BAB 2 LANDASAN TEORI
2.1
Manajemen Sumber Daya Manusia
2.1.1
Definisi Manajemen Sumber Daya Manusia Manajemen Sumber daya manusia merupakan suatu bentuk aplikasi dari lima
fungsi manajemen secara umum, yaitu proses perencanaan (planning), pengorganisasian (organizing), pemilihan staff (staffing), kepemimpinan (leading) dan juga pengendalian (controlling), dimana yang menjadi fokus terutama dari kelima fungsi manajemen tersebut penerapannya adalah menyasar pada faktor sumber daya manusia (human resources) secara khusus. Walaupun pada untuk orang awam, fungsi dari manajemen sumber daya manusia hanya terbatas pada salah satu fungsi manajemen, yaitu staffing. Namun pada kenyataannya, konsep manajemen sumber daya manusia telah berkembang sangat cepat dan pesat, cakupannya tidak terpatok pada fungsi staffing semata, namun telah merambah ke fungsi-fungsi manajemen lainnya. Menurut Gary Dessler dalam bukunya “A Framework for Human Resource Management”, pengertian secara umum dari manajemen sumber daya manusia adalah suatu praktek dan kebijakan yang perlu kita perhatikan mengenai indisvidu-individu dalam suatu organisasi ataupun perusahaan perihal kegiatan-kegiatan manajemen di dalamnya, yang meliputi merekrut, melakukan pelatihan, melakukan penilaian kinerja, pemberian kompensasi dan sanksi, dan termasuk menyediakan lingkungan yang adil bagi karyawan dalam organisasi. Pada dasarnya, masih menurut Dessler (2002, p 2) praktik dan kebijakan ini meliputi :
25
Melakukan analisis pekerjaan (Menentukan kecocokan karyawan dengan pekerjaannya)
Perencanaan kebutuhan tenaga kerja dan melakukan rekrutmen atas karyawan
Melakukan kegiatan seleksi calon karyawan
Melakukan orientasi dan melatih karyawan baru
Mengatur upah dan gaji (bagaimana mengkompensasi karyawan)
Penyediaan program insentif dan keuntungan-keuntungan tambahan (benefits)
Melakukan penilaian atas kinerja
Proses-proses komunikasi (wawancara, penyuluhan, pendisiplinan)
Program pelatihan dan pengembangan
Menciptakan komitmen dari para karyawan Sedangkan menurut Schuler (1981, p5), manajemen sumber daya manusia terkait
dengan manajemen bawahan, yaitu seperangkat dari fungsi dan aktivitas yang akan digunakan dalam proses manajemen dari sumber daya manusia dalam lingkup yang tidak diskriminatif, positif, dan suatu sikap yang efektif guna memberikan keuntungan bagi organisasi, individu, dan masyarakat dalam lingkup organisasional serta konteks lingkungan. Kemudian secara khusus, konsep sumber daya manusia yang sudah umum dapat diterjemahkan lagi ke dalam budaya Asia, yang coba ditelaah oleh John M. Ivanvevich (2002, p4) dalam bukunya “Human Resource Management in Asia” bahwa konsep manajemen sumber daya manusia adalah suatu fungsi atau kaidah yang diajalankan oleh organisasi atau perusahaan yang akan memfasilitasi penggunaan, pemanfaatan yang paling efektif dari indisvidu (karyawan) untuk mencapai tujuan-tujuan individu maupun organisasional.
