\ ABSTRAKSI Integrated Laboratory (ilab) Universitas Gunadarma sebagai salah satu lembaga di Universitas Gunadarma yang menyelenggarakan kegiatan prak
|
|
- Adi Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SCHEDULING APPLICATION PRACTICUM INTEGRATED LABORATORY (I-LAB) GUNADARMA UNIVERSITY USING NEURAL NETWORKS Lis Noorchayati, Dr. Asep Juarna, SSi, MKom Undergraduate Program, Information Systems Gunadarma University Keywords: Scheduling, Practical, Integrated Laboratory, Artificial Neural Network, Perceptron ABSTRACT Integrated Laboratory (ilab) Gunadarma University as one of the institute at the University of Gunadarma the independent lab conducting, scheduling lab work requires an appropriate system. Preparation of an independent lab schedule is of course very important considering the schedule lab work that has been made must not interfere with the activities of the course. Based on these needs, the research practicum developed a scheduling application by implementing a neural network. Artificial neural network used is a method whereby perceptron neural network models were created to identify the lab schedule available on lecture schedule. Neural network system in the process of learning to adjust to the preparation of the scheduling pattern. Application has been to provide a solution for scheduling lab work that does not disturb the lecture schedule. 1
2 \ ABSTRAKSI Integrated Laboratory (ilab) Universitas Gunadarma sebagai salah satu lembaga di Universitas Gunadarma yang menyelenggarakan kegiatan praktikum mandiri, membutuhkan suatu sistem penjadwalan praktikum yang tepat. Penyusunan jadwal praktikum mandiri ini tentu saja sangat penting mengingat jadwal praktikum yang telah dibuat tidak boleh menggangu kegiatan perkuliahan. Berdasarkan kebutuhan tersebut, maka penelitian ini mengembangkan suatu aplikasi penjadwalan praktikum dengan mengimplementasikan jaringan syaraf tiruan. Jaringan syaraf tiruan yang digunakan adalah metode perceptron dimana model jaringan syaraf tersebut dibuat untuk mengidentifikasikan jadwal praktikum yang tersedia berdasarkan jadwal perkuliahan. Sistem jaringan syaraf tiruan melakukan proses pembelajaran untuk menyesuaikan terhadap pola penyusunan penjadwalan. Aplikasi ini sudah dapat memberikan suatu solusi untuk penjadwalan praktikum yang tidak menggangu jadwal perkuliahan. Kata Kunci : Penjadwalan, Praktikum, Integrated Laboratory, Jaringan Syaraf Tiruan, Perceptron 1. PENDAHULUAN Laboratorium mandiri di Universitas Gunadarma (ilab) adalah lembaga yang memiliki kewenangan terhadap penyelenggaraan praktikum materi kuliah komputer, serta penyampaian segala informasi yang berkaitan dengan praktikum. Keberadaan laboratorium mandiri sangat penting bagi kegiatan perkuliahan, karena dari sinilah terjadi pemahaman mahasiswa terhadap teori yang telah diberikan oleh dosen di kelas. Setiap awal semester, BAAK dan Laboratorium Jurusan mengirimkan jadwal perkuliahan dan jadwal praktikum 2
3 reguler. Dengan menggunakan ketentuan yang ada, ilab melakukan penjadwalan praktikum mandiri untuk semua mata kuliah yang ditawarkan oleh setiap jurusan. Proses penjadwalan ini yang masih dilakukan secara manual sehingga tidak mudah dikerjakan dan rentan terhadap human error. Hal ini akan berpengaruh terhadap banyaknya waktu yang diperlukan dalam dan sudah tidak mungkin untuk digunakan mengingat jumlah dan jadwal praktikum yang cukup padat. Sebagai penunjang mata kuliah, praktikum mandiri tidak boleh bentrok atau bertabrakan dengan jadwal perkuliahan di kelas maupun dengan praktikum reguler. Namun setelah pembuatan jadwal praktikum telah selesai dibuat, masih sering terjadi bentrok. Hal ini selain karena adanya faktor human error, disebabkan pula adanya perubahan jadwal perkuliahan dan praktikum reguler sehingga harus dijadwal kembali secara manual. Sedangkan untuk menyesuaian antara jadwal praktikum dengan jadwal perkuliahan tersebut tidak dapat dilakukan secara cepat 2. LANDASAN TEORI 2.1 Penjadwalan Baker (1974) mengatakan bahwa penjadwalan merupakan alokasi dari sumber daya terhadap waktu untuk menghasilkan sebuah kumpulan pekerjaan. Dalam praktek penjadwalan menghasilkan rencana dengan tahapan waktu (jadwal) dari kegiatan. Jadwal menunjukkan apa yang haras dilakukan, kapan, oleh siapa dan dengan peralatan apa. Menurut Morton (1993), penjadwalan adalah aturan atau proses pengorganisasian, pemilihan, dan penentuan waktu penggunaan tempat atau sumber-sumber untuk mengerjakan semua aktivitas yang diperlukan yang memenuhi kendala aktivitas dan sumber daya. Penjadwalan Laboratorium adalah pengaturan aktivitas kegiatan yang berhubungan dengan laboraturium tersebut. 2.2 Praktikum Praktikum adalah subsistem dari perkuliahan yang merupakan kegiatan terstruktur dan terjadwal yang memberi kesempatan kepada mahasiswa untuk mendapatkan pengalaman yang nyata 3
