BAB I PENDAHULUAN 1.1 Latar Belakang Masalah
|
|
- Fanny Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pengelolaan Sumber Daya Manusia (SDM) merupakan salah satu bagian penting dalam perusahaan, instansi pemerintah maupun lembaga pendidikan dan pelatihan yang sangat mempengaruhi banyak aspek keberhasilan SDM dalam penentu keberhasilan kerja dari setiap perusahaan, instansi pemerintah dan swasta maupun lembaga pendidikan dan pelatihan. Proses penentuan satuan kerja merupakan suatu proses yang sangat menentukan dalam mendapatkan karyawan/personil yang kompeten yang di butuhkan pada suatu lembaga atau instansi, karena penempatan yang tepat dalam posisi jabatan yang tepat akan dapat membantu lembaga tersebut dalam mencapai tujuan yang di harapkan. Dalam proses pendidikan dan pelatihan para siswa Bintara Polisi Baru diberikan tes yang berhubungan dengan materi dan pelatihan yang didapat di SPN Kupang, sehingga dari tes tersebut didapat nilai-nilai yang nantinya dipakai sebagai bahan evaluasi penentuan kelulusan bagi Bintara Polisi Baru. Nilai yang nantinya akan dipakai dalam proses kelulusan siswa DIKTUKBRIG Polri adalah Nilai 3 aspek yang meliputi Akademik, Mental, dan Samjas. Ketiga nilai aspek ini akan dilaporkan pada sidang dewan pimpinan SPN untuk dijadikan acuan dalam menentukan kelulusan siswa DIKTUKBRIG Polri. Setelah dinyatakan lulus maka siswa DIKTUKBRIG Polri akan dilantik dan selanjutnya dilakukan proses penentuan satuan kerja bagi Bintara Polisi Baru pada satuan kerja wilayah POLDA NTT, sistem yang diberlakukan adalah sistem manual (penarikan lotre) untuk penentuan satuan kerja (Dit.Sabara, Dit.PolAir, dan SatBrimob), bagi setiap Brigadir Polri yang mendapatkan hasil dari sistem manual tersebut merupakan hasil final untuk dipakai dalam mengarahkan dan menempatkan meraka pada satuan kerja yang ada. Hal ini tentunya berpengaruh pada kinerja dan prestasi kerja dari personil polisi pada saat melaksanakan tugas dan tanggungjawab pada satuan kerja yang ada. Sistem yang dipakai saat ini juga mengakibatkan kesalahan dalam 1
2 2 menempatkan personil pada pekerjaan yang tidak sesuai dengan kompetensi yang didasarkan pada standar kriteria penentuan kepolisian RI. Berdasarkan uraian permasalahan tersebut, perlu dibangun sebuah sistem komputerisasi yang dapat digunakan SPN Kupang dalam mengatasi permasalah penentuan satuan kerja bagi bintara polisi baru. Sistem yang dibangun menerapkan struktur JST dengan model Fully Recurrent Neural Network yang memiliki kemampuan dalam mengatasi beberapa masalah seperti klasifikasi, prediksi, pengolahan data, dan robotik. Fully Recurrent Neural Network juga mempunyai kompleksitas arsitektur sistem yang dinamis karena mempunyai feedback yang dapat mempercepat proses iterasi dan membuat kecepatan update parameter dan konvergensi menjadi lebih cepat (Samarasingghe, 2006). Fully Recurrent Neural Network dapat mengatasi masalah-masalah sederhana dengan memanfaatkan pengetahuan awal yang tersedia dengan lebih baik (Fransconi, 1994). Menurut William, (1989) model Fully Recurrent Neural Network juga dirancang untuk dapat mengatasi masalah-masalah khusus, sehingga diharapkan dengan adanya sistem penentuan satuan kerja menggunakan model Fully Recurrent Neural Network dapat digunakan dalam penentuan satuan kerja pada SPN kupang. 1.2 Rumusan Masalah Berdasarkan latar belakang, maka masalah yang diangkat pada penelitian ini adalah Bagaimana membangun sistem penentuan satuan kerja bagi bintara polisi baru pada SPN kupang dengan menggunakan model Fully Recurrent Neural Network. 1.3 Batasan Masalah Untuk menjaga fokus dari penelitian ini, maka beberapa batasan yang diberikan dalam penelitian ini adalah sebagai berikut : 1. Data input berasal dari Nilai Hasil Pendidikan antara lain Nilai Akademik : Pengantar orientasi pendidikan (POP), KU (kompetensi
