Jaringan Syaraf Tiruan Memprediksi Tingkat Penggunaan Sosial Media Dimasa Pandemi Menggunakan Metode Backpropagation

Tengku Akhdan Naufal; Arnes Sembiring; Hermansyah Sembiring

doi:10.56248/marostek.v1i1.19

Authors

Tengku Akhdan Naufal STMIK Kaputama
Arnes Sembiring STMIK Kaputama
Hermansyah Sembiring STMIK Kaputama

DOI:

https://doi.org/10.56248/marostek.v1i1.19

Keywords:

jaringan syaraf tiruan, pengguna sosial media, backpropagation

Abstract

Media sosial merupakan sebuah media online di mana para penggunanya dapat dengan bebas dan mudah berbagi serta menciptakan isi pesan yang diinginkan. Media sosial juga sebagai tempat untuk membagi kegiatan atau aktifitas pengguna. Pengguna juga tidak dirumitkan dalam pembuatan media sosial dan tidak ada batasan ruang dan waktu di mana pengguna dapat membuka media sosal dalam waktu 24 jam sehingga memberikan kecanduan bagi para pengguna media sosial. Saat ini penggunaan media sosial menjadi salah satu alat komunikasi berbasis online untuk mencegah terjadinya penyebaran covid-19 dan kerumunan masyarakat. Alat komunikasi yang saat ini banyak digunakan oleh masyarakat setempat adalah handphone dan laptop serta harus tersedia juga jaringan internet agar dapat mengakses pekerjaan dan sebagai media pembelajaran online pada saat ini. Oleh karena itu perlu adanya suatu tindakan untuk memprediksi tingkat penggunaan sosial media apa saja yang digunakan oleh masyarakat dan pelajar saat ini agar nantinya dapat mempermudah dan menjadi rekomendasi terbaru dalam hal memberikan informasi dan lainnya dengan cepat. Dari analisa yang dilakukan dapatlah hasil pengguna untuk seluruh proses yang dilakukan yaitu pengguna facebook pada bulan juni 45 data, pengguna instagram pada bulan Juni 45 data, pengguna tiktok pada bulan Juni 74 data, pengguna whatsapp pada bulan Juni 45 data, pengguna youtube pada bulan Juni 45 data.

References

Agustin, M., & Prahasto, T. (2012). Penggunaan Jaringan Syaraf Tiruan Backpropagation Untuk Seleksi Penerimaan Mahasiswa Baru Pada Jurusan Teknik Komputer Di Politeknik Negeri Sriwijaya. JSINBIS (Jurnal Sistem Informasi Bisnis), 2(2), 089-097. https://doi.org/10.21456/vol2iss2pp089-097

Cahyono, A. S. (2016). Pengaruh Media Sosial Terhadap Perubahan Sosial Masyarakat Di Indonesia. Publiciana, 9 (1): 140–157.

Dakhi, O., Jama, J., Irfan, D., Ambiyar, & Ishak. (2020). Blended Learning: A 21st Century Learning Model At College. International Journal of Multi Science, 1(7), 17–23.

Dakhi, O., Irfan, D., Jama, J., Ambiyar, A., Simatupang, W., Sukardi, S., & Zagoto, M. M. (2022). Blended Learning And Its Implications For Learning Outcomes Computer And Basic Networks For Vocational High School Students In The Era Of COVID-19 Pandemic. International Journal of Health Sciences, 6(S4). https://doi.org/10.53730/ijhs.v6nS4.

Lesnussa, Y. A., & Risamasu, E. (2020). Aplikasi Jaringan Syaraf Tiruan Backpropagation Untuk Meramalkan Tingkat Pengangguran Terbuka (TPT) Di Provinsi Maluku. Sainmatika: Jurnal Ilmiah Matematika dan Ilmu Pengetahuan Alam, 17(2), 89-96.

Nurhani, L., Gunaryati, A., Andryana, S., & Fitri, I. (2018). Jaringan Syaraf Tiruan Dengan Metode Backpropagation Untuk Memprediksi Jumlah Mahasiswa Baru. Semnas Teknomedia Online, 6(1), 2-12.

Ongsulee, P. (2017, November). Artificial intelligence, Machine Learning And Deep Learning. In 2017 15th International Conference on ICT and Knowledge Engineering (ICT&KE) IEEE, 1-6.

Sukhbaatar, O., Usagawa, T., & Choimaa, L. (2019). An Artificial Neural Network Based Early Prediction Of Failure-Prone Students In Blended Learning Course. International Journal of Emerging Technologies in Learning (iJET), 14(19), 77-92.

Telaumbanua, S. R., Harefa, A. R., & Lase, N. K. (2022). Problematika Penerapan Pembelajaran Daring. Edusculip: Jurnal Ilmu Pendidikan, 1(1), 23–32. https://doi.org/10.56248/edusculip.v1i1.30

Wanto, A. (2018). Penerapan Jaringan Saraf Tiruan Dalam Memprediksi Jumlah Kemiskinan Pada Kabupaten/Kota Di Provinsi Riau. Kumpulan JurnaL Ilmu Komputer (KLIK),05(01), 61-74.

Windarto, A. P., Lubis, M. R., & Solikhun, S. (2018). Model Arsitektur Neural Network Dengan Backpropogation Pada Prediksi Total Laba Rugi Komprehensif Bank Umum Konvensional. Kumpulan Jurnal Ilmu Komputer (KLIK), 05(02), 147-158.