APLIKASI ADAPTIVE NEURO FUZZY INFERENCE SYSTEM PEMILIHAN SISWA MENGIKUTI LOMBA OLIMPIADE MATEMATIKA

Hendri Hendri

Sari


Abstract -Currently for the selection of students who participate in the competition at SMAN 10 Jakarta done by consensus ( meeting ) and the value of the selection contest. So in this study, based Applications Adaptive Neuro Fuzzy Inference System ( ANFIS ) is used to select students who participate in the competition based on the Olympic Standard Operating Procedures issued by the Directorate of Education High School. Testing in this study using several membership functions to generate the level of conjecture closest to real conditions. By using Backpropagation and gaussmf membership functions can produce 0.15248 root mean square error and the feasibility of the system has a score of 80.87 that students electoral system that would meet quality standards.

 Keywords : Students Following the Contest , Adaptive Neuro Fuzzy Inference System

 Saat ini untuk pemilihan siswa yang mengikuti lomba pada SMAN 10 Bekasi dilakukan berdasarkan musyawarah (rapat) dan nilai seleksi lomba. Maka pada penelitian ini, Aplikasi berbasis Adaptive Neuro Fuzzy Inference System (ANFIS) digunakan dalam memilih siswa yang mengikuti lomba berdasarkan Standar Operasional Prosedur Olimpiade yang dikeluarkan oleh Direktorat Pembinaan Pendidikan Sekolah Menengah Atas.Pengujian dalam penelitian ini menggunakan beberapa fungsi keanggotaan untuk menghasilkan tingkat dugaan yang paling dekat dengan kondisi riil. Dengan menggunakan metode Backpropagation serta fungsi keanggotaan gaussmf dapat menghasilkan root mean square error 0,15248 serta tingkat kelayakan sistemnya memiliki skor 80.87 sehingga sistem pemilihan siswa yang akan memenuhi standar kualitas.

Kata Kunci : Siswa Mengikuti Lomba, Adaptive Neuro Fuzzy Inference System.


Teks Lengkap:

PDF

Referensi


Cohen L, Manion L, Morrison K (2000). Research methods in education(5 th

Ed.). London: Routledge.

Jang, JSR., CT Sun, dan E Mizutani. 1997. Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. London: Prentice-Hall, Inc.

Kusrini. 2008. Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna dengan Metode Kuantifikasi Pertanyaan. Yogyakarta : PT.Andi Offset.

Kusumadewi, Sri. 2002. Analisa Desain Sistem Fuzzy menggunakan ToolBox Matlab. Edisi Pertama. Cetakan pertama. Yogyakarta : Graha Ilmu.

Kusumadewi, Sri., and Hartati, Sri. Neuro Fuzzy Integrasi system Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu, 2010.

RI. (2003). Peraturan Menteri Pendidikan Nasional Republik Indonesia Nomor 20 tahun 2003 tentang Pendidikan Nasional

RI. (2006). Peraturan Menteri Pendidikan Nasional No. 34 tahun 2006 tentang Pembinaan prestasi peserta didik yang memiliki potensi cerdas;

Wibisono, Dermawan. 2003. Riset Bisnis – Panduan Bagi Praktisi dan Akademisi. Jakarta : PT. Gramedia Pustaka Utama.

Widodo, Prabowo Pudjo., Handayanto, Rahmadya Trias. Penerapan Soft Computing Dengan Matlab, Bandung: Rekayasa Sains, 2009.

Widodo, Prabowo Pudjo. Handayanto, Rahmadya Trias. 2012. Penerapan Soft Computing Dengan Matlab. Edisi Revisi. Bandung : Rekayasa Sains

Zadeh, L. A. (1994, Maret).Fuzzy Logic, Neural Networks and Soft Computing.Communication of The ACM , pp. 77-84




DOI: https://doi.org/10.31311/ji.v3i1.306



 dipublikasikan oleh LPPM UBSI
Jl. Kamal Raya No. 18 Cengkareng, Jakarta Barat