26 Masih menurut Ivanvevich (2002, p5), bahwa manajemen sumber daya manusia terdiri dari beberapa aktivitas atau kegiatan, yaitu :
Perencanaan sumber daya manusia dan perencanaan suksesor atau penerus
Analisis pekerjaan (job analysis)
Perekrutan dan seleksi karyawan
Manajemen kinerja (performance management)
Manajemen kompensasi
Proses orientasi, pelatihan dan pengembangan karier
Hubungan pekerja
Permasalahan legal (legal complience) Secara lebih mendalam, 4 deskripsi lebih luas dari manajemen sumber daya
manusia adalah : 1) Berorientasi pada tindakan. Manajemen sumber daya manusia (MSDM) yang efektif berfokus pada menyediakan bagi pihak manajemen atas solusi-solusi untuk permasalahan-permasalahan terkait sumber daya manusia, daripada hanya sekedar melakukan kegiatan administrasi semata, menulis aturan dan prosedur. Walaupun, pada dasarnya menggunakan aturan-aturan, catatan dan juga kebijakan-kebijakan, tapi hal tersebut hanya sebagian kecil. MSDM memfasilitasi pengembangan dari kemampuan karyawan sebanding dengan meningkatnya pekerjaan serta kepuasan organisasional. MSDM melakukan penelitian atas solusi-solusi yang ditujukan untuk permasalahan sumber daya manusia untuk mendukung organisasi mencapai tujuannya. 2) MSDM berorientasi pada pribadi-pribadi. Kapan saja dimungkinkan, MSDM memperlakukan karyawan sebagai sesuatu yang bernilai dan berharga, serta
27 menawarkan pelayanan ataupun kebijakan-kebijakan untuk memenuhi kebutuhan dari karyawan. 3) MSDM berorientasi global. MSDM tidak hanya menjadi monopoli dari kebijakankebijakan Amerika; MSDM juga diterapkan di Australia, Hong Kong, Singapura, dan Thailand. Banyak organisasi-organisasi di Asia yang memperlakukan karyawannya secara setara, dengan rasa hormat dan sensitifitas. Mereka, praktisi MSDM Singapura dapat melakukan evaluasi atas praktek MSDM di Australia untuk menelaah, apakah ada beberapa prinsip yang dapat diaplikasikan atau dimodifikasi untuk keperluan mereka di Thailand. 4) MSDM berorientasi masa depan. MSDM yang efektif dituntut untuk membantu organisasi dalam meraih tujuan-tujuan di masa yang akan datang dengan pengembangan karyawan di masa sekarang guna menghadapi tantangan di masa yang akan datang. Mereka, pihak manajemen dari sumber daya manusia perlu untuk dapat melebur dan bekerja sama di dalam rencana strategis jangka panjang dari organisasi. Terdapat tiga kriteria pembagian atas SDM, menurut Dessler (2002, p92) jenisjenis SDM tersebut adalah : •
Tenaga kerja langsung (direct labour) Tenaga kerja yang berhubungan langsung dengan kegiatan operasional dan fungsional dari perusahaan atau organisasi. Umumnya merupakan karyawan yang bertanggung jawab pada kegiatan harian dari perusahaan. Contohnya operator mesin potong, operator perakitan dan lain sebagainya.
28 •
Tenaga kerja tidak langsung (indirect staff) Tenaga kerja yang digolongkan sebagai tenaga kerja tidak langsung adalah mereka yang tidak secara langsung melakukan kegiatan operasional atau produksi dari perusahaan atau organisasi. Umumnya terkait dengan menjalankan kegiatan administrasi atau sebagai pengawas dari para pekerja langsung. Contohnya staff administrasi, staff keuangan dan lainnya.