4 dalam rangka meningkatkan pemahaman mahasiswa tentang teori atau agar mahasiswa menguasai keterampilan tertentu yang berkaitan dengan suatu pengetahuan atau suatu mata kuliah. 2.3 Jaringan Syaraf Tiruan Jaringan syaraf tiruan (artificial neural network), atau disingkat JST, adalah sistem komputasi di mana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologis di dalam otak, yang merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba menstimulasi proses pembelajaran pada otak manusia tersebut. JST dapat digambarkan sebagai model matematis dan komputasi untuk fungsi aproksimasi non-linear, klasifikasi data cluster dan regresi non-parametrik atau sebuah simulasi dari koleksi model syaraf biologi Model Neuron Seperti halnya otak manusia, jaringan syaraf tiruan juga terdiri dari beberapa neuron dan ada hubungan antara neuron-neuron tersebut. Beberapa neuron akan mentransformasikan informasi yang diterimanya melalui sambungan keluaran menuju neuron lainnya. Dengan kata lan, neuron/sel syaraf adalah sebuah unit pemroses informasi yang merupakan dasar operasi jaringan syaraf tiruan. Gambar di bawah ini menunjukkan contoh suatu neuron. Gambar 2.1 Struktur Unit Jaringan Syaraf Tiruan Pada sisi sebelah kiri terlihat beberapa masukan yang menuju unit pengolah yang masing-masing datang dari unit-unit yang berbeda x(n). setiap sambungan mempunyai kekuatan hubungan terkait (bobot) yang disimbolkan dengan x(n). Unit pengolahan akan membentuk penjumlahan berbobot dari setiap masukannya dan menggunakan fumngsi aktivasi untuk menghitung keluarannya. Hasil perhitungan akan dikirimkan melalui hubungan keluarannya seperti tampak pada gambar sisi sebelah kanan. 2.4 Perceptron Model jaringan perceptron 4
5 ditemukan oleh Rosenblatt (1962) dan Minsky Papert (1969). Model tersebut merupakan model yang memiliki aplikasi dan pelatihan yang paling baik pada era tersebut. Perceptron lapis tunggal dapat dikatakan sebagai salah satu teknik jaringan syaraf tiruan yang sederhana. Umumnya, perceptron digunakan untuk mengklasifikasikan suatu pola tertentu Arsitektur Jaringan Arsitektur jaringan perceptron terdiri dari beberapa unit masukan (ditambah sebuah bias), dan memiliki sebuah unit keluaran. Hanya saja fungsi aktivasi bukan merupakan fungsi biner (atau bipolar), tetapi memiliki kemungkinan nilai -1, 0 atau 1. Fungsi aktivasi dibuat dengan tujuan untuk memisahkan antara daerah positif dengan daerah negatif. Untuk suatu harga threshold (batas ambang) θ yang ditentukan : dan Pelatihan Perceptron Algoritma pelatihan perceptron adalah sebagai berikut : Inisialisasi semua bobot dan bias ( umumnya w i = b = 0) Tentukan laju pemahaman (=α). Untuk penyederhanaan biasaya α diberi nilai = 1 Selama ada elemen vektor masukan yang respon unit keluarannya tidak sama dengan target, lakukan : Set aktivasi unit masukan x i = s i (i = 1, n). Hitung respon unit keluaran : Perbaiki pola yang mengandung kesalahan ( y t) menurut persamaan : (i = 1,, n) dengan dengan Secara geometris, fungsi aktivasi membentuk 2 garis lurus sekaligus masing-masing dengan persamaan : Keterangan : s adalah vektor masukan dan t adalah target keluaran 5
6 α adalah laju pemahaman (learning rate) yang ditentukan θ adalah ambang batas yang ditentukan 2.5 Pemrograman dengan MATLAB Matlab merupakan perangkat lunak yang cocok dipakai sebagai alat komputasi yang melibatkan penggunaan matriks dan vektor. Fungsi-fungsi dalam toolbox Matlab dibuat untuk memudahkan perhitungan tersebut. Sebagai contoh Matlab dengan mudah digunakan untuk menyelesaikan permasalahan system persamaan linear, program linear dengan simpleks, hingga system yang kompleks sepertiperamalan beruntun, pengolahan citra, dan lain-lain. Banyak model jaringan syaraf tiruan menggunakan manipulasi matriks/vektor dalam itarasinya. Matlab merupakan perangkat lunak yang cocok. Matlab menyediakan toolbox yang sangat bagus untuk menyelesaikan model jaringan syaraf tiruan. Sebenarnya penyelesaian berbagai model JST tidak jauh berbeda. Diawali dengan pembentukan vektor masukan dan target, lalu dilatih untuk mendapatkan bobot yang diinginkan. 3. PEMBAHASAN 3.1. Komponen Penjadwalan Praktikum Dalam menyusun jadwal praktikum, terdapat beberapa komponen yang terlihat. Selanjutnya akan diuraikan komponen yang terlibat dan penggunaan jaringan syaraf tiruan dalam proses penjadwalan praktikum. Berikut ini adalah daftar komponen yang terlibat : 1. Mata kuliah praktikum Banyaknya praktikum yang diselenggarakan mulai dari tingkat 1 sampai tingkat Kelas Banyaknya kelas dan praktikum harus dipertimbangkan mengingat jumlah shift dan jumlah tempat duduk (cluster) yang tersedia 3. Shift praktikum Waktu pelaksanaan praktikum. Pada ilab untuk setiap praktikum dilaksanakan selama dua jam. Saat ini terdapat 8 shift. 4. Ruangan dan jumlah tempat duduk 6
