BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

dokumen-dokumen yang mirip
BAB 2 TINJAUAN PUSTAKA

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

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

BAB I PENDAHULUAN I-1

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

1. Pendahuluan. 1.1 Latar Belakang

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6

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

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

BAB 2 LANDASAN TEORI

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

BAB I PENDAHULUAN 1.1. Latar Belakang

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

1 PENDAHULUAN 1.1 Latar Belakang

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

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

BAB 2 LANDASAN TEORI

BAB 3 METODOLOGI PENELITIAN

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

PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION

APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA

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

METODOLOGI PENELITIAN

BAB I PENDAHULUAN 1.1 Latar Belakang

1. PENDAHULUAN 1.1 Latar Belakang

MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA

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

lalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,

BAB 4 IMPLEMENTASI DAN EVALUASI

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN

PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

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

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

METODOLOGI PENELITIAN

APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

BAB 2 KONSEP DASAR PENGENAL OBJEK

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang

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

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

BAB III METODE PENELITIAN

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

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

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


BAB I PENDAHULUAN. 1.1 Latar Belakang

2.1. Dasar Teori Bandwidth Regression

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

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

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

IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION

BAB I PENDAHULUAN. 1.1 Latar Belakang

Architecture Net, Simple Neural Net

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

BAB II NEURAL NETWORK (NN)

JURNAL SAINS DAN INFORMATIKA

Architecture Net, Simple Neural Net

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

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

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

BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)

Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang)

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

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

ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA

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

1 Pendahuluan. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang

PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

SATIN Sains dan Teknologi Informasi

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah

MILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1 Latar Belakang

Jurnal Informatika Mulawarman Vol 5 No. 1 Februari

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB II LANDASAN TEORI

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

BAB I PENDAHULUAN I-1

BAB 2 TINJAUAN PUSTAKA

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

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

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

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

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

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

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

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

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

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

JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA

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

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

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

BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA

RENCANA PEMBELAJARAN SEMESTER

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

Transkripsi:

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

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

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.

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

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.

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.