Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Technologia: Jurnal Ilmiah
Al-Amin, Mochamad Fajar
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
KLASIFIKASI MASA STUDI MAHASISWA DENGAN PENDEKATAN NEURAL NETWORK BACKPROPAGATION BERDASARKAN JALUR MASUK Wathani, Muhammad Rais; Wijaya, Eka Setya; Al-Amin, Mochamad Fajar; Zaenuddin, Zaenuddin
Technologia : Jurnal Ilmiah Vol 16, No 1 (2025): TECHNOLOGIA (JANUARI)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i1.17051

Abstract

Pada perguruan tinggi, data mengenai mahasiswa dan tingkat kelulusan mereka dapat menjadi sumber informasi yang berharga jika dianalisis lebih mendalam. Melalui analisis data mahasiswa, seperti statistik kelulusan tahunan, profil akademik, prestasi, serta durasi studi, universitas dapat memperoleh wawasan yang signifikan. Pengolahan data yang melimpah ini memungkinkan pengungkapan informasi tersembunyi yang berdampak besar bagi pengembangan institusi.Penelitian ini mengkaji klasifikasi masa studi mahasiswa dengan menggunakan model Neural Network Backpropagation yang memberikan hasil terbaik dengan akurasi data latih sebesar 74,15% dan akurasi data uji sebesar 71,72%. Model ini juga menghasilkan nilai presisi sebesar 0,7422, dengan nilai recall 0,7422 dan F-Measure 0,7422. Berdasarkan hasil analisis, sebaran masa studi mahasiswa periode 2011-2022 menunjukkan, pada Jalur Masuk A, 74 mahasiswa menyelesaikan studi dalam waktu cepat, 978 dalam waktu normal, 445 terlambat, dan 69 sangat terlambat. Pada jalur masuk B, tercatat 29 mahasiswa menyelesaikan studi dengan cepat, 433 normal, 146 terlambat, dan 60 sangat terlambat. Terakhir, pada jalur masuk C, sebanyak 34 mahasiswa lulus dengan cepat, 448 normal, 294 terlambat, dan 151 sangat terlambat
KLASIFIKASI MASA STUDI MAHASISWA DENGAN PENDEKATAN NEURAL NETWORK BACKPROPAGATION BERDASARKAN JALUR MASUK Wathani, Muhammad Rais; Wijaya, Eka Setya; Al-Amin, Mochamad Fajar; Zaenuddin, Zaenuddin
Technologia : Jurnal Ilmiah Vol 16, No 1 (2025): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i1.17051

Abstract

Pada perguruan tinggi, data mengenai mahasiswa dan tingkat kelulusan mereka dapat menjadi sumber informasi yang berharga jika dianalisis lebih mendalam. Melalui analisis data mahasiswa, seperti statistik kelulusan tahunan, profil akademik, prestasi, serta durasi studi, universitas dapat memperoleh wawasan yang signifikan. Pengolahan data yang melimpah ini memungkinkan pengungkapan informasi tersembunyi yang berdampak besar bagi pengembangan institusi.Penelitian ini mengkaji klasifikasi masa studi mahasiswa dengan menggunakan model Neural Network Backpropagation yang memberikan hasil terbaik dengan akurasi data latih sebesar 74,15% dan akurasi data uji sebesar 71,72%. Model ini juga menghasilkan nilai presisi sebesar 0,7422, dengan nilai recall 0,7422 dan F-Measure 0,7422. Berdasarkan hasil analisis, sebaran masa studi mahasiswa periode 2011-2022 menunjukkan, pada Jalur Masuk A, 74 mahasiswa menyelesaikan studi dalam waktu cepat, 978 dalam waktu normal, 445 terlambat, dan 69 sangat terlambat. Pada jalur masuk B, tercatat 29 mahasiswa menyelesaikan studi dengan cepat, 433 normal, 146 terlambat, dan 60 sangat terlambat. Terakhir, pada jalur masuk C, sebanyak 34 mahasiswa lulus dengan cepat, 448 normal, 294 terlambat, dan 151 sangat terlambat
Co-Authors Wathani, Muhammad Rais Wijaya, Eka Setya Zaenuddin Zaenuddin, Zaenuddin