7 Ruangan ilab mempunyai 2 ruangan, masing-masing berada di Kampus H Kelapa Dua. Berikut ini adalah daftar ruangan dan tempat duduk (cluster) ilab. Tabel 3.1 Daftar Ruang ilab Nama Nom Lokasi Ruangan or Lanta i Laboratori um 2 Lanta i 2 Kampus H, Kelapa dua Laboratori um 3 Lanta i 3 Kampus H, Kelapa dua F F01 F58 58 G G01 G30 30 H H01 H54 54 I I01 I58 58 Daftar tempat duduk pada tabel 3.2 merupakan tempat duduk yang tersedia di pada lantai Diagram Aliran Penjadwalan Praktikum Sampai tahun akademik PTA 2009/2010, ruangan yang digunakan hanya pada lantai 3. Tabel 3.2 Daftar Tempat Duduk (Cluster) Cluster Nomor awal terminal Nomor akhir terminal Banyak terminal komputer A A01 A60 60 B B01 B85 85 C C01 C42 42 D D01 D59 59 E E01 E54 54 Gambar 3.1 Diagram Aliran Penjadwalan Praktikum 3.2. Pencarian Calon Shift dengan Jaringan Syaraf Tiruan Calon shift adalah shift praktikum yang dapat dijadwalkan untuk semua kelas. Dari jadwal perkuliahan dan 7
8 praktikum reguler, akan ditentukan calon shift praktikum kelas yang digunakan sebagai dasar dalam menyusun jadwal praktikum. Jadwal praktikum reguler pada kasus ini akan dimasukkan ke dalam jadwal perkuliahan. Kondisi yang diterapkan : 1. Kelas yang akan dijadwalkan praktikum, tidak hanya di hari libur kuliah tetapi pada waktu kosong perkuliahan Selain pada hari libur, sistem juga akan menjadwalkan praktikum pada waktu kosong perkuliahan tertentu. 2. Waktu kosong awal perkuliahan Waktu kosong antara jam awal kuliah dengan shift praktikum yang ditentukan. 3. Waktu kosong akhir perkuliahan Waktu kosong antara jam terakhir kuliah dengan shift praktikum yang ditentukan Diagram Aliran Pencarian Calon Shift Gambar 3.2 Diagram Aliran Pencarian Calon Shift Berikut ini adalah algoritma pencarian calon shift praktikum : 1. Kelas yang akan dijadwalkan praktikum tidak hanya di hari libur perkuliahan tetapi pada waktu kosong perkuliahan 2. Periksa jadwal perkuliahan kelas pada satu hari terhadap kondisi : Apakah pada shift tertentu, kelas tersebut mempunyai waktu kosong awal perkuliahan Ditentukan terlebih dahulu shift praktikum. Selanjutnya tentukan pula jadwal kelas yang akan diperiksa, apakah kelas tersebut mempunyai waktu kosong awal perkuliahan 8
9 dengan shift praktikum tersebut. Jika kelas tersebut mempunyai waktu kosong awal maka akan dinyatakan sebagai calon awal dengan nilai 1. Jika tidak mempunyai waktu kosong awal maka akan dinyatakan bukan calon awal dengan nilai Periksa jadwal perkuliahan kelas pada satu hari terhadap kondisi: Apakah pada shift tertentu, kelas tersebut mempunyai waktu kosong akhir perkuliahan Ditentukan terlebih dahulu shift praktikum. Selanjutnya tentukan pula jadwal kelas yang akan diperiksa, apakah kelas tersebut mempunyai waktu kosong akhir perkuliahan dengan shift praktikum tersebut. Jika kelas tersebut mempunyai waktu kosong akhir maka akan dinyatakan sebagai calon akhir dengan nilai 1. Jika tidak mempunyai waktu kosong akhir maka akan dinyatakan bukan calon akhir dengan nilai Pembuatan Jaringan Syaraf Tiruan Dalam menyusun penjadwalan, jaringan syaraf tiruan digunakan pada proses seleksi kondisi yang telah ditentukan oleh pengguna. Berikut adalah desain jaringan syaraf tiruan yang akan digunakan untuk menyusun jadwal praktikum. Masukan Masukan terhadap jaringan syaraf tiruan adalah jadwal perkuliahan kelas dalam satu hari. Format data masukan adalah: - 1 berarti pada shift tersebut dinyatakan sebagai calon awal atau calon akhir - 0 berarti pada shift tersebut dinyatakan bukan sebagai calon awal atau calon akhir Keluaran Jumlah keluaran jaringan syaraf tiruan adalah sebanyak 1 neuron dengan format keluaran berupa bilangan biner. Jika shift tertentu mempunyai calon awal dan calon akhir maka shift tersebut dinyatakan sebagai calon shift praktikum. - 1 berarti shift tersebut dinyatakan 9
