30, 2016.

K. Fitryadi, “Pengenalan Jenis Golongan Darah Menggunakan Jaringan Syaraf Tiruan Perceptron,” vol. 7, 2016.

M. U. Musthofa, Z. K. Umma, and A. N. Handayani, “Analisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia,” vol. 11, no. 1, pp. 89–100, 2017.

M. Nur, L. Achmad, H. Anik, and N. Handayani, “Aplikasi jaringan syaraf tiruan metode perceptron pada pengenalan pola huruf hijaiyah ( huruf arab ),” vol. 2, no. 1, 2017.

Y. Nagao, “Classification of MathML Expressions Using Multilayer Perceptron,” pp. 133–136, 2017.

M. Yanto, T. Informatika, and F. I. Komputer, “Penerapan jaringan syaraf tiruan dengan algoritma perceptron pada pola penentuan nilai status kelulusan,” vol. 5, no. 2, pp. 79–87, 2017.

F. M. Bayat, M. Prezioso, B. Chakrabarti, I. Kataeva, and D. Strukov, “Memristor-Based Perceptron Classifier : Increasing Complexity and Coping with Imperfect Hardware,” no. c, 2017.

M. Fachrie and A. P. Wibowo, “Jaringan syaraf tiruan untuk memprediksi kinerja satpam,” vol. 3, no. 1, pp. 46–51, 2018.

J. J. Siang, Jaringan Syaraf Tiruan dan Pemogramannya Menggunakan Matlab. 2009.

Published
2020-05-26
How to Cite
Lhaura Van FC, L., Fajrizal, F., & Lisnawita, L. (2020). Implementasi Jaringan Syaraf Tiruan untuk Menentukan Kepribadian Mahasiswa Menggunakan Algoritma Perceptron. Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, 11(1), 144-158. https://doi.org/10.31849/digitalzone.v11i1.4019
Abstract viewed = 3530 times
PDF downloaded = 1695 times

Most read articles by the same author(s)

1 2 3 > >>