Analisis waktu pembelajaran HASIL DAN PEMBAHASAN
a Kelompok Data Pertama
b Kelompok Data Kedua
Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran pada percobaan dengan fungsi pelatihan resilent backpropagation yang dibedakan
berdasarkan kelompok data, ditunjukkan oleh Gambar 10.
Trendline waktu pembelajaran dari kelompok data pertama memperlihatkan adanya penurunan nilai waktu pembelajaran pada keempat variasi laju
pembelajaran ketika berubahnya jumlah hidden-node. Trendline waktu pembelajaran dari kelompok data kedua memperlihatkan adanya peningkatan nilai
waktu pembelajaran pada ketiga variasi laju pembelajaran ketika berubahnya Gambar 10 Perubahan nilai waktu pembelajaran dengan variasi laju
pembelajaran menggunakan
fungsi pelatihan
resilent backpropagation pada MPLS a kelompok data pertama b
kelompok data kedua.
a Kelompok Data Pertama
b Kelompok Data Kedua
jumlah hidden-node, yakni 0.01, 0.05 dan 0.1. satu variasi laju pembelajaran yakni 0.5 menunjukkan adanya penurunan nilai waktu pembelajaran. Sehingga
dari total 8 variasi laju pembelajaran pada kedua kelompok data, terdapat 3 variasi laju pembelajaran yang menunjukkan adanya peningkatan waktu pembelajaran
ketika jumlah hidden-nyang digunakan dalam percobaan semakin besar, 5 variasi jumlah hidden-node lainnya menunjukkan penurunan nilai waktu pembelajaran.
b. Fungsi pelatihan scaled conjugate gradient
Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden-node pada percobaan dengan fungsi pelatihan scaled conjugate gradient yang
dibedakan berdasarkan kelompok data, ditunjukkan oleh Gambar 11.
Gambar 11 Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden- node menggunakan fungsi pelatihan scaled conjugate gradient
pada MPLS a kelompok data pertama b kelompok data kedua
a Kelompok Data Pertama
b Kelompok Data Kedua
Gambar 11 menyajikan trendline waktu pembelajaran untuk kelompok data pertama yang menunjukkan adanya peningkatan nilai waktu pembelajaran ketika
berubahnya nilai laju pembelajaran pada ketiga variasi jumlah hidden-node. Trendline waktu pembelajaran dari kelompok data kedua menunjukkan adanya
penurunan nilai waktu pembelajaran ketika berubahnya nilai laju pembelajaran pada ketiga variasi jumlah hidden-node.
Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran pada percobaan dengan fungsi pelatihan scaled conjugate gradient yang dibedakan
berdasarkan kelompok data, ditunjukkan oleh Gambar 12.
Gambar 12 Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran menggunakan fungsi pelatihan scaled conjugate gradient pada MPLS
a kelompok data pertama b kelompok data kedua
a Kelompok Data Pertama
Trendline waktu pembelajaran dari kelompok data pertama memperlihatkan adanya peningkatan nilai waktu pembelajaran pada keempat variasi laju
pembelajaran ketika berubahnya jumlah hidden-node. Trendline waktu pembelajaran dari kelompok data kedua memperlihatkan adanya peningkatan nilai
waktu pembelajaran pada dua variasi laju pembelajaran, yakni 0.05 dan 0.5. dua variasi laju pembelajaran lainnya yakni 0.01 dan 0.1 menunjukkan adanya
penurunan nilai waktu pembelajaran. Sehingga dari total 8 variasi laju pembelajaran pada kedua kelompok data, terdapat 6 variasi laju pembelajaran
yang menunjukkan adanya peningkatan waktu pembelajaran ketika jumlah hidden-nyang digunakan dalam percobaan semakin besar, 2 variasi jumlah
hidden-node lainnya menunjukkan penurunan nilai waktu pembelajaran.
c. Fungsi pelatihan levenberg-marquardt
Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden-node pada percobaan dengan fungsi pelatihan levenberg-marquardt yang dibedakan
berdasarkan kelompok data, ditunjukkan oleh Gambar 13.