10 calon shift praktikum (dapat dijadwalkan) - 0 berarti shift tersebut dinyatakan bukan calon shift praktikum (tidak dapat dijadwalkan) Berikut adalah konfigurasi jaringan syaraf tiruan yang akan dibuat: Fungsi aktivasi yang digunakan adalah Perceptron dengan single layer Fungsi aktivasi hardlim Penjadwalan Praktikum Kondisi yang diterapkan 1. Jumlah tempat duduk setiap shift berbeda Jumlah tempat duduk pada setiap shift mempunyai jumlah yang berbeda. Shift ganjil, yaitu 1, 3, 5, dan 7 mempunyai kapasitas 289 dan shift genap, yaitu 2, 4, 6, dan 8 mempunyai kapasitas 211 tempat duduk. 2. Shift praktikum suatu kelas dalam satu hari Dalam satu hari, suatu kelas dapat dijadwalkan satu atau dua praktikum sekaligus. 4. HASIL DAN IMPLEMENTASI 4.1 Perancangan Jaringan Arsitektur Mengacu pada jaringan arsitektur, dan kebutuhan untuk target, diperlukan sebuah neuron. Untuk nilai masukan telah diketahui bahwa setiap inputan direpresentasikan dengan 2 nilai yang berbeda. Karena itu, masukan untuk masalah ini adalah sebanyak 2. Neuron tersebut akan menghasilkan nilai digunakan untuk mengidentifikasi target. Selanjutnya, arsitektur neural network untuk menyelesaikan persoalan ini adalah seperti gambar berikut. Gambar 4.1 Jaringan Perceptron Membangun Aturan Belajar Instruksi pertama yang diperlukan adalah newp, instruksi untuk membuat jaringan neural dengan metode perceptron. Instruksi ini memiliki syntax newp(pr,s), dengan PR adalah matrix berdimensi Rx2 yang berisi nilai minimum dan maksimum dengan R adalah banyaknya masukan ke setiap 10
11 neuron. Untuk kasus ini, akan ada 2x2 matriks yang menjadi masukan bagi setiap neuron dengan nilai minimum dan maksimum masing-masing adalah nol dan satu. Sedangkan S adalah banyaknya neuron, karena banyaknya neuron sama dengan satu, maka S =1. Untuk menginisialisasi jaringan bagi neuron tersebut di Matlab, digunakan instruksi newp >> net = newp([0 1;0 1], 1); inisialisasi bobot awal : >> net.iw {1,1} = [-1 1]; inisialisasi bobot bias : >> net.b{1} = [1] Sedangkan data masukan untuk masing-masing masukkan >> p = [ [1;1] [1;0] [0;1] [0;0] ] Selanjutnya, target yang diinginkan dari neuron tersebut adalah >> t = [ ] kemudian lanjutkan dengan pelatihan >> net = train (net, p, t) Untuk mengetahui bobot (dan bias) pada keadaan optimal, ditampilkan net.iw dan net.b >> Disp (net.iw {1,1}) 1 2 >>Disp (net.b{1}) -3 Jadi w1 =1, w2 =2, dan b = Persiapan Pengujian Data yang digunakan dalam pengujian Jaringan Syaraf Tiruan adalah data semester ATA 2009/2010. Tabel 4.1 Daftar Kelas Tingkat No. Kelas Kelas 1DC DA DB DD EB IA KA DA
12 02 3DB DD EB IA Daftar Mata Kuliah Praktikum Tabel 4.2 Daftar Mata Kuliah Praktikum Nama Praktikum Kode Mata Kuliah Pemrograman Berorientasi AK Objek (Java) Teknik Pemrograman IT Terstruktur 2 Matematika Lanjut 2 IT Teknik Pemrograman IT Terstruktur 2 Teknik Riset Operasional IT Pengantar Basis Data IT Pemrograman Berbasis AK Objek Statistika 2 IT Rekayasa Komputasional AK Teori Bahasa dan Otomata IT Riset Akuntansi PB Pemasaran Jasa 2 IT Komputerisasi Anggaran 2 AK & Prak. Komputerisasi IT Peranggaran 2 & Prak. Pemeriksaan Akuntansi 2 IT Auditing 2 & Prak. IT Komputer Perpajakan AK Manajemen Akuntansi Manajemen IT Shift Praktikum Ruang Laboratorium dan Tempat Duduk Jadwal Kuliah Berikut ini contoh jadwal kuliah dari jurusan Sistem Informasi untuk tingkat 2, dari kelas 2KA01 sampai 2KA02. Tabel 4.3 Jadwal Kuliah Kelas Hari Mata Kuliah Dosen WaktuRuang Manajemen & Diana 2KA01Senin SIM 2 * Ikasari 7/8 E328 Matematika 2KA01Senin Lanjut 2 ** Fitriningsih9/10 E328 12
13 Teori Organisasi Ajie 2KA02Rabu Akuntansi 2 Masliah 1/2 G345 2KA01 Rabu Umum 2 # Wahyujati 3/4 G144 Sri Matematika Umi 2KA02Rabu Statistika 2 Rakhmawati3/4 G345 Sistem Informasi Solihah Teknik Pemrog. Rani 2KA01 Rabu 2 Endang S 6/7 2KA02Rabu G129 Terstruktur 2 ** Puspita 6/7 G133 Teknik Pemrog. Rani 2KA01 Rabu Terstruktur 2 ** Puspita 8/9 2KA02Rabu G129 Pendidikan Agama Islam Hamdani 9/10 G133 Sistem Operasi 2KA01 Kamis ** Setia Wirawan 2/3 E327 Struktur & Organisasi Data Betty Struktur & Organisasi Data 2KA01 Kamis 2 * 2KA01 Jum'at Statistika 2 2KA02Jum'at2 * Suswati 2/3/4 G242 Betty Teori Organisasi Ekaning Suswati 4/5/6 2KA02Jum'at E327 Umum 2 # Setyarini 7/8 G223 Komsi Manajemen & Lista Koranti 1/2 2KA02Jum'at G244 SIM 2 * Kuspriatni 9/10 G223 2KA01 Jum'at Akuntansi 2 B Sundari 3/4 G244 Pendidikan 4.3 Analisis 2KA01 Jum'at Agama Islam Maswanih 7/8 G136Analisa akan dilakukan terhadap 3 kelas dari jurusan Sistem Informasi tingkat 2 yaitu kelas 2KA01 sampai Tabel 4.3 Jadwal Kuliah [Lanjutan] 2KA03. Kelas Hari Mata Kuliah Dosen WaktuRuang Pencarian Calon Shift Sistem Operasi 2KA02 Selasa ** Matematika 2KA02 Selasa Lanjut 2 ** Matematika Kunto Praktikum Wibowo 3/4 G142Dari Daftar Calon Shift, akan Borkat dilakukan pengecekan pada 13 kelas Ritonga 6/7 tersebut. G123 Berikut adalah Jadwal Henny perkuliahan dan Jadwal Calon Shift untuk Sistem Informasi Widowati kelas kelas 2KA01 sampai 2KA13. 2KA02 Selasa 2 Farida 8/9 G123 13
