Handaru Jati
Fakultas Teknik, Pendidikan Teknik Elektronika dan Informatika, Universitas Negeri Yogyakarta, Yogyakarta, Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Rekomendasi Paket Mata Pelajaran SMA Kurikulum Merdeka Menggunakan Algoritma Backpropagation Eri Subiyanto; Handaru Jati
Jurnal Pendidikan dan Teknologi Indonesia Vol 6 No 3 (2026): JPTI - Maret 2026
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1446

Abstract

Pemahaman tentang potensi diri, yang meliputi bakat, minat, dan kemampuan bagi setiap siswa merupakan kunci keberhasilan dalam meniti karier masa depan. Pada kenyataannya, hubungan antara bakat, minat dan kemampuan sangatlah kompleks, yang sangat sulit diselesaikan dengan menggunakan aturan-aturan pemrograman sederhana (rule-based system). Penelitian ini mengembangkan rekomendasi paket mata pelajaran pilihan bagi siswa Sekolah Menengah Atas (SMA) sesuai dengan kebijakan pemerintah yang tertuang dalam kurikulum merdeka yaitu sekolah mengorganisasikan 9 mata pelajaran pilihan ke dalam 4 kelompok peminatan (paket). Algoritma Backpropagation diimplementasikan dalam penelitian ini karena efektivitasnya dalam memproses pola data kompleks melalui mekanisme pembelajaran adaptif untuk menghasilkan rekomendasi paket mata pelajaran yang akurat bagi siswa. Model ini mengintegrasikan 13 variabel input yang mencakup nilai tes diagnostik pada 9 mata pelajaran pilihan sebagai representasi bakat, serta 4 paket pilihan sebagai representasi minat siswa. Adapun output yang dihasilkan berupa klasifikasi 4 paket mata pelajaran berdasarkan capaian prestasi akademik selama masa pembelajaran. Arsitektur jaringan saraf tiruan yang dikembangkan menggunakan konfigurasi 13-13-4, yang terdiri dari 13 neuron pada input layer, 13 neuron pada hidden layer, dan 4 neuron pada output layer sebagai representasi pilihan paket. Pembagian data strategis berbasis domain atau transfer learning pada model diterapkan untuk mempertahankan akurasi personalisasi rekomendasi yang tangguh terhadap karakteristik lintas angkatan. Rekomendasi berupa paket mata pelajaran pilihan dihasilkan melalui proses training pada data pelatihan (source domain). Dengan melakukan modifikasi parameter bobot secara berulang yang bertujuan untuk meminimalisir kesalahan yaitu Mean Square Error (MSE) antara nilai aktual dengan nilai prediksi. Pengamatan terhadap grafik nilai MSE dilakukan pada setiap modifikasi parameter, sampai dengan diperoleh fenomena grafik MSE yang mengalami penurunan secara signifikan (konvergen). Hasil validasi pada data pengujian (target domain) memunjukkan bahwa kinerja model yang dikembangkan adalah sangat memuaskan. Accuracy mencapai 91,52%, menunjukkan bahwa output yang dihasilkan model adalah benar. Precision sebesar 99,71% menunjukkan tingkat kesalahan yang sangat rendah dalam mengidentifikasi paket mata pelajaran yang relevan. Selain itu, nilai recall sebesarĀ  91,72%, dan F1-score sebesar 95,55% semakin menegaskan keandalan dan efektivitas model dalam memberikan rekomendasi yang akurat dan relevan. Tingginya nilai efektivitas pada seluruh metrik evaluasi membuktikan bahwa pembelajaran adaptif pada Backpropagation mampu menangani pola data pendidikan yang kompleks secara akurat. Penelitian ini memberikan kontribusi praktis dalam membantu siswa menentukan pilihan paket mata pelajaran yang selaras dengan potensi diri, yang secara jangka panjang diproyeksikan dapat meningkatkan kesiapan siswa dalam meniti karier masa depan.