Pengembangan Sistem Prediksi Kelulusan Mahasiswa Tepat Waktu Berdasarkan Data Akademik Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Berbasis Python

Penelitian ini bertujuan untuk mengembangkan sistem prediksi kelulusan mahasiswa tepat waktu berdasarkan data akademik menggunakan metode Jaringan Syaraf Tiruan (JST) Backpropagation berbasis Python.. Dataset yang digunakan terdiri dari data nilai tugas, kehadiran, dan status kelulusan mahasiswa dari tahun ajaran 2019–2023 di Program Studi Teknik Informatika, Universitas Pamulang. Data yang diperoleh dibagi menjadi 150 data latih dan 50 data uji. Model dikembangkan dengan library TensorFlow dan Keras menggunakan arsitektur 5 neuron pada lapisan input, 10 neuron pada lapisan tersembunyi, dan 1 neuron pada lapisan output. Hasil pelatihan menunjukkan nilai Mean Square Error (MSE) sebesar 0.005, loss sebesar 0.07, dan akurasi sebesar 93%. Grafik pelatihan memperlihatkan konvergensi yang stabil pada epoch ke-3000. Hasil tersebut membuktikan bahwa metode Backpropagation mampu memberikan hasil prediksi yang cukup akurat dalam menentukan status kelulusan mahasiswa. Sistem ini diharapkan dapat menjadi alat bantu bagi pihak akademik dalam mengidentifikasi potensi kelulusan mahasiswa secara lebih dini.