b Kelompok Data Kedua
a Kelompok Data Pertama
Gambar 13 menunjukkan bahwa trendline peningkatan waktu pembelajaran dihasilkan oleh percobaan dengan variasi jumlah hidden-node 5 pada kelompok
data pertama dan jumlah hidden-node 10 pada kelompok data kedua, selebihnya sebanyak 4 empat variasi jumlah hidden-node menunjukkan adanya penurunan
waktu pembelajaran ketika nilai laju pembelajaran yang digunakan semakin besar. Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran pada
percobaan dengan fungsi pelatihan levenberg-marquardt yang dibedakan berdasarkan kelompok data, ditunjukkan oleh Gambar 14.
Gambar 13 Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden- node menggunakan fungsi pelatihan levenberg-marquardt
pada MPLS a kelompok data pertama b kelompok data kedua
b Kelompok Data Kedua
Trendline waktu pembelajaran dari kedua kelompok data dari Gambar 14 memperlihatkan adanya peningkatan nilai waktu pembelajaran pada semua variasi
laju pembelajaran ketika jumlah hidden-node yang digunakan dalam percobaan semakin besar.
Untuk mengetahui apakah perubahan nilai pada parameter waktu pembelajaran dapat meningkatkan atau menurunkan nilai waktu pembelajaran
maka seluruh trendline dari variasi jumlah hidden-node pada percobaan model prediksi lama studi MPLS diakumulasikan seperti yang disajikan pada Tabel 19.
Tabel 19 Analisis hubungan waktu pembelajaran dengan variasi jumlah hidden- node ketika berubahnya nilai laju pembelajaran pada model prediksi lama
studi MPLS
Fungsi Pelatihan Peningkatan
waktu pembelajaran
Penurunan waktu
pembelajaran Waktu
pembelajaran statis
Total Jml
Jml Jml
Jml Resilent backpropagation
2 33
4 67
6 100
Scaled Conjugate Gradient 3
50 3
50 6
100 Levenberg-Marquardt
2 33
4 67
6 100
Rata-Rata 39
61
100
Hasil akumulasi dari menyatakan bahwa sebesar 61 trendline waktu pembelajaran menunjukkan adanya penurunan nilai waktu pembelajaran apabila
Gambar 14 Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran menggunakan fungsi pelatihan levenberg-marquardt pada MPLS a
kelompok data pertama b kelompok data kedua
nilai laju pembelajaran yang digunakan pada percobaan semakin besar, sehingga dapat dikatakan bahwa semakin besar nilai laju pembelajaran yang diberikan
maka semakin cepat waktu pembelajaran JST menyelesaikan proses pembelajaran mencapai konvergen.
Untuk mengetahui apakah perubahan jumlah hidden-node dapat meningkatkan atau menurunkan nilai waktu pembelajaran maka seluruh trendline
dari variasi laju pembelajaran pada percobaan model prediksi lama studi MPLS diakumulasikan seperti yang disajikan pada Tabel 20.
Tabel 20 Analisis hubungan waktu pembelajaran dengan variasi laju pembelajaran ketika berubahnya jumlah hidden-node pada model prediksi lama studi
MPLS
Fungsi Pelatihan Peningkatan
waktu pembelajaran
Penurunan waktu
pembelajaran Waktu
pembelajaran statis
Total Jml
Jml Jml
Jml Resilent backpropagation
3 38
5 63
8 100
Scaled Conjugate Gradient 6
75 2
25 8
100 Levenberg-Marquardt
8 100
8 100
Rata-Rata
71
29 100
Trendline waktu pembelajaran yang ditunjukan oleh percobaan dengan variasi laju pembelajaran ketika berubahya jumlah hidden-node menyatakan
bahwa sebesar 71 mengalami peningkatan nilai waktu pembelajaran, hal ini dapat dikatakan bahwa semakin besar jumlah hidden-node yang digunakan pada
percobaan maka semakin lama JST melakukan pembelajaran. 4.3.2 Model Prediksi Indeks Prestasi Kumulatif MPIPK
Pembahasan berikut menunjukkan pola perubahan nilai waktu pembelajaran dengan variasi nilai laju pembelajaran dan jumlah hidden-node yang dibedakan
atas fungsi pelatihan yang digunakan. a
Fungsi pelatihan resilent backpropagation Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden-node
pada percobaan dengan fungsi pelatihan resilent backpropagation yang dibedakan berdasarkan kelompok data ditunjukkan oleh Gambar 15.
