Fitur Seleksi Atribut Hasil Kelulusan Mahasiswa Elearning Berdasarkan Log Dengan Neural Network

Dalam pembahasan penelitian ini dibatasi pada  penerapan Neural Network  dengan Particle swarm optimization (PSO) digunakan melakukan seleksi atribut   yang  telah sesuai dalam penentuan kelulusan mahasiswa elearning, dengan menggunakan beberapa atribut. diketahui bahwa  Neural Network (NN) memiliki kemampuan generalisasi yang sangat baik untuk memecahkan masalah walaupun dengan sampel terbatas. Akan tetapi,  jumlah atribut  dalam data  akan mengurangi akurasi dan menambah kompleksitas dari  algoritma  Neural Network (NN), maka dari itu untuk meningkatkan akurasi Neural Network (NN) apabila    Particle swarm optimization diterapkan untuk seleksi atribut yang tepat dalam  penentuan kelulusan mahasiswa elearning.  tersebut Dari hasil yang di dapat dari pengujian dengan dukungan menggunakan algoritma neural network mendapatkan nilai akurasi sebesar 94% serta memiliki nilai AUC sebesar 0,914%, sedangkan untuk mendapatkan hasil menggunakan metode algoritma neural nework berbasis particle swarm optimization yaitu dengan 7 variabel pridiktor, hasil menunjukkan nilai akurasi sebesar 98,50% dengan serta memiliki hasil AUC sebesar 0,997%.  Maka dengan demikian terdapat kenaikkan akurasi sebesar 4,5% sedangkan nilai AUC mengalami peningkatan sebesar 0,83%. Maka dapat di simpulkan dengan menggunakan algoritma neural network berbasis particle swarm optimization memiliki katagori klasifikasi yang sangat baik,  dari hasil seleksi atribut sebanyak 7 variabel prediktor yang dilakukan dengan seleksi atribut sehingga menghasikan terpilihnya 2 atribut yaitu latihan dan chat.