3 3 umum), KUT (kompetensi utama), KKS (kompetensi khusus), Nilai Latnis (latihan dan teknis), Nilai Mental, dan Nilai Samjas. 2. Output sistem berupa satuan kerja antara lain, Dit. Sabara, Dit.PolAir dan SatBrimob. 3. Faktor-faktor internal dan eksternal seperti hobi, hubungan kekerabatan, kegiatan pekerjaan lain, dan pengaruh lingkungan dan lain-lain yang mempengaruhi penentuan satuan kerja bagi setiap bintara polisi baru Sekolah Polisi Negara Kupang diabaikan. 1.4 Tujuan dan Manfaat Penelitian Tujuan Penelitian ini bertujuan untuk rancang bangun sistem jaringan syaraf tiruan dengan menerapkan Model Fully Recurrent Neural Network dalam menentukan satuan kerja bagi Bintara Polisi Baru berdasarkan nilai hasil pendidikan sehingga dapat memberikan informasi yang akurat kepada pihak SPN Kupang dalam membuat keputusan yang tepat dalam mengatasi masalah yang ada Manfaat Adapun manfaat yang diharapkan dari penulisan Penelitian ini adalah : 1. Dapat membantu proses penentuan satuan kerja bagi Bintara Polisi Baru pada SPN Kupang. 2. Dapat membantu mengatasi permasalahan yang dihadapi oleh pihak SPN Kupang sehubungan dengan proses penentuan satuan kerja. 1.5 Keaslian Penelitian Berdasarkan referensi yang dimiliki, dapat dikatakan bahwa penelitian yang membahas tentang Penentuan Satuan Kerja Bagi Bintara Polisi Baru pada Sekolah Polisi Negara menggunakan model Fully Recurrent Neural Network dengan studi kasus pada SPN Kupang belum pernah dilakukan. Walaupun demikian, terdapat penelitian terdahulu tentang topik dan metode sejenis dipaparkan dalam tinjauan pustaka dalam usulan penelitian ini.
4 4 1.6 Metodologi Penelitian Metode penelitian yang digunakan dalam penentuan satuan kerja Bintara Polisi Baru menggunakan Fully RNN sebagai berikut : 1. Pengumpulan Informasi Wawancara Melakukan wawancara dengan Pimpinan SPN Kupang untuk mendapatkan informasi yang akurat terkait dengan sistem yang sedang diteliti dan dikembangkan. Studi Kepustakaan Dalam menunjang penelitian ini, informasi juga bersumber dari studi pustaka yaitu dengan mempelajari beberapa buku teks, jurnal, dan karya ilmiah lainnya yang relevan dengan topik penelitian yang sedang dilakukan. 2. Analisis dan Perancangan Pada tahapan ini terdapat beberapa proses-proses antara lain seperti : desain input dan desain output serta perancangan arsitektur FRNN, dan penentuan proses pelatihan. 3. Implementasi Sistem Pada tahapan ini, melakukan rancang bangun sistem dan mengimplementasikan dengan perangkat lunak. Perangkat lunak yang digunakan adalah bahasa pemrograman C#. 4. Pengujian Sistem Pada tahap ini, dilakukan pengujian terhadap sistem yang akan dikembangkan dengan menggunakan data training dan testing, berupa Pengantar orientasi pendidikan, KU (kompetensi umum), KTU (kompetensi utama), KHS (kompetensi khusus), nilai latnis, nilai mental, dan nilai samjas. Sistem juga diharapkan dapat membantu SPN Kupang dalam menentukan satuan kerja yang dibutuhkan bagi Bintara Polisi Baru sesuai dengan fungsi dan tugas pokok.