a Kelompok Data Pertama
b Kelompok Data Kedua
Gambar 15 menunjukkan bahwa nilai waktu pembelajaran tercepat 1.44 detik dan nilai waktu pembelajaran terlama 9.72 detik berada pada kelompok data
kedua. Trendline
waktu pembelajaran
dari kelompok
data pertama
memperlihatkan adanya peningkatan nilai waktu pembelajaran pada percobaan dengan variasi jumlah hidden-node 10 ketika berubahnya nilai laju pembelajaran,
variasi jumlah hidden-node 15 menunjukkan penurunan nilai waktu pembelajaran dan variasi jumlah hidden-node 5 menunjukkan perubahan nilai waktu
pembelajaran yang statis. Trendline waktu pembelajaran dari kelompok data kedua memperlihatkan adanya peningkatan nilai waktu pembelajaran pada
percobaan dengan variasi jumlah hidden-node 5 dan 15 ketika berubahnya nilai Gambar 15 Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden-
node menggunakan fungsi pelatihan resilent backpropagation pada MPIPK a kelompok data pertama b kelompok data kedua.
a Kelompok Data Pertama
b Kelompok Data Kedua
laju pembelajaran, variasi jumlah hidden-node 10 menunjukkan adanya penurunan nilai waktu pembelajaran. Sehingga dari total 6 variasi jumlah hidden-node pada
kedua kelompok data, terdapat 3 variasi jumlah hidden-node yang menunjukkan adanya peningkatan waktu pembelajaran ketika nilai laju pembelajaran yang
digunakan dalam percobaan semakin besar, 2 variasi jumlah hidden-node lainnya menunjukkan penurunan nilai waktu pembelajaran dan 1 variasi jumlah hidden-
node menunjukkan perubahan nilai waktu pembelajaran yang statis. Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran pada
percobaan dengan fungsi pelatihan resilent backpropagation yang dibedakan berdasarkan kelompok data, ditunjukkan oleh Gambar 16.
Gambar 16 Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran
menggunakan fungsi
pelatihan resilent
backpropagation pada MPIPK a kelompok data pertama b kelompok data kedua
a Kelompok Data Pertama
Trendline waktu pembelajaran dari kelompok data pertama memperlihatkan adanya peningkatan nilai waktu pembelajaran pada ketiga variasi laju
pembelajaran ketika berubahnya jumlah hidden-node, satu variasi laju pembelajaran menujukkan waktu pembelajaran yang statis, yakni pada variasi
laju pembelajaran 0.1. Trendline waktu pembelajaran dari kelompok data kedua memperlihatkan adanya peningkatan nilai waktu pembelajaran pada kedua variasi
laju pembelajaran ketika berubahnya jumlah hidden-node, yakni 0.01 dan 0.5. dua variasi laju pembelajaran lainnya menunjukkan nilai waktu pembelajaran
statis, yakni variasi laju pembelajaran 0.05 dan 0.1. Sehingga dari total 8 variasi laju pembelajaran pada kedua kelompok data, terdapat 5 variasi laju pembelajaran
yang menunjukkan adanya peningkatan waktu pembelajaran ketika jumlah hidden-nyang digunakan dalam percobaan semakin besar, 3 variasi jumlah
hidden-node lainnya menunjukkan perubahan nilai waktu pembelajaran statis.
b Fungsi pelatihan scaled conjugate gradient
Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden-node pada percobaan dengan fungsi pelatihan scaled conjugate gradient yang
dibedakan berdasarkan kelompok data, ditunjukkan oleh Gambar 17.
b Kelompok Data Kedua
a Kelompok Data Pertama
Gambar 17 menyajikan trendline waktu pembelajaran pada kedua kelompok data menunjukkan adanya penurunan nilai waktu pembelajaran ketika berubahnya
nilai laju pembelajaran pada keempat variasi jumlah hidden-node. Dua variasi jumlah hidden-node menunjukkan perubahan waktu pembelajaran yang statis,
tepatnya variasi jumlah hidden-node 5, baik pada kelompok data pertama maupun kelompok data kedua.
Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran pada percobaan dengan fungsi pelatihan scaled conjugate gradient yang dibedakan
berdasarkan kelompok data, ditunjukkan oleh Gambar 18. Gambar 17 Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden-
node menggunakan fungsi pelatihan scaled conjugate gradient pada MPIPK a kelompok data pertama b kelompok data kedua
b Kelompok Data Kedua
Trendline waktu pembelajaran dari kelompok data pertama memperlihatkan adanya peningkatan nilai waktu pembelajaran pada dua variasi laju pembelajaran,
penurunan nilai waktu pembelajaran pada satu variasi laju pembelajaran dan satu pembelejaran lainnya menunjukkan perubahan waktu pembelajaran statis.
Trendline waktu pembelajaran dari kelompok data kedua memperlihatkan adanya peningkatan nilai waktu pembelajaran pada keempat variasi laju pembelajaran.
Sehingga dari total 8 variasi laju pembelajaran pada kedua kelompok data, terdapat 6 variasi laju pembelajaran yang menunjukkan adanya peningkatan waktu
pembelajaran ketika jumlah hidden-n yang digunakan dalam percobaan semakin besar, 1 variasi jumlah hidden-node lainnya menunjukkan penurunan nilai waktu
pembelajaran dan 1 variasi jumlah hidden-node lainnya menunjukkan perubahan nilai waktu pembelajaran statis.
Gambar 18 Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran menggunakan fungsi pelatihan scaled conjugate gradient pada MPLS
a kelompok data pertama b kelompok data kedua
a Kelompok Data Pertama
b Kelompok Data Kedua
c Fungsi pelatihan levenberg-marquardt
Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden-node pada percobaan dengan fungsi pelatihan levenberg-marquardt yang dibedakan
berdasarkan kelompok data, ditunjukkan oleh Gambar 19.
Gambar 19 menunjukkan bahwa dari total 8 variasi jumlah hidden-node, terdapat 2 variasi yang menunjukkan adanya peningkatan waktu pembelajaran, 2
variasi jumlah hidden-node menunjukkan adanya penurunan waktu pembelajaran dan 2 variasi jumlah hidden-node menunjukkan perubahan waktu pembelajaran
statis. Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran pada Gambar 19 Perubahan nilai waktu pembelajaran dengan variasi jumlah hidden-
node menggunakan fungsi pelatihan levenberg-marquardt pada MPIPK a kelompok data pertama b kelompok data kedua
a Kelompok Data Pertama
b Kelompok Data Kedua
percobaan dengan fungsi pelatihan levenberg-marquardt yang dibedakan berdasarkan kelompok data, ditunjukkan oleh Gambar 20.
Trendline waktu pembelajaran dari kedua kelompok data memperlihatkan adanya peningkatan nilai waktu pembelajaran pada semua variasi laju
pembelajaran ketika jumlah hidden-node yang digunakan dalam percobaan semakin besar.
