Analisis Algoritma Backpropagation Dengan SVM Dalam Menentukan Prediksi Nilai Ujian Nasional Siswa SMP

Abstract

Dalam menghadapi Ujian Nasional tingkat Sekolah Menengah Pertama, berbagai sekolah dan dinas pendidikan setempat sering mengadakan try out dadakan serta program bimbingan belajar. Langkah ini bertujuan untuk memastikan siswa dapat lulus ujian tersebut dan mencapai standar kelulusan yang diperlukan. Selain pendekatan tersebut, alternatif lain adalah mengembangkan sistem yang mampu memperkirakan nilai Ujian Nasional siswa SMP. Penelitian ini bertujuan untuk membandingkan akurasi prediksi nilai Ujian Nasional siswa SMP menggunakan algoritma backpropagation dan Support Vector Machine (SVM). Dataset yang digunakan mencakup nilai Ujian Nasional pada mata pelajaran Bahasa Indonesia, Bahasa Inggris, Matematika, dan Ilmu Pengetahuan Alam dari siswa SMP. Kami merancang arsitektur algoritma backpropagation dengan dua model: yang pertama memiliki 5 node pada lapisan tersembunyi, dan yang kedua dengan 7 node. Kedua algoritma menerima 7 variabel sebagai input, dengan dataset berjumlah 701 baris, 561 baris untuk pelatihan dan 140 baris untuk pengujian serta menghasilkan nilai Ujian Nasional sebagai output. Hasil evaluasi menunjukkan bahwa algoritma backpropagation memberikan nilai Mean Squared Error (MSE) terendah, dengan rata-rata 103,3. Struktur yang digunakan adalah 7 node pada lapisan input, 5 node pada lapisan tersembunyi, dan 1 node pada lapisan output. Sementara itu, struktur backpropagation dengan 7 node input, 7 node tersembunyi, dan 1 node output menghasilkan MSE rata-rata 106,6. Adapun algoritma SVM mencatat MSE rata-rata sebesar 200