•
Exempt staff Tenaga kerja yang digolongkan sebagai profesional dalam suatu perusahaan atau organisasi, yang tugasnya adalah dalam membuat keputusan (decision maker) atau bertindak sebagai pembuat keputusan strategis bagi perusahaan. Contohnya eksekutif, direktur dan lainnya. Hubungan yang tercipta antara strategi perusahaan, tujuan perusahaan, kebijakan
perusahaan dan juga penerapannya dalam aturan-aturan, dapat digambarkan dalam bagan berikut:
Gambar 2.1 Rantai Alur Kebijakan Perusahaan
29 2.1.2
Fungsional Manajemen Sumber Daya Manusia Menurut Schuler (1981, p5), terdapat 2 fungsi utama dalam MSDM, yaitu :
1)
Untuk meningkatkan produktivitas kerja (enhance productivity) Dimana pada dasarnya MSDM mempunyai tanggung jawab secara tidak langsung untuk meningkatkan kinerja, dalam hal ini terkait produktivitas dari perusahaan. Pada dasarnya fungsi MSDM, seperti perekrutan, proses seleksi ditujukan guna kepentingan menempatkan orang yang tepat pada posisi ataupun bagian yang tepat. Ditinjau dari tujuan tersebut, maka akan esensial bagi MSDM dalam mendukung kinerja organisasi atau perusahaan, terutama karena penempatan dan pemilihan orang-orang tersebut merupakan tanggung jawab langsung dari MSDM. Setelah memilih orang-orang yang tepat, MSDM juga bertanggung jawab dalam hal orientasi dan pelatihan guna mengasah kemampuan dari setiap karyawan. Dalam hal ini, MSDM bertanggung jawab secara langsung terhadap kinerja perusahaan. Jadi apakah kinerja karyawan baru yang dapat melebur secara langsung dengan budaya organisasi, kemudian kinerja yang bersangkutan di organisasi atau perusahaan, selain menjadi tanggung jawab divisi tempat karyawan bernaung, juga akan menjadi tanggung jawab dari pekerja yang bersangkutan. Kemudian fungsi assessment, proses evaluasi atas kinerja, yang lagi-lagi merupakan salah satu tugas utama dari MSDM. Pada dasarnya evaluasi bertujuan untuk menilai dan menetapkan standar atas kinerja dari karyawan-karyawan di dalam organisasi atau perusahaan yang bersangkutan. Kaitannya dengan produktivitas dari perusahaan adalah dimana proses evaluasi tersebut gunanya
30 untuk meninjau kinerja sekarang, untuk kemudian dilakukan perbaikanperbaikan guna kinerja yang akan lebih baik di masa yang akan datang. Oleh karenanya, fungsi evaluasi itu penting, karena tujuan utamanya adalah memperbaki kinerja atau dalam hal ini secara langsung merupakan usaha guna meningkatkan produktivitas kerja. 2)
Kualitas dari lingkungan kerja (quality of work life) Lingkungan kerja pada dasarnya merupakan suatu ruang lingkup dimana para karyawan akan melakukan kegiatan operasional dan produktif, selain itu juga merupakan tempat terjadinya interaksi antara satu karyawan dengan karyawan lainnya. Lingkungan kerja yang berkualitas, dapat diartikan sebagai suatu lingkungan kerja yang secara aktif dan positif akan mendukung dan membantu karyawan yang bersangkutan dalam mencapai performansi kerja yang optimal. Lingkungan kerja yang berkualitas, dalam lingkup pabrik, berarti tempat kerja yang sehat, dan mendukung K3 (Kesehatan dan Keselamatan Kerja) bagi karyawan, selain tentu saja dapat secara langsung mendukung kinerja karyawan yang bersangkutan. Menurut Ivancevich (2002, p9), yang menjadi tanggung jawab utama MSDM
adalah mendukung pencapaian tujuan, obyektif dan kebijakan perusahaan. Guna mendukung perusahaan bersaing secara kompetitif, maka tanggung jawab uatam tersebut dibagi-bagi sesuai peranannya, yaitu :
Perencanaan sumber daya manusia Perencanaan sumber daya manusia terkait secara langsung dalam melakukan perkiraan atas kebutuhan akan sumber daya manusia di masa yang akan dating dan kebutuhan kerja. Konsep perencanaan sumber daya manusia merupakan
31 fungsi turunan dari tujuan organisasi, strategi organisasi, kondisi yang dihadapi oleh organisasi di dalam lingkungan eksternal, dan kondisi karyawan saat ini, terutama ditinjau dari segi pengetahuan, keahlian dan kemampuannya. Dimana kunci dari perencanaan sumber daya manusia ini adalah agar organisasi dapat memperkirakan ketersediaan dari sejumlah staff yang terlatih setiap waktu untuk melaksanakan kegiatan operasional perusahaan secara efektif dan efisien.
Staffing Merupakan turunan dari perencanaan sumber daya manusia yang telah dilakukan oleh organisasi sebelumnya, dimana fungsi staffing terkait dengan proses perekrutan dan juga seleksi yang dilakukan bagian SDM guna memilih dan menentukan individu-individu yang cocok dan sesuai dengan apa yang menjadi kebutuhan organisasi. Terutama dalam hal menempatkan individu yang paling cocok serta sesuai dengan posisi yang ingin diisi sesuai kebutuhan dari organisasi (the right man in the right place).