Gambar 20 Perubahan nilai waktu pembelajaran dengan variasi laju pembelajaran menggunakan fungsi pelatihan levenberg-marquardt
pada MPIPK a kelompok data pertama b kelompok data kedua
Untuk mengetahui apakah perubahan nilai pada parameter waktu pembelajaran dapat meningkatkan atau menurunkan nilai waktu pembelajaran
maka seluruh trendline dari variasi jumlah hidden-node pada percobaan model prediksi indeks preastasi kumulatif MPIPK diakumulasikan seperti yang
disajikan pada Tabel 21. Tabel 21 Analisis hubungan waktu pembelajaran dengan variasi jumlah hidden-
node ketika berubahnya nilai laju pembelajaran pada model indeks prestasi kumulatif studi MPIPK
Fungsi Pelatihan Peningkatan
waktu pembelajaran
Penurunan waktu
pembelajaran Waktu
pembelajaran statis
Total Jml
Jml Jml
Jml Resilent backpropagation
3 50
2 33
1 17
6 100
Scaled Conjugate Gradient 4
67 2
33 6
100 Levenberg-Marquardt
2 33
2 33
2 33
6 100
Rata-Rata 28
44
28 100
Hasil akumulasi menyatakan bahwa sebesar 44 trendline waktu pembelajaran menunjukkan adanya penurunan nilai waktu pembelajaran apabila
nilai laju pembelajaran yang digunakan pada percobaan semakin besar, dapat dikatakan bahwa semakin besar nilai laju pembelajaran yang diberikan maka
semakin cepat waktu pembelajaran JST menyelesaikan proses pembelajaran mencapai konvergen.
Untuk mengetahui apakah perubahan jumlah hidden-node dapat meningkatkan atau menurunkan nilai waktu pembelajaran maka seluruh trendline
dari variasi laju pembelajaran pada percobaan model prediksi indeks preastasi kumulatif MPIPK diakumulasikan seperti yang disajikan pada Tabel 22.
Tabel 22 Analisis hubungan waktu pembelajaran dengan variasi laju pembelajaran ketika berubahnya jumlah hidden-node pada model prediksi indeks
prestasi kumulatif MPIPK
Fungsi Pelatihan Peningkatan
waktu pembelajaran
Penurunan waktu
pembelajaran Waktu
pembelajaran statis
Total Jml
Jml Jml
Jml Resilent backpropagation
5 63
3 38
8 100
Scaled Conjugate Gradient 6
75 1
13 1
13 8
100 Levenberg-Marquardt
8 100
8 100
Rata-Rata
79 4
17 100
Trendline waktu pembelajaran yang ditunjukan oleh percobaan dengan variasi laju pembelajaran ketika berubahya jumlah hidden-node menyatakan
bahwa sebesar 79 mengalami peningkatan nilai waktu pembelajaran, hal ini dapat dikatakan bahwa semakin besar jumlah hidden-node yang digunakan pada
percobaan maka semakin lama JST melakukan pembelajaran.
4.5 Tingkat generalisasi data validasi dan data testing dengan variasi nilai laju pembelajaran, jumlah
hidden-node dan fungsi pelatihan.
Hasil perbandingan tingkat generalisasi dari data validasi dan data testing ketika berubahnya nilai laju pembelajaran dan jumlah hidden-node, dengan variasi
fungsi pelatihan pada kedua mode prediksi ditunjukkan oleh Gambar 21 sampai dengan Gambar 24.
4.5.1 Model Prediksi Lama Studi MPLS
Grafik perbandingan tingkat generalisasi data validasi dan data testing pada Gambar 21 menunjukkan tingkat generalisasi data validasi yang lebih tinggi
dibandingan dengan generalisasi data testing pada fungsi pelatihan scaled conjugate gradient dan levenberg-marquardt. Pada fungsi pelatihan resilent
backpropagation, tingkat generalisasi data validasi lebih rendah dibandingkan dengan tingkat generalisasi data testing. Tingkat generalisasi tertinggi baik
terhadap data validasi maupun data testing dihasilkan oleh percobaan dengan Gambar 21 Grafik perbandingan tingkat generalisasi data validasi dan
data testing pada MPLS kelompok data pertama
menggunakan fungsi pelatihan levenberg-marquardt, hingga mencapai 100, sedangkan tingkat generalisasi terendah sebesar 30.30. Gambar 21 juga
menunjukkan adanya penurunan tingkat generalisasi pada percobaan dengan menggunakan fungsi resilent backpropagation dan scaled conjugate gradient,
pada saat nilai laju pembelajaran dan jumlah hidden-node yang diberikan semakin besar.
