Main Article Content
Abstract
Berdasarkan Peraturan Bersama antara Kementerian Pendidikandan Kementrian Kesehatan Tentang Ujian Kompetensi Tahun 2013 No. 36/2013 & No.I/Iv/Pb/2013, maka seluruh Perguruan Tinggi Kesehatan di Seluruh Indonesia wajib untuk melaksanakan Ujian Kompetensi sebagai syarat utama mendapatkan gelar bagi mahasiswa kesehatan dalam menyelesaikan studinya. Di Akademi Kebidanan Dehasen Bengkulu, Lulus Ujian Kompetensi juga merupakan syarat utama untuk meraih gelar Amd.Keb. Oleh karena itu mahasiswa Kebidanan Dehasen Bengkulu wajib mengikuti Ujian Kompetensi. Sebelum melakukan Ujian Kompetensi, dosen ataupun pihak kampus tentu ingin mengetahui prediksi jumlah kelulusan dari mahasiswa yang akan melaksanakan Ujian Kompetensi. Adapun teknik dalam memprediksi hasil kelulusan ini menggunakan Algoritma Backpropagation. Penelitian ini dilakukan dengan mengamati beberapa variabel penelitian yang sering dipertimbangkan oleh perguruan tinggi kebidanan khususnya bagian akademik dalam memprediksi hasil ujian kompetensi, yaitu 7 variabel nilai dalam ujian kompetensi kebidanan yaitu nilai dengan tipe soal tentang Ibu Hamil, Ibu Bersalin, Ibu Nifas, BBL, KB, Kespro, dan Patologi. Variabel nilai tersebut digunakan sebagai variabel input pada algoritma Backpropagation serta keputusan Lulus dan Gagal sebagai outputnya. Hasil penelitian ini adalah berupa sebuah knowledge dalam memprediksi hasil ujian kompetensi kebidanaan dengan mengimplementasikan algoritma Backpropagation pada perangkat lunak Matlab R2010a. Dari hasil penerapan algoritma Backpropagation, didapatkan tingkat akurasi 90% dalam menentukan hasil yang lebih akurat sesuai dengan data aktual untuk sebuah acuan prediksi hasil kelulusan ujian kompetensi kebidanan di Akademi Kebidanan Dehasen Bengkulu.
Kata Kunci : Backpropagation, Prediksi.
Article Details
- Seluruh materi yang terdapat dalam situs ini dilindungi oleh undang-undang. Dipersilahkan mengutip sebagian atau seluruh isi situs web ini sesuai dengan ketentuan yang berlaku.
- Apabila anda menemukan satu atau beberapa artikel yang terdapat dalam Jurnal Pseudocode yang melanggar atau berpotensi melanggar hak cipta yang anda miliki, silahkan laporkan kepada kami, melalui email pada Priciple Contact.
- Aspek legal formal terhadap akses setiap informasi dan artikel yang tercantum dalam situs jurnal ini mengacu pada ketentuan lisensi Creative Commons Atribusi-ShareAlike (CC-BY-SA).
- Semua Informasi yang terdapat di Jurnal Pseudocode bersifat akademik. Jurnal Pseudocode tidak bertanggung jawab terhadap kerugian yang terjadi karana penyalah gunaan informasi dari situs ini.