Pelatihan dan pengembangan Aktivitas pelatihan dan pengembangan bertujuan untuk mengajarkan keahlian baru dan melakukan pengembangan bagi keahlian yang sudah ada. Pelatihan secara khusus dapat diartikan sebagai usaha dari organisasi untuk meningkatkan kemampuan individu dalam mencapai tujuan organisasional. Tujuan utama dari program pelatihan dan pengembangan karyawan tersebut adalah untuk memperoleh karyawan yang kompeten, karyawan yang memiliki keahlian yang terbaru (up to date), pengetahuan, dan kemampuan yang dibutuhkan guna melakukan pekerjaan mereka saat ini dengan baik seiring juga menyiapkan mereka untuk perubahan pekerjaan di masa yang akan datang
32
Kompensasi Struktur dari penghargaan kepada karyawan akan mengkomunikasikan secara menyeluruh dari filosofi dan strategi dari perusahaan. Program kompensasi haruslah sesuai dengan strategi dan karakteristik dari organisasi. Program kompensasi diciptakan berdasarkan pertimbangan dari organisasi untuk menarik minat, memotivasi, dan mempertahankan tenaga kerja yang kompeten. Selain pekerjaan yang menarik dan menantang, kompensasi dan kuntungan adalah insentif yang paling penting yang dapat organisasi tawarkan kepada karyawan sebagai imbal balik dari kontribusi karyawan atas produktifitas, kualitas, dan pelayanan konsumen yang telah diberikan karyawan kepada organisasi.
Manajemen kinerja Manajemen kinerja adalah suatu proses dari mengkomunikasikan ekspektasi kinerja organisasi kepada karyawannya, melakukan penilaian atas kualitas dan hasil dari kinerja yang dilakukan karyawan, begitu pula dengan melakukan penilaian atas potensi kerja dari karyawan untuk masa yang akan datang.
Hubungan antar karyawan Hubungan antar karyawan adalah suatu struktur formal yang bertanggung jawab terhadap interaksi antara pihak manajemen dari organisasi dengan perserikatan tenaga kerja. Dimana untuk beberapa pihak dalam manajemen organisasi, hubungan antara pekerja dapat mengurangi ketidakpuasan dari karyawan. Kontribusi MSDM terutama dalam menciptakan suatu bentuk keefektifan dari
suatu organisasi, yaitu antara lain:
Membantu organisasi untuk mencapai tujuannya.
33
Mempekerjakan keahlian dan kemampuan dari tiap-tiap tenaga kerja secara efisien.
Menyediakan bagi organisasi atas karyawan yang terlatih dan termotivasi dengan baik.
Meningkatkan kepuasan kerja dari para karyawan dan adanya komitmen dari organisasi akan pemenuhan komitmen tersebut.
Pengembangan dan mempertahankan suatu lingkungan kerja yang berkualitas yang akan membuat pekerjaan di organisasi tersebut menjadi dambaan.
Mengkomunikasikan kebijakan-kebijakan SDM organisasi kepada para pekerja
Menolong untuk mempertahankan kebijakan-kenijakan etis dan perilaku tanggung jawab sosial.
Mengatur perubahan untuk keuntungan bagi individu-individu, kelompok, perusahaan, dan juga bagi masyarakat umum.
2.1.3
Perencanaan Sumber Daya Manusia Menurut Dessler (2002, p73), perencanaan sumber daya manusia adalah suatu
proses dari memformulasikan suatu rencana guna pemenuhan kebutuhan tenaga kerja di masa yang akan datang dari perusahaan, berdasarkan pada suatu proyeksi atas kejadian di masa yang akan datang dan dengan pertimbangan apakah kebutuhan tersebut akan diisi dari lingkup internal ataupun eksternal perusahaan. Perencanaan kebutuhan tenaga kerja dibuat berdasarkan asumsi atau prediksi mendasar mengenai kondisi di masa yang akan datang. Tujuan utama dari proyeksi adalah untuk membentuk asumsi dasar tersebut.
