Penjadwalan Matakuliah Dengan Menggunakan Metode Jaringan Neural Network (Studi Kasus IIB Darmajaya)

Abstract

Penjadwalan matakuliah merupakan tugas kompleks yang dihadapi oleh lembaga pendidikan dengan tantangan seperti peningkatan jumlah mahasiswa dan keterbatasan ruang kuliah. Dalam konteks ini, pemanfaatan teknologi seperti Jaringan Syaraf Tiruan (JST) menjadi relevan. Penelitian ini bertujuan untuk mengimplementasikan JST dengan metode Backpropagation untuk mengoptimalkan penjadwalan matakuliah. Penelitian ini dilakukan dengan menggunakan metode metode machine leraning life cycle yang dimulai dari proses preprocessing yang mencakup pengumpulan, pembersihan, dan pengolahan data menjadi format yang sesuai. Selanjutnya, dilakukan proses pembuatan dan pelatihan model JST, dengan arsitektur model yang terdiri dari 11 input data, 2 hidden layer, dan menghasilkan 1 output data. Evaluasi model dilakukan dari berbagai aspek, seperti epochs, waktu pelatihan, performa, gradient, dan mu. Model juga diuji terhadap data baru sebanyak 364 data, dan hasil menunjukkan bahwa model mampu memprediksi data dengan benar. Dari keseluruhan kinerja model, diperoleh hasil akhir berupa MSE sebesar 0.000461 dan RMSE sebesar 0.021470. Hal ini menunjukkan bahwa model ini mampu melakukan prediksi dengan akurat dan memiliki tingkat kesalahan yang rendah.