BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah"

Transkripsi

1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem pendidikan yang digunakan hingga saat ini sudah banyak memanfaatkan sistem informasi guna meningkatkan efisiensi dan efektivitas dalam pelayanan di bidang pendidikan. Keberhasilan suatu sistem informasi ialah apabila sudah dapat memenuhi segala kebutuhan pengguna dan untuk mengetahui tingkat keberhasilan sistem informasi tersebut perlu dilakukan suatu evaluasi. Secara umum istilah evaluasi dapat diartikan suatu proses pemberian pertimbangan mengenai nilai dan arti sesuatu yang dipertimbangkan. Sesuatu tersebut dapat berupa orang, benda, kegiatan, keadaan, atau suatu kesatuan/kelompok tertentu. Proses evaluasi selalu mengandung judgement (penilaian/penentuan) yang didasarkan oleh kriteria tertentu. Kriteria dapat ditentukan oleh evaluator sendiri atau dari pemberi tugas (Roswati, 2008). Evaluasi suatu sistem informasi adalah suatu usaha nyata untuk mengetahui kondisi sebenarnya suatu penyelenggaraan sistem informasi. Dengan evaluasi tersebut, capaian kegiatan penyelenggaraan suatu sistem informasi dapat diketahui dan tindakan lebih lanjut dapat direncanakan untuk memperbaiki kinerja penerapannya. Dalam mengevaluasi penerapan suatu sistem informasi perlu dilakukan penelitian untuk mengukur keberhasilan dari penerapan/implementasi sistem informasi tersebut. Telah banyak dilakukan penelitian terhadap evaluasi implementasi sistem informasi menggunakan metode HOT (Human Organization Technology) Fit. Hasil penelitian yang dilakukan oleh Sari (2010) menyatakan bahwa komponen organization dinilai masih kurang baik. Kekurangan organisasi karena tidak adanya persaingan antar puskesmas dalam implementasi SIMPUS (Sistem Informasi Manajemen Puskesmas) dan tidak dapatnya sistem dipakai untuk berkomunikasi dengan lingkungan luar. Komponen teknologi sudah dinilai baik dalam mendukung implementasi SIMPUS. Namun masih ada kekurangan yaitu sistem kurang fleksibel

2 mengikuti perubahan pengguna dan informasi yang dihasilkan SIMPUS kurang akurat. Penelitian yang dilakukan oleh Subagiyo (2011), mengembangkan kerangka evaluasi HOT (Human-Organization-Technology) Fit untuk mengevaluasi Sistem Informasi Kesehatan dengan menggabungkan model DeLone dan McLean, model UTAUT (Unified Theory of Acceptance and Use of Technology) dan disesuaikan dengan TTF (Task Technology Fit) model. Hasil penelitian ini adalah bahwa kerangka evaluasi mampu menjelaskan penggunaan dan penerimaan pengguna lebih baik dibandingkan penelitian-penelitian sebelumnya tanpa mengabaikan faktor teknologi dan organisasi. Menggunakan metode HOT Fit, hasil penelitian Bayu et al. (2013) menyatakan bahwa keberhasilan penerapan SIMRS (Sistem Informasi Manajemen Rumah Sakit) di RS PKU Muhammadiyah Sruweng dipengaruhi oleh adanya dukungan dan dorongan dari pihak manajerial kepada para pengguna SIMRS serta tersedianya kondisi fasilitas yang memadai di lingkungan Rumah Sakit. Yusof et al. (2013), khusus menggunakan Model HOT (Human-Organization- Technology) Fit untuk mengevaluasi efektivitas atau keberhasilan aplikasi Electronic Pemerintahan Malaysia, yaitu Monitoring System Project (PMS). Hasil penelitian menunjukkan bahwa model HOT-fit dapat diterapkan untuk mengevaluasi proyekproyek pemerintahan dan sistem informasi umum secara ketat, sistematis dan terstruktur. Model aplikasi yang fleksibel dapat memberikan gambaran yang komprehensif tentang faktor manusia, organisasi dan teknologi serta kesesuaian di antara ketiga faktor tersebut. Masih menggunakan model HOT Fit, Poluan et al. (2014), dalam penelitian-nya menunjukkan bahwa hubungan antara variabel Human, Organization, dan Technology mempunyai hubungan yang cukup kuat dan positif yang saling mempengaruhi satu dengan yang lain serta ketiganya mempunyai hubungan yang kuat dan searah terhadap Net Benefit dari sistem. Demikian juga dengan Murnita (2014) menggunakan model HOT Fit dalam penelitiannya menyatakan bahwa kinerja SIM farmasi dikategorikan baik hanya dari

