Perbandingan 5 Algoritma ML

Kembali
Model Terbaik: Backpropagation
Akurasi: 99.91% | MAE: 0.0009 | RMSE: 0.0296 | R²: 0.9795
Grafik Perbandingan Metrik Evaluasi
Perbandingan Model
Tabel Metrik Evaluasi Lengkap
Ranking Algoritma Accuracy MAE RMSE R² Score Keterangan
Backpropagation TERBAIK
99.91%
0.0009 0.0296 0.9795 Sangat Baik
Logistic Regression
99.88%
0.0013 0.0354 0.9782 Sangat Baik
ANN (MLP)
99.75%
0.0025 0.05 0.9922 Sangat Baik
4 RNN/LSTM (Deep MLP)
99.61%
0.0039 0.0622 0.9894 Sangat Baik
5 K-Means Clustering
50.85%
0.4915 0.7011 -0.966 Unsupervised
Silhouette: 0.2193
Confusion Matrix Semua Model
Confusion Matrix

Baris = Label Aktual | Kolom = Prediksi | TN (atas-kiri), FP (atas-kanan), FN (bawah-kiri), TP (bawah-kanan)

Loss Curve Training

ANN (MLP) — Adam

ANN (MLP) — Adam

RNN/LSTM (Deep MLP) — Adam

RNN/LSTM (Deep MLP) — Adam

Backpropagation — SGD

Backpropagation — SGD
Analisis Perbandingan Algoritma
Supervised Learning
  • Backpropagation 99.91% — Model terbaik dengan SGD optimizer dan fungsi sigmoid. Konvergensi stabil karena learning rate konstan.
  • Logistic Regression 99.88% — Akurasi sangat tinggi dengan komputasi ringan. Cocok untuk interpretasi koefisien fitur.
  • ANN (MLP) 99.75% — Jaringan 2 hidden layer dengan Adam optimizer. Lebih fleksibel untuk pola non-linear.
  • RNN/LSTM 99.61% — Deep MLP 5 layer sebagai simulasi sequential learning. Arsitektur paling dalam dan kompleks.
Unsupervised Learning
  • K-Means 50.85% — Clustering tanpa label. Performanya terbatas karena tidak bisa belajar dari label kelulusan. Silhouette Score 0.22 menunjukkan cluster cukup terpisah secara geometris.
Kesimpulan

Untuk prediksi kelulusan mahasiswa, Backpropagation (SGD) adalah pilihan terbaik dengan akurasi 99.91% dan RMSE terendah (0.0296). Logistic Regression menjadi runner-up yang lebih sederhana dan mudah diinterpretasi. K-Means tidak direkomendasikan untuk prediksi karena bersifat unsupervised.