14 Tabel 4.4 Daftar Calon Shift Praktikum Setiap Kelas Kelas Hari Shift 2KA01 Senin 1 2KA01 Senin 2 2KA01 Senin 3 2KA01 Senin 4 2KA01 Selasa 1 2KA01 Selasa 2 2KA01 Selasa 3 2KA01 Selasa 4 2KA01 Selasa 5 2KA01 Selasa 6 2KA01 Selasa 7 2KA01 Selasa 8 2KA01 Kamis 8 Tabel 4.4 Daftar Calon Shift Praktikum Setiap Kelas [Lanjutan] Kelas Hari Shift 2KA02 Senin 1 2KA02 Senin 2 2KA02 Senin 3 2KA02 Senin 4 2KA02 Senin 5 2KA02 Senin 6 2KA02 Senin 7 2KA02 Senin 8 2KA02 Kamis 1 2KA02 Kamis 2 2KA02 Kamis 3 2KA02 Kamis 4 2KA02 Kamis 5 2KA02 Kamis 6 2KA02 Kamis 7 2KA02 Kamis 8 Dari Daftar Calon Shift kelas 2KA01 sampai 2KA02 dapat dilihat bahwa calon shift yang diperoleh dari Jaringan Syaraf Tiruan semuanya cocok dengan kondisi yang telah diterapkan dan tidak terdapat waktu bentrok dengan jadwal perkuliahan. Hal ini menunjukkan bahwa Jaringan Syaraf Tiruan dapat digunakan dalam proses Penentuan Calon Shift Praktikum Perbandingan Jadwal Praktikum Dari Daftar Jadwal Praktikum, berikut adalah perbandingan Jadwal Praktikum dan Daftar Calon Shift untuk kelas kelas kelas 2KA01 sampai 2KA13. Tabel 4.5 Perbandingan Jadwal Praktikum Kelas Hari Mata Kuliah Shift Ruang 14
15 Matematika KA01 Senin Lanjut ** H331 Teknik Pemrograman Terstruktur KA01 Senin ** H331 Matematika KA02 Kamis 2KA02 Kamis Lanjut ** Teknik Pemrograman Terstruktur 2 ** H H331 Matematika Gambar 4.2 Jadwal Praktikum 2KA03 Senin Lanjut ** H331 Teknik Pemrograman 5. PENUTUP Terstruktur Kesimpulan 2KA03 Senin ** H331 Dalam proses penjadwalan 4.4 Jadwal Praktikum Berikut adalah jadwal praktikum yang telah disusun dari aplikasi. praktikum, terdapat 2 proses utama yaitu: 1. Penentuan calon shift praktikum, proses seleksi jadwal perkuliahan untuk mencari shift yang dapat diisi dengan praktikum. 2. Penjadwalan praktikum kelas, proses penjadwalan praktikum berdasarkan jumlah tempat duduk, shift, kelas, mata kuliah praktikum, dan ruang ilab. Dari kedua proses tersebut, jaringan syaraf tiruan digunakan pada 15
16 proses pertama. Berdasarkan hasil pengujian yang dilakukan dimana semua shift kelas yang ditentukan sebagai calon waktu praktikum oleh jaringan syaraf tiruan sebagai waktu praktikum, memang tidak menggangu/ bentrok dengan jadwal perkuliahan. Aplikasi ini sudah dapat memberikan solusi penjadwalan praktikum untuk hari, shift, dan ruang praktikum pada masing-masing kelas. 5.2 Saran Pengembangan kegiatan praktikum ilab masih terus berlangsung. Penjadwalan untuk semester selanjutnya belum dapat dibuktikan karena adanya penambahan ruangan dan tempat duduk, sehingga masih banyak kemungkinan untuk pengembangan. Untuk penggunaan jaringan syaraf tiruan tidak hanya terbatas dalam proses penjadwalan praktikum, tetapi juga untuk bentuk penjadwalan lainnya. DAFTAR PUSTAKA [1] Arif Hermawan, Jaringan Saraf Tiruan, Teori dan Aplikasi. Yogyakarta, ANDI, [2] Demuth Howard and Beale Mark, Neural Network Toolbox For Use With MATLAB, Edisi 4, The MathWorks, Inc, [3] Diyah Puspitaningrum, Pengantar Jaringan Saraf Tiruan, Andi, Jakarta, [4] Jaja Jamaludin Malik, Tip & Trik Unik Delphi Lanjutan, Andi, Jakarta, [5] Jong Jek Siang, Jaringan Syaraf Tiruan dan Pemrogramannya MEnggunakan Matlab, Andi, Yogyakarta, [6] Mike Susmikanti dan Arya Adhiyaksa, Identifikasi Huruf Menggunakan Metode Pembelajaran Perceptron Dalam Jaringan Neural, Prosiding Semiloka Teknologi Simulasi dan Komputasi serta Aplikasi, Pusat Pengembangan Teknologi Informasi dan Komputasi BATAN, 2005, hlm 1-9. [7] Siska Primangingrum (Penterjemah), Sistem Pendukung Keputusan Dan Sistem Cerdas, Jilid 2, Andi, Yogyakarta, [8] Wahana Komputer, Membuat Program Kreatif dan Profesional dengan Delphi, PT Elex Media Komputindo, Jakarta,
17 [9] Yahya Yanuar, Pemrograman Delphi dengan Database Microsorft SQL Server, PT Elex Media Komputindo, Jakarta, [10] diunduh pada tanggal 10 April [11] diunduh pada tanggal 9 Juni [12] diunduh pada tanggal 1 Juli
PERANCANGAN SISTEM MANAJEMEN RUANG KULIAH MENGGUNAKAN JARINGAN SYARAF TIRUAN (STUDI KASUS PADA FIKST UNIVERSITAS DHYANA PURA)
PERANCANGAN SISTEM MANAJEMEN RUANG KULIAH MENGGUNAKAN JARINGAN SYARAF TIRUAN (STUDI KASUS PADA FIKST UNIVERSITAS DHYANA PURA) I Gusti Ngurah Anom Cahyadi Putra 1) Made Agung Raharja 2) Program Studi Sistem
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
Lebih terperinciPENGGUNAAN METODE JARINGAN NEURAL PERCEPTRON UNTUK MENGENAL POLA KARAKTER KAPITAL
J. Pilar Sains 6 (2) Juli 2007 Jurusan Pendidikan MIPA FKIP Universitas Riau ISSN 1412-5595 PENGGUNAAN METODE JARINGAN NEURAL PERCEPTRON UNTUK MENGENAL POLA KARAKTER KAPITAL Zaiful Bahri 1 Dosen Program
Lebih terperinciRANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON Liza Afriyanti Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam
Lebih terperinciMENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB
POLITEKNOSAINS VOL. X NO. 2 Juni 2011 MENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB Yaya Finayani Teknik Elektro, Politeknik Pratama Mulia, Surakarta 57149, Indonesia ABSTRACT
Lebih terperinciAnalisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Analisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia Muhammad Ulinnuha