3 aspek technology sedangkan dari aspek human dan organization dikategorikan kurang baik. Dari hal tersebutlah yang menyebabkan belum terpenuhinya kebutuhan keakuratan dan kecepatan penyediaan informasi. Dengan beragamnya penelitian yang sudah dilakukan menggunakan model HOT Fit dan memperoleh hasil yang berbeda-beda dalam evaluasi implementasi sistem informasi, maka peneliti mengembangkan model HOT Fit untuk mengukur tingkat keberhasilan sistem informasi akademik menggunakan neural network. Yusof et al. (2006) menyatakan bahwa model HOT Fit menempatkan komponen penting dalam sistem informasi yakni Manusia (Human), Organisasi (Organization) dan Teknologi (Technology) dan kesesuaian hubungan di antaranya. Dari beberapa hasil penelitian yang telah dilakukan, maka model yang dipakai pada penelitian ini merupakan replikasi model penelitian yang telah dilakukan oleh Yusof et al. (2013), sehingga terdapat empat variabel dari evaluasi implementasi sistem informasi yang akan dilakukan, yaitu : a. Manajemen Puncak (Top Management) b. Manusia (Human) difokuskan pada Pengguna (User) c. Teknologi (Technology) d. Organisasi (Organization) Peranan manajemen puncak mengandung banyak variabel didalamnya. Terdapat tiga variabel dari peranan manajemen puncak yang diuji terhadap kesuksesan implementasi sistem informasi, yaitu (Tripalguna, 2012) : a. Dukungan manajemen puncak (Support) b. Partisipasi atau keikutsertaan manajemen puncak (involvement) c. Komitmen manajemen puncak (commitment) Menggunakan Model TUTO (Top Management-User-Technology- Organization), diharapkan evaluasi yang dilakukan terhadap implementasi sistem informasi akademik akan lebih kompleks dan akurat. Sistem informasi akademik yang akan dikaji menggunakan regresi linier dan Neural Network (Jaringan Syaraf Tiruan) dengan metode feedforward backpropagation.

4 Penelitian menggunakan neural network dengan metode feedforward backpropagation juga telah banyak dilakukan. Penelitian Abdullah et al. (2010), menyatakan bahwa hasil simulasi dan percobaan membuktikan bahwa tingkat ketelitian pengenalan pola tergantung pada jumlah epoch yang digunakan serta setting learning ratenya. Algoritma feedforward backpropagation telah terbukti dapat digunakan untuk pengenalan pola sidik jari dan memiliki error recognition yang sangat kecil. Febrina et al. (2013) hasil penelitiannya mengatakan bahwa menggunakan jaringan multi layer feedforward diperoleh nilai MAPE pengujian data sebesar 5,7134% yang artinya tingkat akurasi termasuk sangat baik karena dibawah 10% sehingga menunjukkan verifikasi data antara data aktual dengan JST tidak ada perbedaan yang signifikan. Demikian juga hasil penelitian Tanjung (2015) mengatakan bahwa pengujian jaringan saraf dilakukan dengan memasukkan data pelatihan dan pengujian diperoleh hasil pengujian sampai 100% sesuai dengan target yang di inginkan. Regresi linier digunakan untuk mengetahui hubungan antara satu variabel bebas dengan variabel terikat dan nilai masing-masing yang dihasilkan akan menjadi bobot dalam arsitektur multilayer neural network (arsitektur layar jamak) yang akan digunakan. Jaringan Syaraf Tiruan (JST) merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data. Secara sederhana, JST adalah sebuah alat pemodelan data statistik nonlinier. Dalam JST apabila dimasukkan informasi baru yang belum pernah dipelajari, maka JST itu masih akan tetap dapat memberikan tanggapan yang baik, memberikan keluaran yang paling mendekati. 1.2 Rumusan Masalah Hal-hal yang akan dikaji dari penelitian ini adalah variabel manajemen puncak, pengguna, teknologi dan organisasi yang mana belum diketahui dapat bekerja secara

