2017
DOI: 10.30645/j-sakti.v1i1.26
|View full text |Cite
|
Sign up to set email alerts
|

Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Pemahaman Sisiwa Terhadap Matapelajaran Dengan Menggunakan Algoritma Backpropagation

Abstract: Prediction of students 'understanding of the subject is important to know the extent to which the students ' understanding

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
3
1
1

Citation Types

0
1
0
18

Year Published

2018
2018
2021
2021

Publication Types

Select...
6
2

Relationship

4
4

Authors

Journals

citations
Cited by 21 publications
(19 citation statements)
references
References 1 publication
0
1
0
18
Order By: Relevance
“…Jaringan syaraf tiruan (JST) adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistem sel syaraf biologi. Jaringan ini biasanya diimplementasikan dengan menggunakan komponen elektronik atau disimulasikan pada aplikasi komputer [3].…”
Section: B Jaringan Syaraf Tiruanunclassified
“…Jaringan syaraf tiruan (JST) adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistem sel syaraf biologi. Jaringan ini biasanya diimplementasikan dengan menggunakan komponen elektronik atau disimulasikan pada aplikasi komputer [3].…”
Section: B Jaringan Syaraf Tiruanunclassified
“…Jaringan syaraf tiruan (JST) adalah paradigm pemrosesan suatu informasi yang terinspirasi oleh sistem sel syaraf biologi. Jaringan ini biasanya diimplementasikan dengan menggunakan komponen elektronik atau disimulasikan pada aplikasi computer [6]. Sistem ini akan melakukan pembelajaranpembelajaran yang bersifat derifatif untuk mencapai sebuah konvergensi (Rumehalrt).…”
Section: Jaringan Syaraf Tiruanunclassified
“…Backpropagation adalah salah satu model JST yang mempunyai kemampuan mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa (tapi tidak sama) dengan pola yang dipakai selama pelatihan [27]. Langkah-langkah dalam algoritma backpropagation oleh [28] 0.8000 1.0000 0.6000 0.8000 1.0000 1.0000 1.0000 0.96890 0.03110 2 0.8000 1.0000 0.6000 0.8000 1.0000 1.0000 1.0000 0.96890 0.03110 3 0.8000 1.0000 0.6000 0.8000 1.0000 1.0000 1.0000 0.96890 0.03110 4 0.6000 1.0000 0.6000 0.8000 1.0000 1.0000 1.0000 0.84345 0.15655 5…”
Section: Algoritma Backpropogationunclassified