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperinciJaringan Syaraf Tiruan
Jaringan Syaraf Tiruan (Artificial Neural Network) Intelligent Systems Pembahasan Jaringan McCulloch-Pitts Jaringan Hebb Perceptron Jaringan McCulloch-Pitts Model JST Pertama Diperkenalkan oleh McCulloch
Lebih terperinciIMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI
IMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI Andi Harmin Program Studi : Teknik Komputer STMIK Profesional Makassar andiharmin1976@gmail.com
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciMEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG)
MEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG) R. Ayu Mahessya, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas
Lebih terperinciBAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
Lebih terperinciPENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION
PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION Amriana 1 Program Studi D1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik UNTAD ABSTRAK Jaringan saraf tiruan untuk aplikasi
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinciterinspirasi dari sistem biologi saraf makhluk hidup seperti pemrosesan informasi
25 BAB III JARINGAN SARAF TIRUAN (JST) 3.1 Pengertian JST JST merupakan sebuah model atau pola dalam pemrosesan informasi. Model ini terinspirasi dari sistem biologi saraf makhluk hidup seperti pemrosesan
Lebih terperinciBACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA
BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA Anggi Purnama Undergraduate Program, Computer Science, 2007 Gunadarma Universiy http://www.gunadarma.ac.id
Lebih terperinciBAB VIII JARINGAN SYARAF TIRUAN
BAB VIII JARINGAN SYARAF TIRUAN A. OTAK MANUSIA Otak manusia berisi berjuta-juta sel syaraf yang bertugas untuk memproses informasi. Tiaptiap sel bekerja seperti suatu prosesor sederhana. Masing-masing
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2015 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan untuk Memprediksi Prestasi
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI PRODUKTIVITAS PEGAWAI. Jasmir, S.Kom, M.Kom
ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI PRODUKTIVITAS PEGAWAI Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Pegawai atau karyawan merupakan
Lebih terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Eka Putri Tambun (0722118) Jurusan Teknik Elektro Universitas Kristen
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION Zulkarnain Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja
Lebih terperinciJurnal Informatika Mulawarman Vol 5 No. 1 Februari
Jurnal Informatika Mulawarman Vol 5 No. 1 Februari 2010 50 Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER Program Studi: Statistika Fakultas: Sains dan Matematika Mata Kuliah: Jaringan Syaraf Tiruan Kode: AST21-415 SKS: 3 Sem: VI Dosen Pengampu: Dr. Budi Warsito, S.Si, M.Si. Capaian
Lebih terperinciIMPLEMENTASI JARINGAN SARAF TIRUAN HAMMING DALAM KASUS PENGENALAN POLA ANGKA DAN HURUF. Oleh : M. Husaini., S.T., M.T Dosen IAIN Bandar Lampung
IMPLEMENTASI JARINGAN SARAF TIRUAN HAMMING DALAM KASUS PENGENALAN POLA ANGKA DAN HURUF Oleh : M. Husaini., S.T., M.T Dosen IAIN Bandar Lampung 1. ABSTRAKSI Jaringan Saraf Tiruan (JST) mempunyai prinsip
Lebih terperinciAnalisis Jaringan Saraf Tiruan Pengenalan Pola Huruf Hiragana dengan Model Jaringan Perceptron
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 017 ISSN: 085-70X Analisis Jaringan Saraf Tiruan Pengenalan Pola Huruf Hiragana dengan Model Jaringan Perceptron Irfan Ramadhani
Lebih terperinciBAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciJADWAL PRAKTIKUM ILAB TINGKAT 1
JADWAL PRAKTIKUM ILAB TINGKAT 1 KELAS MATA PRAKTIKUM HARI SHIFT LANTAI FAKULTAS ILMU KOMPUTER &TEKNOLOGI INFORMASI 1DB01 1DB0 1DB0 Pengantar Sistem Komputer 09.0-11.0 Praktikum Algoritma & Pemrograman
Lebih terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Model Neuron JST 2. Arsitektur JST 3. Jenis Arsitektur JST 4. MsCulloh Pitts 5. Jaringan Hebb 2 Model Neuron JST X1 W1 z n wi xi; i1 y H ( z) Y1 X2 Y2 W2
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI
APLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI Muhamad Arifin SMK Telkom Malang Email: arifin@smktelkom-mlg.sch.id Khoirudin Asfani Fakultas Teknik, Universitas Negeri Malang
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA PERCEPTRON PADA POLA PENENTUAN NILAI STATUS KELULUSAN SIDANG SKRIPSI
PENERAPAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA PERCEPTRON PADA POLA PENENTUAN NILAI STATUS KELULUSAN SIDANG SKRIPSI Musli Yanto Teknik Informatika Fakultas Ilmu Komputer Universit as Putra I ndo nesia
