GAME EDUKATIF SIMULASI PEMBUATAN SIM MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION SEBAGAI REKOMENDASI PENENTU KELULUSAN

AN EDUCATIVE GAME SIMULATION OF MAKING A DRIVER LICENSE USE NEURAL NETWORK BACKPROPAGATION AS RECOMMENDATIONS THE GRADUATION

Surat Izin Mengemudi (SIM) merupakan identifikasi dan bukti registrasi yang diberikan oleh Kepolisian Republik Indonesia khususnya bagian Satlantas (Satuan Lalu Lintas) kepada warga yang memenuhi berbagai persyaratan seperti sehat jasmani dan rohani, administrasi, memahami peraturan lalu lintas dan terampil mengemudikan kendaraan bermotor. Seringkali pengguna kendaraan bermotor belum lulus ketika melaksanakan ujian SIM karena belum sepenuhnya mengetahui teori tentang rambu dan marka jalan maupun mahir dalam mengendarai kendaraan. Dengan digunakannya game sebagai media sosialisasi, Satlantas Polrestabes Surabaya dapat memberikan informasi mengenai pembuatan SIM secara inovatif dan tepat sasaran, sehingga dapat lebih menarik minat masyarakat untuk belajar. Neural Network Backpropagation merupakan algoritma pembelajaran untuk memperkecil tingkat error dengan cara menyesuaikan bobotnya berdasarkan perbedaan output dan target yang diinginkan. Algoritma Neural Network Backpropagation pada game ini digunakan untuk menentukan kelulusan berdasarkan skor akhir dan waktu dalam menyelesaikan tiap tes. Dalam penentuan skor akhir, untuk tes teori didasarkan pada tingkat kebenaran menjawab soal, sedangkan untuk tes praktik didasarkan pada keberhasilan menuju garis finish tanpa menyentuh apapun. Penerapan algoritma Neural Network Backpropagation pada game simulasi pembuatan SIM ini menghasilkan nilai Mean Absolute Error (MAE) yang baik yaitu sebesar 0% pada percobaan algoritma Neural Network Backpropagation dengan nilai max epoch = 1500, learning rate = 0.3, dan toleransi error = 0.41 ketika tes teori dan praktik dengan masing – masing sebanyak 10 kali percobaan. Dan akurasi yang dilakukan dengan pengujian K-Fold Cross Validation menghasilkan akurasi sebesar 100 %.

Driver license is identification and registration evidence given by the Police of Indonesian Republic especially the Traffic Units to people who meet certain requirements, such as physical and spiritual health, administration, understand traffic regulation, and skillful motor steers a vehicle. Users of motor vehicles often failed when executing the driver license test because they don’t fully know theories about traffic signs and markings of roads or proficient in driving. With force game as media for the socialization, Traffic Unit of Large City Police Surabaya can inform about the production of driver license in innovative and effective ways so it can attract people to learn. Neural Network Backpropagation is algorithm learning to get any level error by means of adjust the weight based on differing output and a designated target. Neural Network Backpropagation Algorithm in this research is used to determine graduation based on a score at the end of the game and time in resolving every test. In the determination of the score at the end of the game, for test the theory based on the level of the truth when answer the question , while for the test practices based on the success of leading to the finish line without touch anything. The implementation of Neural Network Backpropagation Algorithm in this educative game simulation of making a driver license produces really good value Mean Absolute Error (MAE) as 0 % on the trial of Neural Network Backpropagation Algorithms with the max epoch is 1500, the learning rate is 0.3, and the error tolerance is 0.41 when theory and practice test with each 10 times experiment. And the accuracy carried out by testing K-Fold Cross Validation produces an accuracy of 100 %.