34 Menurut Schuler (1981, p67), yang dimaksud dengan perencanaan sumber daya manusia adalah suatu proses dimana pihak manajemen memutuskan kemana organisasi akan bergerak dari posisi sumber daya manusia-nya saat ini. Melalui perencanaan, pihak manajemen berusaha untuk mendapatkan jumlah angka yang tepat (kuantitatif) dan juga karakteristik dari individu (kualitatif), pada tempat yang tepat, pada waktu yang tepat, perencanaan tersebut akan memberikan hasil optimal untuk jangka panjang, baik bagi individu maupun bagi organisasi. Atau dengan kata lain, masih menurut Schuler, tujuan utama dari perencanaan sumber daya manusia adalah untuk membatu organisasi menggunakan bakat karyawannya dengan efektif dan dalam interaksinya atas individu dan organisasi. Tujuan yang terutama atas perencanaan sumber daya manusia ini adalah
Mengurangi biaya karyawan dengan membantu pihak manajemen dalam mengantisipasi kekurangan ataupun kelebihan dari sumber daya manusia yang dimiliki perusahaan dan melakukan perbaikan atas ketidak seimbangan ini sebelum hal tersebut menjadi tidak terkendali dan mahal.
Menyediakan suatu basis yang lebih baik dalam melakukan perencanaan pengembangan karyawan yang akan mengoptimalisasi penggunaan perilaku dari karyawan yang bersangkutan.
Mengembangkan keseluruhan dari proses perencanaan bisnis
Menyediakan kesempatan yang lebih besar untuk wanita dan grup-grup minoritas lainnya dalam rencana pertumbuhan di masa yang akan datang dan mengidentifikasi program pelatihan atau pengembangan yang spesifik yang akan membuat keahlian-keahlian khusus menjadi tersedia.
35
Memberikan kesadaran yang lebih besar atas kegunaan dari MSDM di semua level dari organisasi
Menyediakan suatu alat untuk melakukan evaluasi efek dari tindakan alternatif sumber daya manusia dan kebijakannya. Proses perencanaan dari sumber daya manusia menurut Ivancevich (2002, p47)
meliputi 4 fase tahapan efektif, yaitu : 1) Analisis terhadap situasi dan lingkungan Dalam melakukan suatu perencanaan, akan menjadi sangat penting apabila pihak manajemen melakukan observasi dan menganalisa keadaan sekarang, baik keadaan internal dari perusahaan ataupun kondisi ekternal yang ada di luar dari perusahaan. Hal ini akan sangat penting bagi perusahaan apabila ingin melakukan perencanaan, karena hal tersebut akan memberikan landasan dasar bagi perusahaan dalam memperkirakan elemen-elemen bagi perencanaan. 2) Memprediksi permintaan akan sumber daya manusia Tahapan selanjutnya dari kegiatan perencanaan sumber daya manusia ini adalah melakukan estimasi, tidak hanya berdasarkan banyaknya, namun juga jenis dan karakteristik karyawan yang dibutuhkan oleh perusahaan di masa yang akan datang. Dimana aspek yang paling penting dalam melakukan prediksi kebutuhan sumber daya manusia yang efektif adalah memberikan akses informasi yang akurat dan bebas baik mengenai kondisi SDM sekarang maupun apa yang menjadi rencana dari manajemen di masa yang akan datang terkait pengaruhnya terhadap MSDM.
36 3) Analisis penawaran dari sumber daya manusia Tahapan ini memfokuskan pada ketersediaan akan sumber daya manusia, baik dari sumber-sumber internal di dalam perusahaan, melalui mutasi, promosi ataupun demosi, dan dari sumber-sumber eksternal dari luar perusahaan, melalui proses rekrutmen dan seleksi, ataupun alih daya untuk tenaga kerja. Karena dalam melakukan perencanaan, selain memperkirakan kebutuhan, juga akan esensial untuk turut memperkirakan ketersediaan dari tenaga kerja yang ada di lingkungan eksternal tersebut. 4) Pengembangan dari rencana untuk aplikasi Perencanaan yang baik adalah apabila perencanaan kebutuhan sumber daya manusia tersebut feasible, dapat dilakukan secara nyata. Hal ini terkait dengan seberapa akuratnya proyeksi atau prediksi yang dilakukan oleh pihak MSDM dalam merencanakan kebutuhan akan SDM perusahaan yang dibandingkan dengan perkembangan bisnis perusahaan di masa yang akan datang.
