Penerapan Data Mining untuk Memprediksi Jumlah Siswa DIKTUKPA TNI AL Dengan Metode Artificial Neural Network dan Algoritma Backpropagation
Abstract
Jenjang kepangkatan militer di TNI umumnya sama saja, tetapi dibeberapa strata ditiap Angkatan memiliki istilah atau sebutan yang berbeda. Umumnya di tiap Angkatan baik itu Angkatan Darat, Laut maupun Udara memiliki 3 (tiga) tingkatan atau strata yaitu Perwira, Bintara dan Tamtama, yang tiap strata masing-masing terdiri dari beberapa jenjang tingkatan kepangkatan yang lebih lengkap. Bagi prajurit yang sudah menempuh hampir seluruh tingkatan di stratanya serta memenuhi persyaratan yang berlaku, prajurit tersebut diberikan kesempatan untuk alih strata ke tingkat strata diatasnya dengan mengikuti Pendidikan Pembentukan Perwira (DIKTUKPA) untuk yang dari Bintara, dan Pendidikan Pembentukan Bintara (DIKTUKBA) untuk yang dari Tamtama. Disdikal merupakan instansi Pendidikan di lingkungan TNI AL yang menyelenggarakan program – program pendidikan militer maupun akademik yang diperuntukkan bagi personel TNI AL. Setiap tahunnya TNI- AL menyediakan kesempatan bagi prajurit yang ingin menempuh Pendidikan Pembentukan Perwira (DIKTUKPA TNI AL). Berdasarkan realita dilapangan seringnya jumlah kuota yang disediakan tidak sesuai dengan banyaknya animo dari prajurit itu sendiri. Sehingga untuk mengantisipasi agar anggaran rencana pendidikan yang sudah ditetapkan sesuai dengan jumlah peserta didik pada saat pendidikan berlangsung, penulis menggunakan Artificial Neural Network dengan Algoritma Backpropagation dan aplikasi Matlab ini diharapkan dapat memprediksi jumlah siswa DIKTUKPA TNI AL lebih tepat sasaran ke depannya
Downloads
References
[2] Haskett. 2000. Corporate Culture and Performance. New York: Free Press.
[3] J.W.Taylor.(2003). Short-Term Electricity Demand Forecasting Using Double Seasonal Exponential Smoothing.
Journal of Operational Research Society, 54, 799-805.
[4] Barry Render dan Jay Heizer. (2004). Manajemen Operasi. Jakarta: Salemba Empat.
[5] Davies and Paul Beynon. (2004). Database System Third Edition. New York: Palgrave Macmillan.
[6] Barry Render and Jay Heizer. (2006). Operations Management. 8th Edition. Pearson. Prentice Hall. New Jersey.
[7] Eddy Herjanto. (2008). Manajemen Operasi Edisi Ketiga. Jakarta: Grasindo.
[8] Jong Jek Siang. (2009). Jaringan Syaraf Tiruan dan Pemrogramannya dengan Matlab. Yogyakarta: Penerbit Andi.
[9] Herdianto. (2013). Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan
Backpropagation. Medan: Universitas Sumatera Utara.
[10] Retno Tri Vulandari. (2017). Data Mining Teori dan Aplikasi Rapidminer. Gava Media, Yogyakarta.
[11] Setia Pramana, Budi Yuniarto, Siti Mariyah, Ibnu Santoso, Rani Nooraeni. (2018). Data Mining dengan R
Konsep serta Implementasi. Bogor: In Media.
[12] Suyanto. (2019). Data Mining Untuk Klasifikasi Data dan Klasterisasi Data Edisi Revisi. Bandung: Informatika.
[13] Muhammad Arhami, Muhammad Nasir. (2020). Data Mining Algoritma dan Implementasi. Yogyakarta:
Penerbit Andi.
[14] Hamzan Wadi. (2020). Jaringan Syaraf Tiruan Backpropagation Menggunakan Matlab GUI. Mataram: TR
Publisher.
[15] Hamzan Wadi. (2020). Implementasi Jaringan Syaraf Tiruan Backpropagation Menggunakan Matlab GUI.
Mataram: TR Publisher.
[16] Solikhun, Mochamad Wahyudi. (2020). Jaringan Syaraf Tiruan Backpropagation Pengenalan Pola Calon
Debitur. Yayasan Kita Menulis.
[17] Vivian Siahaan. (2020). Buku Resep Pemrograman Matlab. Balige Publishing.
[18] Petti Indrayati Sijabat, Yuhandri, Gunadi Widi, Ani Sindar. (2020). Algoritma Backpropagation Prediksi Harga
Komoditi terhadap Karakteristik Konsumen Produk Kopi Lokal Nasional. Jurnal Teknologi Informasi &
Komunikasi Digital Zone Vol 11 Nomor 1 Mei 2020:96-107.

This work is licensed under a Creative Commons Attribution 4.0 International License.