5 optimum berhubungan dengan variabel layanan sistem informasi akademik. Berkenaan dengan hal itu, beberapa pertanyaan yang perlu diperhatikan ialah sebagai berikut : a. Bagaimana hubungan antara manajemen puncak dengan layanan sistem informasi akademik, pengguna dengan layanan sistem informasi akademik, teknologi dengan layanan sistem informasi akademik dan organisasi dengan layanan sistem informasi akademik b. Bagaimana mengukur keberhasilan implementasi sistem informasi akademik dinilai dari layanan sistem informasi akademik, dilihat dari variabel keberhasilan manajemen puncak (top management), pengguna (user), teknologi (technology), dan organisasi (organization) dengan pengujian terhadap variabel-variabel menggunakan uji validitas, uji reliabilitas dan uji regresi c. Bagaimana mengukur tingkat kelayakan implementasi sistem informasi akademik tersebut menggunakan neural network dengan metode feedforward backpropagation. 1.3 Batasan Masalah Dalam mengevaluasi implementasi sistem informasi akademik, maka peneliti membuat batasan masalah yang akan dibahas pada : a. Manajemen Puncak (top management) yang diharapkan memberikan dukungan, partisipasi dan komitmen b. Pengguna (user) yang akan diteliti adalah beberapa mahasiswa dalam sebuah institusi perguruan tinggi yang aktif pada tahun ajaran 2014/2015 semester genap c. Teknologi (technology) yang akan diteliti adalah sebuah sistem informasi akademik yang telah diimplementasi hingga tahun ajaran 2014/2015 semester genap d. Organisasi (organization) yang akan diteliti adalah sebuah institusi perguruan tinggi swasta e. Digunakan neural network dengan metode feedforward backpropagation untuk mengukur tingkat kelayakan implementasi sistem informasi akademik.

6 1.4 Tujuan Penelitian Menjawab pertanyaan pada rumusan masalah, maka tujuan dalam penelitian ini adalah: a. Mengetahui hubungan antara manajemen puncak dengan layanan sistem informasi akademik, pengguna dengan layanan sistem informasi akademik, teknologi dengan layanan sistem informasi akademik dan organisasi dengan layanan sistem informasi akademik b. Mengukur keberhasilan implementasi sistem informasi akademik dinilai dari layanan sistem informasi akademik, dilihat dari variabel keberhasilan manajemen puncak (top management), pengguna (user), teknologi (technology), organisasi (organization) dengan pengujian terhadap variabel-variabel menggunakan uji validitas, uji reliabilitas dan uji regresi c. Mengukur tingkat kelayakan implementasi sistem informasi akademik tersebut menggunakan neural network dengan metode feedforward backpropagation. 1.5 Manfaat Penelitian Dengan tercapainya tujuan dari penelitian ini, maka manfaat yang diperoleh adalah : a. Dari keempat faktor antara manajemen puncak (top management), pengguna (user), teknologi (technology), organisasi (organization) dapat diketahui faktor mana yang lebih berpengaruh terhadap implementasi sistem informasi akademik b. Mengetahui tingkat keberhasilan implementasi sistem informasi akademik yang dinilai dari layanan sistem informasi akademik, dilihat dari variabel keberhasilan manajemen puncak (top management), pengguna (user), teknologi (technology), organisasi (organization) dengan pengujian terhadap variabel-variabel menggunakan uji validitas, uji reliabilitas dan uji regresi c. Mengetahui tingkat kelayakan implementasi sistem informasi akademik tersebut menggunakan neural network dengan metode feedforward backpropagation.

