<![CDATA[Kemajuan kecerdasan buatan (AI) dalam rekayasa perangkat lunak telah memungkinkan pengembangan sistem yang lebih cerdas dan efisien, termasuk dalam penyelesaian perhitungan matematis yang kompleks. Penelitian ini berfokus pada pengembangan sistem berbasis Graph Neural Networks (GNN) untuk menyelesaikan persamaan matematika secara otomatis dengan akurasi tinggi. Permasalahan utama yang dihadapi adalah keterbatasan metode konvensional dalam memahami hubungan kompleks antar variabel dalam persamaan. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan GNN sebagai model deep learning yang mampu mengenali pola hubungan antar variabel dan memberikan solusi yang lebih presisi. Metode yang digunakan mencakup pengumpulan dan preprocessing data persamaan matematika, pelatihan model GNN, serta evaluasi performa menggunakan metrik akurasi dan efisiensi komputasi. Hasil penelitian menunjukkan model mendapatkan loss terkecil sebesar 0,374 dari dataset MathQA dan membuktikan bahwa pendekatan berbasis GNN lebih unggul dibandingkan metode tradisional dalam menyelesaikan persamaan dengan kompleksitas tinggi. Dengan implementasi ini, sistem diharapkan dapat digunakan dalam berbagai bidang seperti pendidikan dan penelitian ilmiah.]]>
Copyrights © 2025