Lebih terperinciJaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
Lebih terperinciJaringan Syaraf Tiruan. Disusun oleh: Liana Kusuma Ningrum
Jaringan Syaraf Tiruan Disusun oleh: Liana Kusuma Ningrum Susilo Nugroho Drajad Maknawi M0105047 M0105068 M01040 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. menggunakan teknik statistik, matematika, kecerdasan buatan, tiruan dan machinelearning
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data mining adalah kombinasi secara logis antara pengetahuan data, dan analisa statistik yang dikembangkan dalam pengetahuan bisnis atau suatu proses yang menggunakan
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 21 Anatomi Ayam Pengetahuan tentang anatomi ayam sangat diperlukan dan penting dalam pencegahan dan penanganan penyakit Hal ini karena pengetahuan tersebut dipakai sebagai dasar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciSistem Pendukung Keputusan
Sistem Pendukung Keputusan Pertemuan 2 Titik Lusiani, M.Kom, OCP Prodi Sistem Informasi Sub Pokok Bahasan 1. Konsep Sistem Pendukung Keputusan 2. Sistem Pendukung Keputusan Kelompok 3. Sistem Informasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Jaringan Syaraf Tiruan (artificial neural network), atau disingkat JST menurut Hermawan (2006, hlm.37) adalah sistem komputasi dimana arsitektur dan operasi
Lebih terperinciPenerapan E-Learning Berbasis Moodle Menggunakan Metode Problem Based Learning di SMK Negeri 1 Pasuruan Teguh Arifianto
Penerapan E-Learning Berbasis Moodle Menggunakan Metode Problem Based Learning di SMK Negeri 1 Pasuruan Teguh Arifianto Sistem Pendukung Keputusan Penentuan Sales Penerima Insentif Menggunakan Metode Simple
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Barcode Salah satu obyek pengenalan pola yang bisa dipelajari dan akhirnya dapat dikenali yaitu PIN barcode. PIN barcode yang merupakan kode batang yang berfungsi sebagai personal
Lebih terperinciJARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS)
JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS) (Artificial Neural Networks) BAB I PENDAHULUAN 1.1 Sejarah JST JST : merupakan cabang dari Kecerdasan Buatan (Artificial Intelligence ) JST : meniru
Lebih terperinciKLASIFIKASI KELAINAN JANTUNG ANAK MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION A B S T R A K
KLASIFIKASI KELAINAN JANTUNG ANAK MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION Oleh : Gunawan Abdillah, Agus Komarudin, Rachim Suherlan A B S T R A K Kelainan jantung anak merupakan salah
Lebih terperinciJARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM
JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM INTRODUCTION Jaringan Saraf Tiruan atau JST adalah merupakan salah satu representasi tiruan dari otak manusia yang selalu
Lebih terperinciARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A
ARTIFICIAL NEURAL NETWORK CAHYA YUNITA 5213100001 ALVISHA FARRASITA 5213100057 NOVIANTIANDINI 5213100075 TEKNIK PERAMALAN - A MATERI Neural Network Neural Network atau dalam bahasa Indonesia disebut Jaringan
Lebih terperinciPENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR ABSTRAK
PENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR Rosihan Ari Yuana Program Studi Pendidikan Matematika Universitas Sebelas Maret ABSTRAK Aplikasi jaringan
Lebih terperinciSebelumnya... Pembelajaran Mesin/Machine Learning Pembelajaran dengan Decision Tree (ID3) Teori Bayes dalam Pembelajaran
Sebelumnya... Pembelajaran Mesin/Machine Learning Pembelajaran dengan Decision Tree (ID3) Teori Bayes dalam Pembelajaran Kecerdasan Buatan Pertemuan 11 Jaringan Syaraf Tiruan (Artificial Neural Network)
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinciJaringan Syaraf Tiruan
Jaringan Syaraf Tiruan Pendahuluan Otak Manusia Sejarah Komponen Jaringan Syaraf Arisitektur Jaringan Fungsi Aktivasi Proses Pembelajaran Pembelajaran Terawasi Jaringan Kohonen Referensi Sri Kusumadewi
Lebih terperinciBAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Universitas Muhammadiyah Ponorogo merupakan salah satu universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang terdiri dari : 3 program studi
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 2.1 Jaringan Syaraf Biologi Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Otak terdiri dari neuron-neuron dan penghubung yang disebut
Lebih terperinciRealisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen
Realisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen David Novyanto Candra/0322003 Email: dave_christnc@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jln.Prof.Drg.Suria
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciKey words: Artificial Neural Network, Exponential Smoothing, Prediction, Electrical Energy Need.