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini akan diuraikan materi yang mendukung dalam pembahasan evaluasi implementasi sistem informasi akademik berdasarkan pengembangan model fit HOT menggunakan regresi linier

Lebih terperinci

BAB I PENDAHULUAN. Teknologi informasi merupakan salah satu teknologi yang sedang. berkembang dengan pesat pada saat ini. Dengan kemajuan teknologi

BAB I PENDAHULUAN. Teknologi informasi merupakan salah satu teknologi yang sedang. berkembang dengan pesat pada saat ini. Dengan kemajuan teknologi BAB I PENDAHULUAN A. Latar Belakang Teknologi informasi merupakan salah satu teknologi yang sedang berkembang dengan pesat pada saat ini. Dengan kemajuan teknologi informasi, pengaksesan terhadap data

Lebih terperinci

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kebutuhan akan prediksi semakin meningkat pada era globalisasi saat ini sejalan dengan keinginan masyarakat khususnya pelaku bisnis untuk memberikan tanggapan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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 terperinci

PENGEMBANGAN MODEL FIT HUMAN ORGANIZATION TECHNOLOGY (HOT) MENGGUNAKAN REGRESI LINIER DAN NEURAL NETWORK TESIS RATNA WATI SIMBOLON

PENGEMBANGAN MODEL FIT HUMAN ORGANIZATION TECHNOLOGY (HOT) MENGGUNAKAN REGRESI LINIER DAN NEURAL NETWORK TESIS RATNA WATI SIMBOLON PENGEMBANGAN MODEL FIT HUMAN ORGANIZATION TECHNOLOGY (HOT) MENGGUNAKAN REGRESI LINIER DAN NEURAL NETWORK TESIS RATNA WATI SIMBOLON 137038019 PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN

Lebih terperinci

1. Pendahuluan. 1.1 Latar Belakang

1. Pendahuluan. 1.1 Latar Belakang 1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar

Lebih terperinci

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6

Penerapan 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 terperinci

EVALUASI KESIAPAN PENGGUNA DALAM ADOPSI SISTEM INFORMASI TERINTEGRASI DI BIDANG AKADEMIK PERGURUAN TINGGI MENGGUNAKAN METODE HOT FIT MUHAMMAD NASIR

EVALUASI KESIAPAN PENGGUNA DALAM ADOPSI SISTEM INFORMASI TERINTEGRASI DI BIDANG AKADEMIK PERGURUAN TINGGI MENGGUNAKAN METODE HOT FIT MUHAMMAD NASIR EVALUASI KESIAPAN PENGGUNA DALAM ADOPSI SISTEM INFORMASI TERINTEGRASI DI BIDANG AKADEMIK PERGURUAN TINGGI MENGGUNAKAN METODE HOT FIT MUHAMMAD NASIR Fakultas Ilmu Komputer, Universitas Bina Darma, Palembang,

Lebih terperinci

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang. sangat diperlukan masyarakat. Pelayanan rumah sakit termasuk pelayanan

BAB I PENDAHULUAN. A. Latar Belakang. sangat diperlukan masyarakat. Pelayanan rumah sakit termasuk pelayanan BAB I PENDAHULUAN A. Latar Belakang Rumah sakit adalah suatu sarana untuk melakukan upaya kesehatan yang sangat diperlukan masyarakat. Pelayanan rumah sakit termasuk pelayanan farmasi, merupakan komponen

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Dalam perkembangan teknologi yang semakin pesat ini banyak sekali perubahan perkembangan yang telah terjadi untuk membantu kehidupan masyarakat. Dalam perkembangan

Lebih terperinci

BAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang

BAB 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 terperinci

1 PENDAHULUAN 1.1 Latar Belakang

1 PENDAHULUAN 1.1 Latar Belakang 1 PENDAHULUAN 1.1 Latar Belakang Curah hujan merupakan faktor yang berpengaruh langsung terhadap perubahan cuaca yang semakin memburuk. Curah hujan merupakan total air hujan yang terjatuh pada permukaan

Lebih terperinci

2014 ESTIMASI BEBAN PUNCAK HARIAN BERDASARKAN KLUSTER TIPE HARI BERBASIS ALGORITMA HYBRID SWARM PARTICLE-ARTIFICIAL NEURAL NETWORK

2014 ESTIMASI BEBAN PUNCAK HARIAN BERDASARKAN KLUSTER TIPE HARI BERBASIS ALGORITMA HYBRID SWARM PARTICLE-ARTIFICIAL NEURAL NETWORK BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di negara yang memiliki jumlah populasi penduduknya besar dan perkembangan industrinya mengalami peningkatan, tentunya memiliki tingkat kebutuhan akan sumber

Lebih terperinci

EVALUASI KEBERHASILAN IMPLEMENTASI SISTEM INFORMASI DENGAN PENDEKATAN HOT FIT MODEL (Studi Kasus : Perpustakaan STMIK AMIKOM Purwokerto)

EVALUASI KEBERHASILAN IMPLEMENTASI SISTEM INFORMASI DENGAN PENDEKATAN HOT FIT MODEL (Studi Kasus : Perpustakaan STMIK AMIKOM Purwokerto) Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 EVALUASI KEBERHASILAN IMPLEMENTASI SISTEM INFORMASI DENGAN PENDEKATAN HOT FIT MODEL (Studi Kasus : Perpustakaan STMIK

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai

Lebih terperinci

BAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu

BAB 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 terperinci

PENGENALAN 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 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 terperinci

APLIKASI 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 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 terperinci

ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)

ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) 1 Musli Yanto, 2 Sarjon Defit, 3 Gunadi Widi Nurcahyo

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Semakin kuatnya kedudukan dan fungsi Badan Pemeriksa Keuangan Republik Indonesia (BPK RI) sebagai lembaga tinggi negara diikuti dengan semakin meningkatnya tuntutan

Lebih terperinci

1. PENDAHULUAN 1.1 Latar Belakang

1. PENDAHULUAN 1.1 Latar Belakang 1 1. PENDAHULUAN 1.1 Latar Belakang Program studi merupakan garda terdepan dalam penyelenggaraan pendidikan dari sebuah perguruan tinggi, karena program studi merupakan satuan rencana belajar terkecil

Lebih terperinci

MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA

MODEL 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 terperinci

BAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem

BAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem 1 BAB I PENDAHULUAN 1.1. Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia yang memiliki keunikan. Salah satu bagian sistem biometrika

Lebih terperinci

lalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,

lalu menghitung sinyal keluarannya menggunakan fungsi aktivasi, LAMPIRAN 15 Lampiran 1 Algoritme Jaringan Syaraf Tiruan Propagasi Balik Standar Langkah 0: Inisialisasi bobot (bobot awal dengan nilai random yang paling kecil). Langkah 1: Menentukan maksimum epoch, target

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI Dalam bab ini dilakukan penelitian yang sebenarnya dengan membuat account baru dan melakukan pelatihan data data dengan menggunakan jaringan syaraf tiruan pada program Microsoft

Lebih terperinci

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT

Lebih terperinci

PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT

PENERAPAN 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Investasi merupakan suatu rangkaian tindakan menanamkan sejumlah dana dengan tujuan mendapatkan nilai tambah berupa keuntungan dimasa yang akan datang. Dalam perkembangannya

Lebih terperinci

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR Sofi Dwi Purwanto Teknik Informatika Universitas Islam Negeri Maulana Malik

Lebih terperinci

Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)

Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama

Lebih terperinci

BAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.

BAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. BAB 1 PENDAHULUAN 1.1 Latar Belakang Cepatnya perubahan fluktuasi harga index saham membuat para pemegang saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. Saham yang mempunyai

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN digilib.uns.ac.id BAB III METODOLOGI PENELITIAN 3.1 Studi Literatur Studi ini dilakukan dengan cara mencari dan membaca berbagai literatur serta karya-karya penelitian mengenai topik penelitian yang sudah

Lebih terperinci

APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA

APLIKASI 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

APLIKASI 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 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 terperinci

BAB 2 KONSEP DASAR PENGENAL OBJEK

BAB 2 KONSEP DASAR PENGENAL OBJEK BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Rumah sakit memegang peranan penting dalam sistem pelayanan kesehatan nasional. Sebagai institusi kesehatan, rumah sakit dituntut untuk mengorganisir staf medis dan

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengklasifikasian merupakan salah satu metode statistika untuk mengelompok atau menglasifikasi suatu data yang disusun secara sistematis. Masalah klasifikasi sering

Lebih terperinci

ISSN : e-proceeding of Engineering : Vol.4, No.3 Desember 2017 Page 3130

ISSN : e-proceeding of Engineering : Vol.4, No.3 Desember 2017 Page 3130 ISSN : 355-9365 e-proceeding of Engineering : Vol.4,.3 Desember 07 Page 330 PERANCANGAN DAN IMPLEMENTASI SISTEM PENCAHAYAAN RUANGAN BERBASIS JARINGAN SYARAF TIRUAN DESIGN AND IMPLEMENTATION OF INDOOR LIGHTING

Lebih terperinci

BAB I PENDAHULUAN. sakit yaitu dengan menggunakan komputer di manajemen rumah sakit

BAB I PENDAHULUAN. sakit yaitu dengan menggunakan komputer di manajemen rumah sakit BAB I PENDAHULUAN A. Latar Belakang Perkembangan ilmu pengetahuan dan teknologi kedokteran pada saat ini pihak rumah sakit juga harus mengembangkan pelayanan yang akan diberikan kepada pihak internal maupun

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan

Lebih terperinci

PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)

PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas

Lebih terperinci

BAB I PENDAHULUAN A. Latar Belakang Masalah kesehatan masyarakat didominasi ketidakmampuan masyarakat dalam menangani kesehatan diri maupun

BAB I PENDAHULUAN A. Latar Belakang Masalah kesehatan masyarakat didominasi ketidakmampuan masyarakat dalam menangani kesehatan diri maupun BAB I PENDAHULUAN A. Latar Belakang Masalah kesehatan masyarakat didominasi ketidakmampuan masyarakat dalam menangani kesehatan diri maupun lingkungannya, karena sebagian besar masyarakat masih tergantung

Lebih terperinci

BAB I PENDAHULUAN. yang menyerupai otak manusia yang dikenal dengan jaringan syaraf tiruan.

BAB I PENDAHULUAN. yang menyerupai otak manusia yang dikenal dengan jaringan syaraf tiruan. BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi saat ini dapat dimanfaatkan untuk membantu dan menggantikan kelemahan-kelemahan manusia, salah satu bentuk dari kecanggihan teknologi tersebut adalah

Lebih terperinci

2 2 ... v... 3 Santoso... 21 abawa... 29... 37... 53... 59... 67... 77 Yohakim Marwanta... 85... 89... 101 ... 109... 117 D. Jaringan Komputer Amirudd... 135 andha... 141... 151... 165 Syahrir... 171...

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola

Lebih terperinci

2.1. Dasar Teori Bandwidth Regression

2.1. Dasar Teori Bandwidth Regression 2.1. Dasar Teori 2.1.1. Bandwidth Bandwidth adalah ukuran kapasitas dari sistem transmisi (Comer, 2004) Bandwidth adalah konsep pengukuran yang sangat penting dalam jaringan, tetapi konsep ini memiliki

Lebih terperinci

BAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu

BAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu BAB III METODE PENELITIAN 3.1 Pengumpulan Data Beban Listrik dari PLN Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu selama lima tahun pada periode 2006-2010, selanjutnya data

Lebih terperinci

JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM

JARINGAN 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 terperinci

VOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :

VOL. 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 terperinci

IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION

IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Dalam perspektif ekonomi terkini, nilai suatu organisasi bergantung pada tingkat pengetahuan sumber daya manusianya dan hal ini menghadirkan tantangan bagi unit-unit

Lebih terperinci

Architecture Net, Simple Neural Net

Architecture 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 terperinci

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

BAB 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 terperinci

BAB II NEURAL NETWORK (NN)

BAB II NEURAL NETWORK (NN) BAB II NEURAL NETWORK (NN) 2.1 Neural Network (NN) Secara umum Neural Network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. NN ini merupakan