5 5 1.7 Sistematika Penulisan Laporan tesis ini diorganisasikan dalam 7 bab dan diberi nomor secara berurutan dari I sampai VII dari masing-masing bab adalah sebagai berikut : 1. BAB I. PENDAHULUAN, berisi penjelasan tentang latar belakang, rumusan masalah, batasan masalah, tujuan dan manfaat, keaslian penelitian, metodologi penelitian, serta sistematika penulisan laporan tesis. 2. BAB II. TINJAUAN PUSTAKA, berisi uraian sistematis tentang informasi hasil-hasil penelitian sebelumnya dengan menghubungkannya dengan masalah penelitian yang sedang diteliti. 3. BAB III. LANDASAN TEORI, berisi pembahasan mengenai teori-teori yang dibutuhkan dan berhubungan dengan masalah yang akan dibahas dalam penelitian. 4. BAB IV. ANALISIS DAN PERANCANGAN SISTEM, berisi penjelasan tentang kontribusi utama yang dilakukan peneliti dalam merancang klasifikasi satuan kerja menggunakan jaringan syaraf tiruan. 5. BAB V. IMPLEMENTASI SISTEM, berisi implementasi sistem penentuan satuan kerja dengan bahasa pemrograman dari model yang telah di desain dengan pemilihan bahasa pemrograman. 6. BAB VI. HASIL PENELITIAN DAN PEMBAHASAN, berisi hasil penelitian yang digunakan untuk melakukan pengujian, skenario pengujian, indikator keberhasilan, hasil pengujian, dan analisis hasil pengujian. 7. BAB VII. KESIMPULAN DAN SARAN, berisi kesimpulan dari hasil pengujian dan analisis yang dilakukan dan membandingkannya dengan tujuan penelitian.
6 BAB II TINJAUAN PUSTAKA Dalam penelitian ini, digunakan beberapa referensi sumber pustaka yang berasal dari penelitian yang sudah dilakukan sebelumnya. Adapun beberapa penelitian tentang evaluasi atau kelayakan yang sudah pernah dilakukan sebelumnya, seperti yang dilakukan Sugiyanto dkk. (2009) yang melakukan penelitian tentang penentuan kompetensi mahasiswa untuk membentuk suatu sistem pengambilan keputusan dalam merencanakan kompetensi mahasiswa sesuai dengan kemampuan yang dimiliki. Penelitian yang serupa juga dilakukan oleh Nasibu (2009) melakukan penelitian untuk mengembangkan sistem pengambilan keputusan untuk penempatan karyawan dengan menerapkan metode Analytical Hierarchi Process (AHP) menggunakan aplikasi Expert Choice agar dapat memberikan gambaran solusi terhadap masalah pemilihan karyawan yang berprestasi untuk menduduki jabatan strategis. Hal yang sama dilakukan Maharani dkk. (2010) membuat sebuah sistem aplikasi pengambilan keputusan untuk memudahkan pihak manajemen dalam proses seleksi karyawan, khususnya pada proses penilaian hasil tes psikologi dalam bentuk keluaran nilai intensitas prioritas calon karyawan tertinggi. Sistem aplikasi penentuan keputusan untuk menentukan pekerjaan di bidang teknologi informasi juga dilakukan Kaswidjanti dkk. (2010) dengan menggunakan kombinasi metode Fuzzy Logic-Tahani untuk melakukan pembobotan mengadaptasi metode direct data entry dalam memasukan langsung nilai dari kriteria atau alternatif dan selanjutnya membuat rasio perbandingan dari masing-masing node berdasarkan nilai yang dimiliki dengan rentang nilai berdasarkan node diatasnya. Penelitian serupa kembali dilakukan oleh Marwanta (2010) melakukan penelitian tentang Sistem Pengambilan Keputusan (SPK) untuk penentuan karyawan pada bidang kerja, dengan menggunakan metode Case Base Reasoning dengan beberapa faktor penilaian antara lain tanggungjawab, kedisiplinan, ketaatan. 6
7 7 Selain penelitian degan topik yang sejenis, penelitian dengan metode sejenis yang digunakan sebagai acuan pada beberapa penelitian antara lain yang digunakan oleh Gupta dkk. (2005) melakukan perbandingan permodelan Recurrent Neural Network menggunakan Fully Recurrent Neural Network (FRNN) dengan model Generalized Mean Neuron (GMN) terhadap RNN dengan model Multy Layer Perceptron untuk melihat jalur keluar dan masuk traffic port Ethernet. Penggunaan metode yang sama juga dilakukan Badjate dkk. (2011) dengan melakukan prediksi tentang Multi-step Ahead untuk Time Series Chaotic. Dari perbandingan metode yang digunakan menunjukan bahwa penggunaan RNN-Fully Recurrent Neural Network dengan model GMN memberikan hasil signifikan lebih baik dari RNN dengan model MLP. Xu dkk. (2010) yang melakukan Konvergensi metode gradient menggunakan Fully Recurrent Neural Network dengan algoritma pelatihan gradient off-line untuk membuktikan beberapa hasil konvergensi secara deterministic dilakukan pada sejumlah data sampel pelatihan yang diurutkan secara temporal dengan asumsi masalah adalah masalah XOR dengan dua siklus delay sehingga stokastik tidak lagi sesuai dengan konvergensi probalistik. Perbandingan beberapa metode dalam RNN dilakukan Tanoto dkk. (2011) dalam peramalan beban puncak listrik jangka panjang JAMABI dengan membandingkan metode Recurrent Network dengan algoritma pemebelajaran Levenberg Marquardt terhadap metode ekonomimatrik yang digunakan PLN. Di sisi lain Maraqa dkk. (2012) mengembangkan sistem pengenalan daftar bahasa Arab dengan Recurrent Neural Networks, dengan membandingkan metode Feedforward Neural Network dan Recurrent Neural Network, menggunakan arsitektur Elman Neural Network, Jordan Neural Network dan Fully Recurrent Neural Network untuk memperkenalkan penggunaan berbagai jenis jaringan saraf dalam gerakan tangan manusia Lat-nition untuk gambar statis serta untuk gerakan dinamis. Berdasarkan pada penelitian terdahulu dengan menggunakan metode yang sama dengan penelitian yang akan diambil, menunjukan bahwa dengan metode Fully
8 8 Recurrent Neural Network (FRNN) mempunyai kelebihan dalam mengatasi masalah prediksi dengan tingkat error lebih kecil dalam penggunaan data yang besar dan bervariasi. Selain itu karena arsitekturnya yang dinamis sehingga dapat dimodifikasi dan disesuaikan dengan kasus yang diteliti dibandingkan dengan metode JST yang lain. Namun JST dengan metode Fully Recurrent Neural Network (FRNN) juga mempunyai kekurangan salah satunya adalah kompleksitas struktural besar yang dapat membuat proses pelatihan menjadi lambat. Dari beberapa penelitian yang sudah dilakukan sebelumnya dengan menerapkan FRNN dengan beberapa kelebihan yang dimiliki, maka pada penelitian ini penulis mengusulkan suatu sistem dengan menerapakan metode Fully Recurrent Neural Network dengan aturan pembelajaran Gradient Discent Adaptive Learning Rate untuk penentuan satuan kerja bagi Bintara Polisi Baru di SPN Kupang. Untuk lebih mempertegas perbandingan penelitian yang dilakukan sebelumnya yang menjadi bahan rujukan untuk penelitian yang akan dilakukan, diuraikan pada Tabel 1.
9 9 Tabel 1.1 Rangkuman Perbedaan Penelitian Nama Peneliti Implementasi Metode Kelebihan Kekurangan Tujuan Penelitian Gupta, dkk (2005) Fully Recurrent Neural Network (FRNN) dengan model Generalized Mean Neuron (GMN), Multi Layer Perceptron (MLP)-Backpropagation Dapat mencapai nilai konvergen dengan Error lebih kecil. dengan jumlah data besar dengan laju pembelajaran lebih cepat. Dibandingkan dengan MLP - Inisialisasi bobot dilakukan secara random, Jaringan MLP masih bersifat statis. - FRNN dengan mempunyai data inputan sedikit (=1) nilai error menjadi besar dibandingkan dengan jumlah inputan lebih banyak (>1) nilai error menjadi lebih kecil. Membandingkan FRNN dengan Model GMN terhadap RNN dengan model Multi Layer Perceptrons (MLP) untuk jalur trafic router port Ethernet. Sugiyanto, dkk (2009) Pairwise Comparasion Dapat memungkinkan tingkat kepentingan suatu kriteria relativ terhadap kriteria lain yang tidak seragam. Berfokus pada beberapa kompetensi saja dan tidak pada penilaian keahlian dan kelayakan pada kegiatan-kegitan yang berhubungan dengan kompetensi mahasiswa lainnya. Membentuk sistem pengambilan keputusan kompetensi mahasiswa sehingga bisa merencanakan kompetensi yang sesuai dengan kemampuan yang dimiliki. Nasibu, (2009) Analytical Hierarchi Process (AHP)- Expert Choice, direct, pairwise comparisions Dapat menghasilkan rekomendasi terbaik yaitu menetapkan seorang karyawan untuk menempati suatu jabatan strategis. Faktor kriteria pemilihan di prioritaskan pada kriteria lain maka akan diperoleh hasil yang berbeda. Memberikan gambaran solusi terhadap masalah pemilihan karyawan yang berprestasi untuk menduduki jabatan strategis. Kaswidjanti, dkk (2010) AHP dan Fuzzy Logic- Tahani Dapat melakukan penentuan pekerjaan yang sesuai dengan kriteria yang telah dimasukan dengan hasil baik. Permasalahan atau goal dengan beberapa level kreteria dan alternatif dimana kriteria memiliki bobot yang diperoleh dengan cara yang sama. Mengkumulasi total relasi dari banyak mata kuliah terhadap pekerjaan tertentu. Marwanta, (2010) Case Base Reasoning. Dapat melakukan penilaian dengan hasil sesuai dengan kriteria yang dimasukan dalam sistem. Sebatas melakukan penilaian kelayakan, belum menampilkan informasi tambahan lain. Untuk penentuan karyawan pada bidang kerja sesuai dengan kriteria penilaian yang dilakukan oleh STMIK AKAKOM. Xu, (2010) FullyRNN-Gradient Descent LR Dengan FRNN-Gradient Descent mencapai konvergensi dengan Error lebih kecil. Menggunakan data training yang sedikit dengan bobot yang dibatasi. Digunakan untuk analisis dan prediksi urutan temporal
10 10 Tabel 1.2 Rangkuman Perbedaan Penelitian (Lanjutan) Nama Peneliti Implementasi Metode Kelebihan Kekurangan Tujuan Penelitian Maharani, dkk (2010) Badjate, dkk (2011) Tanoto, dkk (2011) Maraqa, dkk (2012) Letelay (2013) Analytical Hierarchi Process (AHP) Fully Recurrent Neural Network (FRNN) dan Multi Layer Preceptron (MLP)-Algoritma Pembelajaran Backpropagation Elman dan Jordan Recurrent Neural Network (Fully RNN)- Levenberg Marquardt. Feed forward NN dan Recurrent Neural Networks (Elman NN, Jordan NN dan Fully Recurrent Neural Networks)/ Backpropagation Fully Recurrent Neural Network- Gradient Descent Adaptive Learning Rate. Dapat memecahkan masalah multi-kriteria yang berdasar pada perbandingan preferensi dari setiap elemen. Pelatihan dan pengujian sampel ukuran kinerja yang optimal untuk data yang bervariasi dengan hasil yang optimal dan output jaringan yang diusulkan erat mengikuti output aktual untuk semua langkah Struktur jaringan yang dikemukakan menunjukkan kinerja yang lebih baik dibandingkan dengan perkiraan beban puncak yang didapat dari jaringan umpan maju- Levenberg-Marquadt,Regresi Berganda Double-log, dan proyeksi PLN Dapat menghasilkan tingkat akurasi 95% untuk pengenalan gerakan statis dibandingkan denga FFNN. Nilai akurasi sistem yang dihasilkan untuk pengenalan data dalam penentuan satuan kerja sebesar 96%. Proses sangat kompleks, memakan waktu cukup lama dan terbuka peluang untuk melakukan kesalahan dalam menentukan orang yang tepat. Jaringan MLP masih bersifat statis, gagal dalam mengatasi dinamika nonlinear. Periode peramalan dan pelatihan terbatas sehingga nilai kesalahan masih belum mencapai titik optimal. Terjadi kesalahan pada proses pengenalan karena ekstraksi fitur palsu dari kesamaan beberapa gerakan, gambar masih bersifat statis. Penentuan satuan kerja hanya pada batasan data tertentu. Memudahkan pihak manajemen dalam proses seleksi karyawan, khususnya pada proses penilaian hasil tes psikologi. Membandingkan kedua metode, dengan memori gamma untuk prediksi time series sunspot dengan langkah duffing Menentukan perkiraan beban puncak listrik daerah Jawa-Madura-Bali, dengan membandingkan metode ekonomimatrik yang digunakan PLN dengan Recurrent Network-Levenberg Marquardt. Untuk memperkenalkan penggunaan berbagai jenis jaringan saraf dalam gerakan tangan manusia Lat-nition untuk gambar statis serta untuk gerakan dinamis. Penerapan metode JST Fully Recurrent Neural Network untuk menentukan satuan kerja bagi Bintara Polisi baru pada SPN Kupang
1. Pendahuluan 1.1 Latar belakang masalah
1. Pendahuluan 1.1 Latar belakang masalah Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: 'aurum') dan nomor atom 79. Emas digunakan sebagai standar keuangan di banyak
Lebih terperinciBAB 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 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 terperinciImplementasi 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 terperinciANALISIS 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 terperinciBAB I PENDAHULUAN. kenaikan harga minyak mentah itu sendiri. Saat ini penetapan harga minyak
BAB I PENDAHULUAN A. Latar Belakang Minyak merupakan salah satu sumber energi yang sangat dibutuhkan manusia dalam berbagai aspek kehidupan. Peningkatan jumlah manusia yang membutuhkan minyak dalam kehidupan
Lebih terperinci1. 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 terperinciBAB 1 PENDAHULUAN. datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk
BAB 1 PENDAHULUAN 1.1. Latar Belakang Peramalan adalah menduga atau memperkirakan suatu keadaan di masa yang akan datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk menetapkan kapan
Lebih terperinciMETODOLOGI 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 terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
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 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 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 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 terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rentannya kesalahan yang dapat terjadi oleh pekerjaan yang dilakukan oleh manusia dalam menganalisa, atau ketika mencoba membangun relasi antar fitur yang berjumlah
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 terperinciIMPLEMENTASI 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 terperincipenyedia layanan server yang diakses atau dituju oleh pengguna. Pihak administrator jaringan di Universitas Pattimura, diperoleh informasi total
BAB I PENDAHULUAN 1.1 Latar Belakang Bandwidth merupakan ukuran jumlah data yang dapat melakukan perjalanan lebih dari satu sistem komunikasi yang dialokasikan dalam rentang waktu atau disebut juga sebagai
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Mata adalah organ fotosensitif yang kompleks dan berkembang lanjut yang memungkinkan analisis cermat tentang bentuk, intensitas cahaya, dan warna yang dipantulkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Peranan pariwisata dalam pembangunan ekonomi tidak perlu dipertanyakan lagi. Dengan tidak tersedianya sumber daya alam seperti migas, hasil hutan ataupun industri manufaktur
Lebih terperinciBAB 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 terperinci3. METODE PENELITIAN
19 3. METODE PENELITIAN 3.1 Diagram Alir Penelitian Kerangka pemikiran pada penelitian ini dapat digambarkan dalam suatu bagan alir seperti pada Gambar 8. Gambar 8 Diagram Alir Penelitian Pengumpulan Data
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 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 terperinciBAB 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 terperinciBAB 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 terperinciKLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF
KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF Asti Rahma Julian 1, Nanik Suciati 2, Darlis Herumurti 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS
Lebih terperinciBAB 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini kita banyak mendengar banyak berita bahwa Perusahaan Listrik Negara (PLN) mengalami kerugian yang sangat besar setiap tahunnya yang disebabkan faktor-faktor
Lebih terperinciArchitecture 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 terperinciPERAMALAN 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 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 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 terperinciT 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 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 terperinci1 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 terperinciPREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION
PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION Dewi Kusumawati 1), Wing Wahyu Winarno 2), M. Rudyanto Arief 3) 1), 2), 3) Magister Teknik Informatika STMIK
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 terperinciPrediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation
1 Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Reza Subintara Teknik Informatika, Ilmu Komputer, Universitas
Lebih terperinci1 BAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Lembaga pendidikan tinggi di negara-negara berkembang harus berhadapan tuntutan terhadap pertumbuhan infrastruktur internet, khususnya apabila berada pada fase registrasi
Lebih terperinciAplikasi 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 terperinciDAFTAR PUSTAKA. Bangun dan Wilson., 2012, Manajemen Sumber Daya Manusia, Erlangga, Bandung.
97 DAFTAR PUSTAKA Badjate, L.S. dan Gulhane, M.S., 2011, Multi-Step Ahead Prediction of Chaotic Time Series using Recurrent Neural Network Models, International Journal of Computer Science and Application,
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 terperinciNeural Network (NN) Keuntungan penggunaan Neural Network : , terdapat tiga jenis neural network Proses Pembelajaran pada Neural Network
Neural Network (NN) adalah suatu prosesor yang melakukan pendistribusian secara besar-besaran, yang memiliki kecenderungan alami untuk menyimpan suatu pengenalan yang pernah dialaminya, dengan kata lain
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Penelitian pada karya akhir ini membahas mengenai pengembangan model Artificial Neural Network serta menganalisa kemampuan Artificial Neural Network sebagai alat peramalan. Obyek yang
Lebih terperinciBAB IV PERANCANGAN & IMPLEMENTASI SISTEM
17 BAB IV PERANCANGAN & IMPLEMENTASI SISTEM 4.1 Desain. yang digunakan adalah jaringan recurrent tipe Elman dengan 2 lapisan tersembunyi. Masukan terdiri dari data : wind, SOI, SST dan OLR dan target adalah
Lebih terperinciPERAMALAN PRODUKSI CABAI RAWIT DENGAN NEURAL NETWORK Muhammad Fajar
PERAMALAN PRODUKSI CABAI RAWIT DENGAN NEURAL NETWORK Muhammad Fajar Abstrak Tujuan penelitian ini untuk melakukan peramalan produksi cabai rawit dengan menggunakan neural network. Data yang digunakan dalam
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Klasifikasi sidik jari merupakan bagian penting dalam sistem pengidentifikasian individu. Pemanfaatan identifikasi sidik jari sudah semakin luas sebagai bagian dari
Lebih terperinciANALISIS FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR DALAM ALGORITMA BACKPROPAGATION PADA PREDIKSI KEMAMPUAN SISWA
ANALISIS FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR DALAM ALGORITMA BACKPROPAGATION PADA PREDIKSI KEMAMPUAN SISWA Julpan 1 *, Erna Budhiarti Nababan 1 & Muhammad Zarlis 1 1 Program S2 Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas dahulu merupakan alat pembayaran transaksi ekonomi yang digunakan di suatu negara dengan negara lainnya. Sebagai alat tukar, emas dahulu memegang pengaruh yang
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 terperinciANALISIS 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 terperinciBAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang
BAB 3 PERANCANGAN SISTEM Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang diimplementasikan sebagai model estimasi harga saham. Analisis yang dilakukan adalah menguraikan penjelasan
Lebih terperinciNEURAL NETWORK BAB II
BAB II II. Teori Dasar II.1 Konsep Jaringan Saraf Tiruan (Artificial Neural Network) Secara biologis jaringan saraf terdiri dari neuron-neuron yang saling berhubungan. Neuron merupakan unit struktural
Lebih terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
Lebih terperinci1 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 terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 31 Pendahuluan Algoritma Resilient Backpropagation (RPROP) dibagi menjadi dua bagian proses yaitu forward pass dan backward pass Forward pass berfungsi untuk mendapatkan nilai
Lebih terperinciIMPLEMENTASI 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 terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciSKRIPSI Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Jurusan Informatika. Disusun Oleh: WINA ISTI RETNANI NIM.
PERBANDINGAN ALGORITMA BACKPROPAGATION LEVENBERG MARQUARDT (LM) DENGAN BACKPROPAGATION GRADIENT DESCENT ADAPTIVE GAIN (BPGD/AG) DALAM PREDIKSI JUMLAH PENGANGGURAN DI PROVINSI JAWA TENGAH SKRIPSI Diajukan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciUJM 3 (1) (2014) UNNES Journal of Mathematics.
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN BEBAN PUNCAK DISTRIBUSI LISTRIK DI WILAYAH PEMALANG
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 terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciPerbaikan 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 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 terperinciPERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF
PERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF Rudericus Andika Pramudya, Mahmud Imrona 2, Fhira Nhita 3,2,3 Prodi S Teknik Informatika, Fakultas Teknik, Universitas Telkom rudericusdika@gmail.com,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan zaman maka tingkat pendidikan pada masyarakat mengalami peningkatan. Oleh karena itu masyarakat memandang bahwa pendidikan pada tingkat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Semakin meningkatnya kebutuhan akan sumber daya manusia yang memiliki kemampuan ketrampilan maupun pendidikan yang tinggi bagi perusahaan membuat masyarakat dituntut
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
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
Lebih terperinciNeural Networks. Machine Learning
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Multiple Attribute Decision Making (MADM) Multiple Attribute Decision Making (MADM) adalah studi tentang identifikasi dan pemilihan alternatif berdasarkan nilai-nilai dan preferensi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Artificial Neural Network Artificial neural network (ANN) / jaringan saraf tiruan adalah konsep yang merefleksikan cara kerja dari jaringan saraf biologi kedalam bentuk artificial
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN PT PLN (Persero) merupakan perusahaan penyedia jasa kelistrikan terbesar di Indonesia. Proses dalam meningkatkan usahanya, PT PLN (Persero) tidak dapat melepaskan perhatiannya
Lebih terperinciBAB I PENDAHULUAN. selalu menimbulkan permasalahan. Pihak sekolah menerima siswa dengan cara menggunakan
BAB I PENDAHULUAN I.1. Latar Belakang Setiap awal tahun pelajaran sekolah sebagai penyelenggara pendidikan menerima siswa/i baru yang akan di didik di sekolah tersebut. Namun pada setiap penerimaan siswa
Lebih terperinciBab V KESIMPULAN DAN MASALAH TERBUKA
Bab V KESIMPULAN DAN MASALAH TERBUKA Kesimpulan dari penelitian ini diperoleh berdasarkan pada pembahasan dalam Bab III dan IV. Kesimpulan ini sebagai jawaban dari permasalahan dan sekaligus hasil yang
Lebih terperinciModel 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin bertambah tahun, semua peralatan konvensional semakin tergantikan dengan adanya peralatan elektronik. Di setiap sisi kehidupan pada saat ini menggunakan peralatan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Artificial Neural Network atau jaringan syaraf tiruan merupakan bidang yang sangat berkembang saat ini. Pemanfaatan teknologi mesin dan computer yang tidak terbatas
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Memprediksi situasi dalam suatu bisnis perdagangan merupakan suatu aspek yang sangat penting untuk menjaga dan memajukan bisnis tersebut. Informasi naik-turunnya
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciGambar 3.1 Desain Penelitian
METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan
Lebih terperinciPREDIKSI 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 terperinciOleh : Agus Sumarno Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si
APLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES APPLICATION Of WAVELET RECURRENT NEURAL NETWORK FOR TIME SERIES DATA PREDICTION Oleh : Agus Sumarno 1206 100 706 Dosen Pembimbing
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Melihat kondisi sebagian besar masyarakat Indonesia saat ini yang mengalami banyak tekanan baik dari segi ekonomi, politik, pekerjaan dan sebagainya, menyebabkan terjadinya
Lebih terperinciBAB 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 terperinciPeramalan Data IHSG Menggunakan Metode Backpropagation
Peramalan Data IHSG Menggunakan Metode Backpropagation Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Diterima 31 Agustus 2012 Disetujui
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 terperinciPERAMALAN VOLUME PENUMPANG KERETA API DI PULAU JAWA-SUMATERA DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROGATION
BAB I PENDAHULUAN 1.1 Latar Belakang Transportasi merupakan suatu bidang kegiatan yang sangat penting dalam kehidupan masyarakat dunia pada umumnya, masyarakat Indonesia khususnya. Pentingnya transportasi
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 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1. Analisis Analisis adalah kemampuan pemecahan masalah subjek kedalam elemen-elemen konstituen, mencari hubungan-hubungan internal dan diantara elemen-elemen, serta mengatur
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciPERBANDINGAN 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 terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
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 I PENDAHULUAN. finansial (financial assets) dan investasi pada aset-aset riil (real assets). Investasi pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Investasi pada hakikatnya merupakan komitmen terhadap sejumlah sumber daya pada saat ini dengan tujuan untuk mendapatkan keuntungan di masa depan (Abdul halim,
Lebih terperinci