37
Perencanaan Strategis Prediksi teknologi Prediksi ekonomi Prediksi pasar Perencanaan organisasi Perencanaan investasi Rencana operasional tahunan
Permintaan SDM Perekrutan reguler Kebutuhan Jumlah Keahlian Kategori dari pekerjaan
Penawaran SDM Ketersediaan sumber daya yang ada Banding Aplikasi dari kehilangan dan tingkat turnover karyawan. dengan
Jika
Variabel
Selesai tidak
Tindakan Yang diambil
Jika Kelebihan
Jika Kekurangan
Keputusan : Pemecatan Pensiun etc
Keputusan : Lembur Rekrutmen baru etc
Selesai
Selesai
Gambar 2.2 Proses Perencanaan Sumber Daya Manusia
2.1.4
Peramalan Kebutuhan Sumber Daya Manusia Salah satu tahapan utama dalam proses perencanaan sumber daya manusia
adalah melalui proses peramalan atas jumlah ketersediaan pekerjaan yang akan kosong di masa yang akan datang, serta memperkirakan bagaimana mengisi kekosongan tersebut (Strauss, 1992, p341). Menurut Schuler (1981, p78) hasil dari proses peramalan kebutuhan sumber daya manusia merupakan suatu pendekatan, bukan suatu kepastian ataupun nilai mutlak. Kualitas dari hasil peramalan itu sendiri bergantung pada keakuratan dari informasi dan kemampuan untuk memprediksi kejadian-kejadian yang akan terjadi di masa yang akan
38 datang. Semakin pendek rentang waktu peramalannya, maka semakin tepat kejadian yang dapat diprediksi dan semakin akurat informasinya. Masih menurut Schuler, terdapat 3 kelas dalam kegiatan teknik peramalan atas kebutuhan tenaga kerja ini, yang akan terbagi dalam 4 fase proses peramalan kebutuhan tenaga kerja di masa yang akan datang.
Gambar 2.3 Tahapan dan Teknik Peramalan Kebutuhan SDM 1) Peramalan oleh ahli Metode yang paling umum dalam peramalan oleh ahli tersebut adalah teknik Delphi, dimana metode ini sangat tidak kuantitatif dan cebderung sangat subyektif dibandingkan dengan metode-metode peramalan lainnya. Dimana pada aplikasinya, metode ini dilakukan dengan cara beberapa ahli saling berkomunikasi satu sama lain untuk menentukan asumsi-asumsi peramalan dan pernyataan dari peramalan tersebut. Dimana hasil akhir dari permalan dengan teknik Delphi ini adalah hasil
39 kolaborasi dari para ahli terhadap suatu peramalan yang diperoleh dan disetujui oleh para ahli yang bersangkutan. Metode lainnya adalah teknik grup nominal, dimana beberapa orang duduk disekeliling meja konfrensi dan masing-masing menulis ide mereka pada selembar kertas, kemudian setelah beberapa lama, mereka saling mengemukakan idenya masing-masing dan untuk kemudian dikomunikasikan secara bersama ide-ide yan paling baik untuk diterapkan. 2) Proyeksi statistik konvensional Proyeksi statistik konvensional, lebih menitik beratkan pada data-data cuan historis mengenai keadaan di masa yang lampau, untuk kemudian dilakukan peramalan. Regresi linear sederhana adalah salah satu metode yang paling umum untuk diapakai, dimana metode ini akan meproyeksikan kebutuhan tenaga kerja di masa yang akan datang berbasiskan hubungan masa lampau antara tingkat rekrutmen karyawan dan variabel yang berhubungan dengan tingkat rekrutmen terebut, seperti contohnya tingkat penjualan. Analisis regresi linear berganda adalah salah satu pengembangan dari metode regresi linear sederhana, dimana penggunaan beberapa variabel yang asling mempengaruhi (dependent variable) dimungkinkan dalam permodelan ini. Sehingga nantinya akan lebih banyak faktor-faktor penimbang dalam memberikan suatu hasil proyeksi dalam metode ini. 3) Simulasi berbasiskan komputer Penggunaan simulasi berbasiskan komputer jarang sekali dilakukan oleh organisasi atau perusahaan. Bagaimanapun pada dasarnya penggunaan simulasi dengan komputer memungkinkan untuk memperkirakan variabel-variabel yang