Lebih terperinci

JURNAL SAINS DAN INFORMATIKA

JURNAL SAINS DAN INFORMATIKA 39 Fauzul Sains Amri, dan Jaringan Informatika Syaraf Vol.1 Tiruan (N0.1) untuk (2015): Memprediksi 37-43 JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com

Lebih terperinci

Architecture Net, Simple Neural Net

Architecture Net, Simple Neural Net Architecture Net, Simple Neural Net 1 Materi 1. Perceptron 2. ADALINE 3. MADALINE 2 Perceptron Perceptron lebih powerful dari Hebb Pembelajaran perceptron mampu menemukan konvergensi terhadap bobot yang

Lebih terperinci

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

PREDIKSI 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 terperinci

Kesehatan balita bisa diketahui salah satunya melalui penilaian status gizinya. Penelitian ini bertujuan untuk mempermudah

Kesehatan balita bisa diketahui salah satunya melalui penilaian status gizinya. Penelitian ini bertujuan untuk mempermudah 16 khazanah informatika Jurnal Ilmu Komputer dan Informatika 1* 1 1 Program Studi Informatika Universitas Muhammadiyah Surakarta Surakarta *fyai181@ums.ac.id Kesehatan balita bisa diketahui salah satunya

Lebih terperinci

Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation

Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation 65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah

Lebih terperinci

BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)

BAB 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 terperinci

Jaringan 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) 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 terperinci

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis

Lebih terperinci

BAB I PENDAHULUAN. Machine learning (ML), bagian dari kecerdasan buatan (artificial

BAB I PENDAHULUAN. Machine learning (ML), bagian dari kecerdasan buatan (artificial BAB I PENDAHULUAN 1. 1.1. Latar Belakang Machine learning (ML), bagian dari kecerdasan buatan (artificial intelligence), merupakan metode untuk mengoptimalkan performa dari sistem dengan mempelajari data

Lebih terperinci

ANALISIS 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 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 terperinci

BAB 3 PEMBAHASAN. pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun 1986 mendirikan

BAB 3 PEMBAHASAN. pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun 1986 mendirikan BAB 3 PEMBAHASAN 3.1 Rumah Sakit Pondok Indah 3.1.1 Latar Belakang Guna memenuhi kebutuhan masyarakat akan adanya rumah sakit swasta dengan pelayanan kesehatan prima, Pt Binara Guna Mediktama pada tahun

Lebih terperinci

1 Pendahuluan. 1.1 Latar Belakang Masalah

1 Pendahuluan. 1.1 Latar Belakang Masalah 1 Pendahuluan 1.1 Latar Belakang Masalah Kebutuhan masyarakat akan perkiraan cuaca terutama curah hujan ini menjadi sangat penting untuk merencanakan segala aktifivitas mereka. Curah hujan juga memiliki

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Jawa Timur memiliki daya tarik wisata yang luar biasa tersebar di 38 Kabupaten/Kota yang ada. Berbagai daya tarik wisata itu tidak lepas dari banyaknya pengunjung.

Lebih terperinci

PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Dwi Marisa Midyanti Sistem Komputer Universitas Tanjungpura Pontianak Jl Prof.Dr.Hadari Nawawi, Pontianak

Lebih terperinci

SATIN Sains dan Teknologi Informasi

SATIN Sains dan Teknologi Informasi SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Penerapan Jaringan Syaraf Tiruan Untuk Estimasi Needs

Lebih terperinci

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah

Penggunaan 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 terperinci

MILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang

MILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang Bab 1 PENDAHULUAN 1.1 Latar Belakang Beberapa tahun belakangan ini, jaringan syaraf tiruan telah berkembang dengan pesat. Berbagai aplikasi telah memanfaatkan jaringan syaraf tiruan dalam penerapannya,

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Beberapa tahun terakhir ini, terlihat perkembangan penelitian yang pesat pada berbagai bidang ilmu komputer, dan penggunaan ilmu komputer pada kendaraan telah mencapai

Lebih terperinci

Jurnal Informatika Mulawarman Vol 5 No. 1 Februari

Jurnal 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Peranan teknologi informasi dan komunikasi dalam menunjang sistem operasional dan manajerial pada instansi pemerintah dewasa ini dirasakan semakin penting. Dengan adanya

