IMPLEMENTASI MODEL NEURAL NETWORK DALAM MEMPREDIKSI PERFORMA BELAJAR PESERTA DIDIK

Jasmine Aulia Pramesty, - (2024) IMPLEMENTASI MODEL NEURAL NETWORK DALAM MEMPREDIKSI PERFORMA BELAJAR PESERTA DIDIK. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_2000379_Title.pdf Download (586kB)
	Text S_KOM_2000379_Chapter1.pdf Download (169kB)
	Text S_KOM_2000379_Chapter2.pdf Restricted to Staf Perpustakaan Download (440kB)
	Text S_KOM_2000379_Chapter3.pdf Download (384kB)
	Text S_KOM_2000379_Chapter4.pdf Restricted to Staf Perpustakaan Download (837kB)
	Text S_KOM_2000379_Chapter5.pdf Download (90kB)
	Text S_KOM_2000379_Appendix.pdf Restricted to Staf Perpustakaan Download (6MB)

Abstract

Di era digital saat ini, teknologi memainkan peran penting dalam pendidikan, terutama dalam memahami dan meningkatkan performa belajar siswa. Performa belajar dapat menurun akibat berbagai faktor seperti kurangnya motivasi, tingkat stres yang tinggi, atau metode pembelajaran yang tidak efektif, yang pada akhirnya memengaruhi prestasi akademik siswa. Ketika performa belajar menurun, hal tersebut tercermin dalam nilai yang lebih rendah pada tugas, tes, dan ujian, yang secara langsung berdampak pada prestasi akademik secara keseluruhan. Perhatian aktif diperlukan untuk mengidentifikasi dan mencegah masalah ini sebelum semakin memburuk. Penelitian ini bertujuan untuk menerapkan model neural network guna memprediksi performa belajar siswa, dengan memanfaatkan kemampuannya dalam mengenali pola kompleks dalam data untuk prediksi yang lebih akurat. Selain itu, neural network dapat belajar dari data historis dan terus meningkatkan prediksinya dengan penambahan data baru, sehingga membantu pendidik dalam mengambil tindakan pencegahan yang tepat waktu untuk meningkatkan kualitas pengajaran. Penelitian ini mengikuti metodologi Pedoman Smart Learning Environment Establishment Guideline (SLEEG) yang didasarkan pada pendekatan Analyze-Design-Develop-Implement-Evaluate (ADDIE). Penelitian ini menganalisis data dari siswa di kelas X-PPLG1 di SMK Negeri 2 Bandung, dengan fokus pada mata pelajaran Pemrograman Dasar. Temuan penelitian menunjukkan bahwa penerapan jaringan saraf untuk memprediksi performa belajar siswa menghasilkan hasil yang sangat akurat, yang dibuktikan dengan Mean Absolute Error (MAE) yang rendah yaitu 1.86, atau kurang dari 5%. Implementasi model ini diharapkan dapat mendukung pendidik dalam membuat keputusan yang tepat untuk meningkatkan performa belajar siswa. In the current digital era, technology plays a crucial role in education, particularly in understanding and enhancing students' learning performance. Learning performance can decline due to various factors such as lack of motivation, high levels of stress, or ineffective learning methods, ultimately affecting students' academic achievements. When learning performance decreases, it is reflected in lower scores on assignments, tests, and exams, directly impacting overall academic achievements. Active attention is needed to identify and prevent these issues before they escalate. This research aims to implement a neural network model to predict students' learning performance, leveraging its ability to recognize complex patterns in data for more accurate predictions. Moreover, neural networks can learn from historical data and continuously improve their predictions with the addition of new data, thereby assisting educators in taking timely preventive actions to enhance teaching quality. The study follows the Smart Learning Environment Establishment Guideline (SLEEG) methodology based on the Analyze-Design-Develop-Implement-Evaluate (ADDIE) approach. The research analyzes data from students in X-PPLG1 class at SMK Negeri 2 Bandung, focusing on the Basic Programming subject. The research findings indicate that the application of neural networks for predicting students' learning performance yields highly accurate results, evidenced by a low Mean Absolute Error (MAE) of 1.86, or less than 5%. Implementing this model is expected to support educators in making informed decisions to improve students' learning performance.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?user=OYD6-OsAAAAJ&hl=en ID SINTA Dosen Pembimbing: Budi Laksono Putro: 5993187 Erlangga: 6653131
Uncontrolled Keywords:	Neural network, learning performance prediction, educational data mining, SLEEG, ADDIE, educational technology, pattern analysis. Neural network, learning performance prediction, educational data mining, SLEEG, ADDIE, educational technology, pattern analysis.
Subjects:	L Education > L Education (General) L Education > LB Theory and practice of education Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Pendidikan Ilmu Komputer
Depositing User:	Jasmine Aulia Pramesty
Date Deposited:	28 Aug 2024 04:27
Last Modified:	28 Aug 2024 04:27
URI:	http://repository.upi.edu/id/eprint/121198

Actions (login required)

View Item