PREDIKSI KEBUTUHAN ENERGI LISTRIK SULAWESI UTARA MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN METODE EXPONENTIAL SMOOTHING Febry Hontong 1), Tritiya Arungpadang 2), Johan Neyland 3) Jurusan Teknik Mesin Universitas
Lebih terperinciMuhammad Fahrizal. Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpanglimun Medan
IMPLEMENTASI JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI SERVICE KENDARAAN RODA 4 DENGAN METODE BACKPROPAGATION (STUDI KASUS PT. AUTORENT LANCAR SEJAHTERA) Muhammad Fahrizal Mahasiswa Teknik Informatika STMIK
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA (Studi Eksplorasi Pengembangan Pengolahan Lembar Jawaban Ujian Soal Pilihan Ganda di
Lebih terperinciANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN
ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Karyawan atau tenaga kerja adalah bagian
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
Lebih terperinciBAB III METODOLOGI PENELITIAN
38 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Peramalan, Curah Hujan, Knowledge Discovery in Database, Jaringan Saraf Tiruan, Backpropagation, Optimalisasasi Backpropagation Pengumpulan
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK PENGENALAN POLA PEMBUKAAN PERMAINAN CATUR
APLIKASI JARINGAN SYARAF TIRUAN UNTUK PENGENALAN POLA PEMBUKAAN PERMAINAN CATUR Zulfian Azmi Program Studi Sistem Komputer, STMIK Triguna Dharma zulfian.azmi@gmail.com ABSTRAK: Penelitian ini dilakukan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION [1] Novi Indah Pradasari, [2] F.Trias Pontia W, [3] Dedi Triyanto [1][3] Jurusan Sistem Komputer,
Lebih terperinciU N I V E R S I T A S G U N A D A R M A
U N I V E R S I T A S G U N A D A R M A FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI PENGETAHUAN DASAR AKORD BERBASIS ANN (ARTIFICIAL NEURAL NETWORK) DISUSUN OLEH NAMA : Achmad Sapari NPM : 20101059
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
Lebih terperinciPENYELESAIAN MASALAH TRAVELING SALESMAN PROBLEM DENGAN JARINGAN SARAF SELF ORGANIZING
Media Informatika, Vol. 6, No. 1, Juni 2008, 39-55 ISSN: 0854-4743 PENYELESAIAN MASALAH TRAVELING SALESMAN PROBLEM DENGAN JARINGAN SARAF SELF ORGANIZING Sukma Puspitorini Program Studi Teknik Informatika
Lebih terperinciResearch of Science and Informatic BROILER CHICKENS WEIGHT PREDICTION BASE ON FEED OUT USING BACKPROPAGATION
Sains dan Informatika Vol.2 (N0.2) (2016): 1-9 1 Andre Mariza Putra, Chickens Weight Prediction Using Backpropagation JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciPREDIKSI DATA RUNTUN WAKTU MENGGUNAKAN JARINGAN SYARAF TIRUAN
PREDIKSI DATA RUNTUN WAKTU MENGGUNAKAN JARINGAN SYARAF TIRUAN TIME SERIES DATA PREDICTION USING ARTIFICIAL NEURAL NETWORKS Agung Mubyarto Prodi Teknik Elektro, Universitas Jenderal Soedirman Jl. Kampus
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciDIAGNOSA GANGGUAN SALURAN PERNAFASAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
DIAGNOSA GANGGUAN SALURAN PERNAFASAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Bambang Yuwono 1), Heru Cahya Rustamaji 2), Usamah Dani 3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciTOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA
Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan
Lebih terperinciDAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan. Halaman Motto. Kata Pengantar.
DAFTAR ISI Halaman Judul i Lembar Pengesahan Pembimbing ii Lembar Pengesahan Penguji iii Halaman Persembahan iv Halaman Motto v Kata Pengantar vi Abstraksi viii Daftar Isi ix Daftar Gambar xii Daftar Tabel
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan akan piranti pengenal/pendeteksi yang handal sangat dibutuhkan. Pengembangan teknologi pengenalan yang berupa kecerdasan buatan (Artificial Intelligence)
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciPENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK
PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK Eko Budi Wahyono*), Suzuki Syofian**) *) Teknik Elektro, **) Teknik Informatika - Fakultas Teknik Abstrak Pada era modern
Lebih terperinciJaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang)
Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang) Hadi Syahputra Universitas Putra Indonesia YPTK Padang E-mail: hadisyahputra@upiyptk.ac.id
Lebih terperinciJARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA
JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA Dahriani Hakim Tanjung STMIK POTENSI UTAMA Jl.K.L.Yos Sudarso Km 6.5 Tanjung Mulia Medan notashapire@gmail.com Abstrak
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 004 Yogyakarta, 19 Juni 004 Klasifikasi Pola Menggunakan Jaringan Probabilistik Sri Kusumadewi Jurusan Teknik Informatika, Universitas Islam Indonesia Jl.
Lebih terperinciPROTOTYPE PENGATURAN LAMPU RUANG DENGAN JARINGAN SYARAF TIRUAN
PROTOTYPE PENGATURAN LAMPU RUANG DENGAN JARINGAN SYARAF TIRUAN Fatwa Yuniarti yuniarti_fatwa@yahoo.com Dosen Pembimbing : Dr. Haryanto, M.Pd, MT haryanto.ftuny@gmail.com Jurusan Pendidikan Teknik Elektro,
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciRANCANG BANGUN ALAT BANTU PENENTU POLA DISTRIBUSI INPUT DENGAN MEMANFAATKAN JARINGAN SYARAF TIRUAN DENGAN MENGGUNAKAN PERSENTIL SEBAGAI PENCIRI
RANCANG BANGUN ALAT BANTU PENENTU POLA DISTRIBUSI INPUT DENGAN MEMANFAATKAN JARINGAN SYARAF TIRUAN DENGAN MENGGUNAKAN PERSENTIL SEBAGAI PENCIRI Aris Tjahyanto Jurusan Sistem Informasi, Fakultas Teknologi
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinci