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 JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PERINGKAT AKREDITASI PROGRAM STUDI PERGURUAN TINGGI Fauzul Amri Program Studi Teknik Komputer, Akademi Manajemen Informatika dan Komputer (AMIK) KOSGORO Abstrak Akreditasi merupakan salah satu bentuk penilaian (evaluasi) mutu dan kelayakan institusi perguruan tinggi atau program studi yang dilakukan oleh organisasi atau badan mandiri di luar perguruan tinggi, dari hasil perhitungan berdasarkan tahapan akreditasi yang ada, penulis mendapatkan hasil menunjukkan bahwa jaringan saraf dapat membuat prediksi untuk akreditasi yang akan diperoleh oleh program studi Kata kunci: Akreditasi, JST, Program Studi Abstract Accreditation is one form of assessment (evaluation) the quality and feasibility of higher education institution or program of study conducted by an independent organization or agency outside the college. calculations based on the stages of existing accreditation, the authors get results indicate that neural networks can make predictions for the acquisition of accreditation which would be obtained by a study program Keywords: Accreditation, ANN, Artificial Neural Network, Studies Corresponding author: ISSN 2459-9549 joulamri@gmail.com

38 Fauzul Amri, Jaringan Syaraf Tiruan untuk Memprediksi PENDAHULUAN Bentuk penilaian mutu eksternal adalah penilaian yang berkaitan dengan akuntabilitas, pemberian izin, pemberian lisensi oleh badan tertentu. Ada juga pengumpulan data oleh badan pemerintah bagi tujuan tertentu, dan survei untuk menentukan peringkat (ranking) perguruan tinggi (BAN PT, 2007). Berbeda dari bentuk penilaian mutu lainnya, akreditasi dilakukan oleh pakar sejawat dan mereka yang memahami hakekat pengelolaan perguruan tinggi sebagai Tim atau Kelompok Asesor. Keputusan mengenai mutu didasarkan pada penilaian terhadap berbagai bukti yang terkait dengan standar yang ditetapkan dan berdasarkan nalar dan pertimbangan para pakar sejawat (judgments of informed experts). Buktibukti yang diperlukan termasuk laporan tertulis yang disiapkan oleh institusi perguruan tinggi yang akan diakreditasi untuk diverifikasi melalui kunjungan para pakar sejawat ke tempat kedudukan perguruan tinggi. METODE PENELITIAN Jaringan saraf tiruan adalah model matematika yang diilhami oleh organisasi dan fungsi neuron biologis. Ada banyak variasi jaringan saraf tiruan yang terkait dengan sifat dari tugas yang diberikan ke jaringan. Ada juga berbagai variasi dalam bagaimana neuron dimodelkan. Jaringan saraf tiruan merupakan sebuah alternatif untuk analisis diskriminan. Masalah praktis di mana perbandingan antara jaringan syaraf tiruan dan analisis diskriminan telah diterapkan mencakup prediksi pergerakan harga pasar efek, prediksi kebangkrutan perusahaan, dan penugasan peringkat untuk obligasi. Dalam semua studi ini, model jaringan syaraf tiruan mengungguli analisis diskriminan. Studi-studi di atas mangalami beberapa masalah teknis, khususnya, jumlah set data terbatas dan set data yang kecil. (Marquez, O connor, and Remus, 1993). Jaringan Syaraf Tiruan (JST) (artificial neural network (ANN), atau umumnya hanya disebut neural network (NN), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. (http://id.wikipedia.org/wiki/jaringan_sar af_tiruan) Berkaitan dengan pembahasan diatas mengenai akreditasi dan Jaringan syaraf tiruan, Tujuan dari penelitian ini adalah menghasilkan suatu sistem yang dapat memprediksi peringkat akreditasi yang akan diperoleh oleh program studi berdasarkan data yang dimiliki oleh program studi tersebut. Jaringan Syaraf Tiruan merupakan salah satu upaya manusia untuk memodelkan cara kerja atau fungsi sistem syaraf manusia dalam melaksanakan tugas tertentu. Pemodelan ini didasari oleh kemampuan otak manusia dalam mengorganisasikan sel-sel penyusunnya yang disebut neuron, sehingga mampu melaksanakan tugas-tugas tertentu, khususnya pengenalan pola dengan efektifitas tinggi (Suyatno, 2011). Dalam prakteknya JST dapat diimplementasikan dalam bentuk pemrograman komputer, Teknik pembuatan program yang mempunyai kecerdasan buatan sangat berbeda dengan teknik pemograman menggunakan bahasa pemograman konvensional. Dalam software konvensional, kita memerintah komputer bagaimana menyelesaikan suatu masalah. Sebaliknya dalam kecerdasan buatan kita tidak memerintahkan komputer untuk menyelesaikan masalah, tetapi memberitahu komputer tentang

39 Fauzul Amri, Jaringan Syaraf Tiruan untuk Memprediksi adanya masalah. (Suparman, dan Marlan, 2007) Mengadopsi esensi dasar dari system syaraf biologi, syaraf tiruan digambarkan sebagai berikut : Menerima input atau masukan (baik dari data yang dimasukkan atau dari output sel syaraf pada jaringan syaraf. Setiap input datang melalui suatu koneksi atau hubungan yang mempunyai sebuah bobot (weight). Setiap sel syaraf mempunyai sebuah nilai ambang. Jumlah bobot dari input dan dikurangi dengan nilai ambang kemudian akan mendapatkan suatu aktivasi dari sel syaraf (Post Synaptic Potential dari sel syaraf). Signal aktivasi kemudian menjadi fungsi aktivasi / fungsi transfer untuk menghasilkan output dari sel syaraf. Biasanya tahapan fungsi jarang digunakan dalan Jaringan Syaraf Tiruan. Fungsi aktivasi (f(.)) dapat dilihat pada Gambar 1 Gambar 1. Fungsi Aktifasi Bagaimana sel syaraf saling berhubungan? Jika suatu jaringan ingin digunakan untuk berbagai keperluan maka harus memiliki input (akan membawa nilai dari suatu variabel dari luar) dan output (dari prediksi atau signal kontrol). Input dan output sesuai dengan sensor dan syaraf motorik seperti signal datang dari mata kemudian diteruskan ke tangan, Dalam hal ini terdapat sel syaraf atau neuron pada lapisan tersembunyi berperan pada jaringan ini. Input, lapisan tersembunyi dan output sel syaraf diperlukan untuk saling terhubung satu sama lain. Berdasarkan dari arsitektur (pola koneksi), Jaringan Syaraf Tiruan dapat dibagi kedalam dua kategori kategori yaitu Feed Forward dan Back Propagation

40 Fauzul Amri, Jaringan Syaraf Tiruan untuk Memprediksi Struktur Feed forward Sebuah jaringan yang sederhana mempunyai struktur feed forward dimana signal bergerak dari input kemudian melewati lapisan tersembunyi dan akhirnya mencapai unit output (mempunyai struktur perilaku yang stabil). Tipe jaringan feed forward mempunyai sel syaraf yang tersusun dari beberapa lapisan. Lapisan input bukan merupakan sel syaraf. Lapisan ini hanya memberi pelayanan dengan mengenalkan suatu nilai dari suatu variabel. Lapisan tersembunyi dan lapisan output sel syaraf terhubung satu sama lain dengan lapisan sebelumnya. Kemungkinan yang timbul adalah adanya hubungan dengan beberapa unit dari lapisan sebelumnya atau terhubung semuanya dengan baik. Backpropagation Backpropagation merupakan salah satu dari beberapa metode yang digunakan dalam JST dan yang paling sering digunakan dalam berbagai bidang aplikasi, seperti pengenalan pola, peramalan dan optimisasi. Hal ini dimungkinkan karena metode ini menggunakan pembelajaran yang terbimbing. Pola masukan dan target diberikan sebagai sepasang data. Bobotbobot awal dilatih dengan melalui tahap maju untuk mendapatkan error keluaran yang selanjutnya error ini digunakan sebagai tahap mundur untuk memperoleh nilai bobot yang sesuai agar dapat memperkecil nilai error sehingga target keluaran yang dikehendakinya tercapai. Tujuan dari model ini adalah untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama proses pelatihan berlangsung serta kemampuan jaringan memberikan respon yang benar terhadap pola masukan yang berbeda dengan pola masukan pelatihan. Hubungan JST dengan Akreditasi Program Studi Untuk dapat mencapai tujuan dari penulisan ini, maka jaringan syaraf tiruan harus diberikan proses pembelajaran dari proses akreditasi program studi, untuk itu perlu ditetapkan kriteria yang dapat dijadikan proses input untuk program jaringan syaraf tiruan. Kriteria tersebut penulis tetapkan berdasarkan standar yang ditetapkan oleh BAN-PT, yang mana pihak BAN-PT menetapkan tujuh kriteria yaitu : 1. Standar 1. Visi, Misi, Tujuan dan Sasaran, serta Strategi Pencapaian 2. Standar 2. Tata Pamong, Kepemimpinan, Sistem Pengelolaan, dan Penjaminan Mutu 3. Standar 3. Mahasiswa dan Lulusan 4. Standar 4. Sumber Daya Manusia 5. Standar 5. Kurikulum, Pembelajaran, dan Suasana Akademik 6. Standar 6. Pembiayaan, Sarana dan Prasarana, serta Sistem Informasi 7. Standar 7. Penelitian, Pelayanan/Pengabdian kepada Masyarakat, dan Kerjasama Setelah penentuan kriteria yang akan menentukan hasil akreditasi sebuah program studi, selanjutnya kita harus menentukan data yang akan menjadi inputan pada JST, dimana data yang kita inputkan tersebut nantinya akan menjadi acuan oleh JST untuk menetapkan peringkat akreditasi yang akan didapatkan oleh sebuah program studi nantinya. Karena JST memerlukan proses pembelajaran, maka data yang kita jadikan inputan ini merupakan proses pembelajaran awal pada JST, sehingga nantinya setelah JST dapat mengenali pola tentang akreditasi program studi, maka nantinya jika diberikan sebuah data inputan, dengan sendirinya JST sudah mengetahui hasil yang akan dijadikan

41 Fauzul Amri, Jaringan Syaraf Tiruan untuk Memprediksi output sesuai standar sebagaimana model yang diberikan. Dalam penulisan ini penulis menggunakan data random yang diambil dari pembangkitan bilangan random dari Microsoft Office Excel dengan memperhatikan petunjuk dari BAN-PT tentang batas manimum dan batas maksimum dari masing-masing kriteria yang ditetapkan. Untuk proses pembelajaran penulis menggunakan 20 data sample, sedangkan untuk data perbandingan, penulis juga menggunakan 20 data sample. Setelah data sample ditetapkan selanjutnya adalah melakukan perhitungan data secara manual dan secara software yang dalam hal ini penulis menggunakan bahasa pemograman Matlab versi 6.0. Untuk melakukan perhitungan secara manual dilakukan dengan 5 tahap perhitungan yaitu menentukan nilai input serta bobot awal; menentukan keluaran dari hidden layer; menentukan keluaran dari unit; menentukan faktor pada unit keluaran; serta menghitung kesalahan yang terjadi pada hidden layer. Langkah awal adalah menentukan nilai input secara random pada lapisan tersembunyi dan juga pada keluaran atau output, selanjutnya menentukan keluaran dari hidden layer dengan persamaan Z_inj = bij N i 1 x i v ij Setelah keluaran pada hidden layer didapatkan, langkah selanjutnya adalah menentukan keluaran pada unit dengan persamaan Y_in k = W ko + p j 1 z j w kj Pada langkah ketiga ini kita akan mendapatkan hasil pengolahan yang menunjukkan hasil akreditasi yang akan didapatkan oleh sebuah program studi. Hasil yang didapatkan tersebut tidaklah mempunyai arti apapun jika tidak menentukan batasan yang membuat hasil tersebut mempunyai sebuah arti. Dalam penulisan ini penulis menetapkan batasan dimana jika keluaran yang dihasilkan bernilai antara 0,00 sampai 0,40 maka hal tersebut dapat diartikan bahwa program studi tersebut tidak mendapatkan akreditasi, sedangkan jika keluaran yang dihasilkan bernilai 0,41 sampai dengan 1,00 maka hal tersebut dapat diartikan bahwa program studi tersebut akan mendapatkan peringkat akreditasi. Namun keluaran yang dihasilkan pada langkah ketiga tersebut d iatas masih belum bisa membuat sebuah program dapat disebut sebagai Jaringan Syaraf Tiruan, karena sampai tahap ini program tersebut belum dapat berfikir sendiri, untuk dapat membuat program tersebut dapat berfikir atau memperkirakan sesuatu hal maka diperlukan langkah keempat dan kelima, yakni pada tahap keempat kita harus menghitung factor di unit