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX

T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kabupaten Purworejo adalah daerah agraris karena sebagian besar penggunaan lahannya adalah pertanian. Dalam struktur perekonomian daerah, potensi daya dukung

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK

PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Berkala Fisika ISSN : 1410-9662 Vol.18, No.4, Oktober 2015, hal 151-156 PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Zaenal

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan Teknologi Informasi atau Information Technology (IT)

BAB I PENDAHULUAN. Perkembangan Teknologi Informasi atau Information Technology (IT) BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan Teknologi Informasi atau Information Technology (IT) pada dekade terakhir ini meningkat sejalan dengan tingkat kebutuhan manusia terhadap teknologi

Lebih terperinci

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

IMPLEMENTASI 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 terperinci

BAB I PENDAHULUAN. paling parah dan paling lama tingkat pemulihannya akibat krisis keuangan

BAB I PENDAHULUAN. paling parah dan paling lama tingkat pemulihannya akibat krisis keuangan BAB I PENDAHULUAN 1.1 Latar Belakang Krisis keuangan yang terjadi di Asia pada pertengahan tahun 1997 diawali di Thailand dan merembet ke berbagai negara di Asia lainnya seperti di Indonesia, Malaysia,

Lebih terperinci

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera

Lebih terperinci

Peramalan Jumlah Permintaan Produksi Menggunakan Metode Jaringan Syaraf Tiruan (JST) Backpropagation

Peramalan Jumlah Permintaan Produksi Menggunakan Metode Jaringan Syaraf Tiruan (JST) Backpropagation Jurnal Teknik Industri, Vol.1, No.2, Juni 2013, pp.174-179 ISSN 2302-495X Peramalan Jumlah Permintaan Produksi Menggunakan Metode Jaringan Syaraf Tiruan (JST) Backpropagation Mira Febrina 1, Faula Arina

Lebih terperinci

ANALISIS DAN IMPLEMENTASI APLIKASI PENGENALAN SUARA MENJADI TEKS MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION

ANALISIS DAN IMPLEMENTASI APLIKASI PENGENALAN SUARA MENJADI TEKS MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION ANALISIS DAN IMPLEMENTASI APLIKASI PENGENALAN SUARA MENJADI TEKS MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION ANALYSIS AND IMPLEMENTATION OF SPEECH TO TEXT APPLICATION USING BACKPROPAGATION

Lebih terperinci

KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK ANALISA KARAKTERISTIK SESEORANG

KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK ANALISA KARAKTERISTIK SESEORANG KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK ANALISA KARAKTERISTIK SESEORANG [1] Ahmad Fahrudi Setiawan, [2] Alam Katon Agung [1], [2] Institut Teknologi Nasional

Lebih terperinci

ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, M. Rhifky Wayahdi 2 1 Dosen Teknik Informatika,

Lebih terperinci

PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK

PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan

Lebih terperinci

JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA

JARINGAN 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 terperinci

Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series

Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika

Lebih terperinci

Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)*

Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* 1)Stasiun Meteorologi Supadio Pontianak Badan Meteorologi

Lebih terperinci

BAB I PENDAHULUAN A. Latar Belakang Masalah Rumah sakit sebagai sebuah organisasi bisnis non profit dituntut untuk mampu menjalankan proses

BAB I PENDAHULUAN A. Latar Belakang Masalah Rumah sakit sebagai sebuah organisasi bisnis non profit dituntut untuk mampu menjalankan proses BAB I PENDAHULUAN A. Latar Belakang Masalah Rumah sakit sebagai sebuah organisasi bisnis non profit dituntut untuk mampu menjalankan proses operasional, teknis dan strategis yang lebih efisien dan efektif.

Lebih terperinci

BACKPROPAGATION 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 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 terperinci

RENCANA PEMBELAJARAN SEMESTER

RENCANA 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 terperinci

Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation

Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation DOSEN PEMBIMBING Prof. Dr. Moh. Isa Irawan, M.T. Dr. Imam Mukhlash,

Lebih terperinci