Gambar 22 merupakan grafik perbadingan tingkat generalisasi data validasi dan data testing pada model prediksi lama studi MPLS kelompok data kedua,
yang menunjukkan bahwa tingkat generalisasi terhadap data validasi yang lebih tinggi dibandingkan dengan data testing, dimana percobaan dengan menggunakan
fungsi pelatihan levenberg-marquardt tetap memiliki tingkat generalisasi tertinggi dibandingkan dengan kedua fungsi pelatihan lainnya. Penambahan jumlah hidden-
node dan nilai laju pembelajaran menghasilkan penurunan tingkat generalisasi pada percobaan dengan menggunakan fungsi pelatihan resilent backpropagation
dan scaled conjugate gradient. Penambahan jumlah hidden-node dan nilai laju pembelajaran pada percobaan dengan fungsi pelatihan levenberg-marquardt
tingkat generalisasi yang dihasilkan tidak memperlaihatkan pengaruh yang besar terhadap tingkat generalisasi, karena perbedaan persentase generalisasi yang
Gambar 22 Grafik perbandingan tingkat generalisasi data validasi dan data testing pada MPLS kelompok data kedua
dihasilkan tidak terlalu besar. Sehingga untuk model prediksi lama studi MPLS, parameter fungsi pelatihan yang paling optimal yang dihasilkan oleh hasil
penujian adalah fungsi pelatihan levenberg-marquardt.
4.5.2 Model Prediksi Indeks Prestasi Kumulatif MPIPK
Grafik perbandingan tingkat generalisasi data validasi dan data testing pada Gambar 23 menunjukkan tingkat generalisasi data validasi yang lebih tinggi
dibandingan dengan generalisasi data testing pada ketiga fungsi pelatihan yang digunakan pada percobaan. Tingkat generalisasi tertinggi baik terhadap data
validasi maupun data testing dihasilkan oleh percobaan dengan menggunakan fungsi pelatihan levenberg-marquardt, hingga mencapai 100, sedangkan tingkat
generalisasi terendah sebesar 33.33. Gambar 23 juga menunjukkan adanya penurunan tingkat generalisasi pada percobaan dengan menggunakan fungsi
resilent backpropagation dan scaled conjugate gradient, pada saat nilai laju pembelajaran dan jumlah hidden-node yang diberikan semakin besar.
Gambar 23 Grafik perbandingan tingkat generalisasi data validasi dan data testing pada MPIPK kelompok data pertama
Gambar 24 merupakana grafik perbadingan tingkat generalisasi data validasi dan data testing pada model prediksi indeks preastasi kumulatif MPIPK
kelompok data kedua, yang menunjukkan bahwa percobaan dengan menggunakan fungsi pelatihan levenberg-marquardt tetap memiliki tingkat generalisasi tertinggi
dibandingkan dengan kedua fungsi pelatihan lainnya. Pada percobaan dengan fungsi pelatihan levenberg-marquardt terlihat bahwa tingkat generalisasi terhadap
data testing cenederung lebih besar dibanding denga data validasi. Selisih besarnya persentase tingkat generalisasi tertinggi dari percobaan dengan dengan
fungsi pelatihan levenberg-marquardt terhadap percobaan dengan menggunakan kedua fungsi pealtihan lainnya terlihat lebih besar dibadingkan dengan percobaan
pada kelompok data pertama. Penambahan jumlah hidden-node dan nilai laju pembelajaran menghasilkan
penurunan tingkat generalisasi pada percobaan dengan menggunakan fungsi pelatihan resilent backpropagation dan scaled conjugate gradient. Penambahan
jumlah hidden-node dan nilai laju pembelajaran pada percobaan dengan fungsi pelatihan levenberg-marquardt tingkat generalisasi yang dihasilkan tidak
memperlaihatkan pengaruh yang besar terhadap tingkat generalisasi, karena perbedaan persentase generalisasi yang dihasilkan tidak terlalu besar. Sehingga
Gambar 24 Grafik perbandingan tingkat generalisasi data validasi dan data testing pada MPIPK kelompok data kedua
untuk model prediksi indeks prestasi kumaltif MPIPK, parameter fungsi pelatihan yang paling optimal yang dihasilkan oleh hasil penujian adalah fungsi
pelatihan levenberg-marquardt.