keluaran dengan persamaan : δ = (t k - y k )f (y_ink) = (t y)y(1 y) Keluaran dari tahap keempat ini adalah untuk menentukan tingkat kesalahan yang mungkin terjadi pada keluaran yang dihasilkan pada tahap ketiga. Sedangkan pada tahap kelima adalah menghitung perkiraan total kesalahan yang terjadi, karena pada jaringan syaraf tiruan ini hanya memiliki satu keluaran. HASIL DAN PEMBAHASAN Setelah penulis melakukan perhitungan berdasarkan tahap-tahap diatas maka penulis mendapatkan hasil yang menunjukkan bahwa jaringan syaraf tiruan dapat melakukan prediksi terhadap perolehan akreditasi yang akan didapatkan oleh sebuah program studi. Namun perhitungan secara manual yang telah dilakukan perlu diuji kebenarannya dengan melakukan perhitungan dan pengujian secara software, sehingga dengan pengujian secara software ini akan didapatkan hasil perhitungan yang berupa

42 Fauzul Amri, Jaringan Syaraf Tiruan untuk Memprediksi angka dan berupa grafik yang menunjukkan hasil keluaran serta tingkat kesalahan yang terjadi pada jaringan syaraf tiruan yang kita buat. Dari hasil perthitungan manual dan perhitungan secara software, penulis mendapatkan hasil yang cukup menggembirakan, dimana perhitungan secara manual dan perhitungan secara software mendapatkan tingkat kesalahan yang sangat kecil, yaitu antara 0,00 sampai dengan 0,01. Tabel 1 adalah hasil perhitungan secara manul dan perhitungan secara software. 30 0.40 0.40-0.00 Sedangkan secara grafik penulis mendapatkan hasil dari software sebagai berikut : Tabel 1. Perbandingan hasil perhitungan manual dan perhitungan software No Target Data Target Data Manual Software error 1 0.39 0.39-0.00 2 0.36 0.36 0.00 3 0.41 0.41-0.00 4 0.39 0.38 0.00 5 0.38 0.39-0.01 6 0.38 0.38 0.00 7 0.38 0.38 0.00 8 0.41 0.41-0.00 9 0.38 0.37 0.00 10 0.39 0.39 0.00 11 0.39 0.39 0.00 12 0.38 0.38-0.00 13 0.39 0.38 0.00 14 0.38 0.38-0.00 15 0.39 0.39-0.00 16 0.40 0.40-0.00 17 0.41 0.40 0.00 18 0.41 0.41-0.00 19 0.39 0.38 0.01 20 0.40 0.40-0.00 21 0.43 0.42 0.01 22 0.39 0.38 0.01 23 0.37 0.38-0.01 24 0.38 0.38-0.00 25 0.40 0.40 0.00 26 0.40 0.39 0.00 27 0.37 0.38-0.00 28 0.36 0.37-0.01 29 0.38 0.38-0.00 Gambar 2. Hasil Pembelajaran atau Pelatihan sampai 5000 Epochs Gambar 2 terlihat bahwa dengan menggunakan aplikasi matlab 6.0, epoch dapat dicapai pada 81 epoch, ini menunjukkan bahwa perhitungan dapat dilakukan dalam waktu yang pendek untuk mendapatkan goal 0,0001. Sedangkan untuk mendapatkan output jaringan data pelatihan dan target dianalisis dengan regresi linier, hasilnya dapat dilihat pada gambar berikut Gambar 3. Perbandingan Data Pelatihan dengan Target

43 Fauzul Amri, Jaringan Syaraf Tiruan untuk Memprediksi Sedangkan untuk hasil pengujian dari data keluaran dan target, kita mendapatkan hasil yang cukup baik, dimana pada gambar.4 dapat kita lihat bahwa antara data pengujian dan target yang ingin dicapai memperlihatkan bahwa antara output dan target sudah hampir mendapatkan hasil yang sama, tingkat kesalahan hanya 0,00 sampai dengan 0,01. Suparman dan Marlan. 2007. Komputer Masa Depan. Yogyakarta: Andi Suyanto. 2011. Artificial Intelligence, Bandung: Informatika. Gambar 4. Perbandingan Data Pengujian dengan Target SIMPULAN Dari hasil secara grafik yang dihasilkan oleh software matlab versi 6.0, penulis mendapatkan hasil bahwa akreditasi sebuah program studi dapat diprediksi dengan program jaringan syaraf tiruan, hal ini ditunjukkan dari hasil perhitungan secara manual dan secara software mendapatkan tingkat kesalahan yang sangat kecil. UCAPAN TERIMA KASIH Ucapan terima kasih kepada Ketua Program Studi Teknik Komputer dan Direktur AMIK Kosgoro Solok. DAFTAR PUSTAKA Badan Akreditasi Nasional Perguruan Tinggi. 2009. Buku1-naskah akademik akreditasi program studi diploma, Jakarta. Siang, and Jek. 2009. Jaringan Syaraf Tiruan dan Pemogramannya Menggunakan Matlab, Andi, Yogyakarta