Siregar, Muharram Soleh
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Penerapan Penerapan Jaringan Syaraf Tiruan Untuk Pengklasifikasi Mahasiswa Berpotensi Drop Out Lubis, Dikko Rizky Bintang; Tua, Anri Hafiz; Siregar, Muharram Soleh; Armansyah, Armansyah
JATISI Vol 11 No 4 (2024): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v11i4.8225

Abstract

This research aims to classify students who have the potential to drop out using the Multilayer Perceptron (MLP) Backpropagation Artificial Neural Network method. The dataset consists of 1337 students which are then divided into training and test data with a ratio of 80%:20%. The classifier results show an accuracy of 94.7% for training data and 95.9% for test data. These findings indicate that the Backpropagation method with the MLP model is able to provide a very high level of accuracy, on average reaching 95%. This research is important because it can help campuses identify students who have the potential to drop out and provide timely intervention to prevent this. In this way, drop out prevention efforts can be improved, ensuring student academic success.
Implementasi Metode ROC dan MABAC pada Aplikasi Pemberian Sanksi Pelanggaran Kedisiplinan Siswa Siregar, Muharram Soleh; R, Rakhmat Kurniawan
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.67144

Abstract

Permasalahan kedisiplinan siswa merupakan aspek penting dalam dunia pendidikan, di mana konsistensi dan keadilan dalam pemberian sanksi terhadap pelanggaran sangat berpengaruh terhadap integritas institusi dan kepuasan seluruh pihak yang terlibat. Ketidaksesuaian sanksi yang diberikan secara manual kerap kali menimbulkan ketidakobjektifan serta menurunkan kepercayaan terhadap sistem penegakan disiplin. Penelitian ini mengusulkan solusi berbasis sistem pendukung keputusan dengan mengimplementasikan metode Rank Order Centroid (ROC) untuk menentukan bobot atribut pelanggaran, serta metode Multi-Attributive Border Approximation area Comparison (MABAC) untuk melakukan perangkingan dan pemilihan jenis sanksi yang paling tepat. Data yang digunakan melibatkan 20 alternatif siswa yang melakukan pelanggaran kedisiplinan dengan mempertimbangkan sejumlah atribut tertentu, seperti jenis pelanggaran, frekuensi, dan dampak terhadap lingkungan sekolah. Hasil pengolahan menunjukkan nilai akhir Si dari masing-masing alternatif, dengan rentang nilai mulai dari -0,348 hingga 0,652. Berdasarkan hasil perhitungan MABAC, siswa dengan nilai Si tertinggi seperti Dirga (A12, 0,652) dan Iwan Setiawan (A18, 0,590) memperoleh sanksi TS04 dan TS03 yang menunjukkan tingkat pelanggaran lebih berat, sedangkan siswa dengan nilai Si rendah seperti Silvina Sasmita (A19, -0,348) dan Harianto Halim (A14, -0,227) diberikan sanksi TS01, yang mencerminkan pelanggaran ringan. Pengujian dilakukan melalui validasi internal dengan membandingkan hasil perhitungan sistem terhadap keputusan manual dari pihak sekolah, menunjukkan konsistensi sebesar 90%, yang menandakan sistem telah mampu menghasilkan keputusan yang akurat dan dapat dipertanggungjawabkan. Implementasi sistem ini diharapkan dapat meningkatkan transparansi, objektivitas, dan keadilan dalam proses pemberian sanksi, serta menjadi referensi bagi sekolah dalam memperbaiki mekanisme penegakan disiplin yang sistematis dan berkeadilan.