40 tidak terbatas jumlahnya serta mempertimbangkan asumsi-asumsi yang ada. Sehingga pada dasarnya diharapkan hasil peramalan dengan program komputer akan memperhitungkan banyak kemungkinan-kemungkinan yang dapat timbul pada hasil peramalan. Menurut Dessler (2002, p91) selain memprediksi kebutuhan tenaga kerja, peramalan tenaga kerja juga dapat menggambarkan : Memproyeksikan turnover karyawan (sebagai hasil dari karyawan yang mengundurkan diri atau pensiun) Kualitas dan keahlian dari karyawan saat ini (dalam kaitannya dengan apa yang dapat kita lihat sebagai kebutuhan organisasonal yang berubah) Keputusan strategis untuk mengembangkan kualitas dari produk atau layanan atau guna memasuki pasar persaingan yang baru Faktor tekhnologi atau faktor perubahan lainnya yang dapat berdampak pada meningkatnya produktivitas kerja Ketersediaan sumber daya keuangan dari perusahaan, dalam hal ini ketersedian budget untuk sumber daya manusia Menurut Dessler, cara-cara yang umum digunakan dalam memprediksi kebutuhan dari tenaga kerja adalah : •
Analisis tren Melakukan pembelajaran atas kebutuhan tenaga kerja dari perusahaan di masa lampau guna melakukan perkiraan atas kebutuhan tenaga kerja di masa yang akan datang. Tujuan dari analisis tren ini adalah untuk melihat pola tren yang mungkin terjadi atau berulang di masa yang akan datang.
41 •
Analisis Rasio Suatu teknik peramalan untuk memperkirakan kebutuhan tenaga kerja di masa yang akan
datang
dengan
menggunakan
hubungan
rasio,
sebagai
contoh
mempertimbangkan hubungan antara volume penjualan dengan kebutuhan dari tenaga kerja yang ada. Namun pada dasarnya, faktor yang dipertimbangkan cukup terbatas, dan tidak mempertimbangkan faktor-faktor pengaruh lainnya yang mungkin dapat merubah hasil; dari peramalan tersebut. •
Scatter Plot Scatter Plot (diagram tebar) adalah suatu metode yang berbasis tampilan grafis, digunakan untuk membantu mengidentifikasikan hubungan antara dua variabel. Dimana dapat dikaitkan antara kebutuhan tenaga kerja dengan penambahan mesin, atau dalam penelitian yang dilakukan dengan membandingkan antara perubahan takt time dengan jumlah tenaga kerja langsung. Metode permalan lainnya yang dapat digunakan adalah analisa arus tenaga kerja
(personnel flow analysis), Strauss (1992, p341) menyatakan bahwa analisa arus tenaga kerja merupakan salah satu proses permalan tenaga kerja yang sederhana, dimana fokus utama dari permalan tersebut adalah hanya pada jumlah tenaga kerja dan variabelvariabel terkait mengenai tenaga kerja. Proses peramalan dengan arus tenaga kerja tersebut berbasiskan pada persentase atau bagian dari tenaga kerja yang menjadi acuan dari pergerakan atau arus tenaga kerja tersebut. Sebagai contoh untuk melakukan estimasi atas pekerja yang diterima dan tidak diterima bagian rekrutmen, diperkirakan 30% dengan 70%. Perbandingan persentase tersebut berasal dari turunan kebijakan dasar perushaan yang diadopsi oleh departemen sumber daya manusia yang bersangkutan.
42 2.2
Takt Time
2.2.1
Definisi Takt Time Takt time adalah waktu yang diinginkan antara jumlah unit dari keluaran
produksi, disinkronisasikan dengan permintaan dari pelanggan, atau dalam hal ini dengan target dari unit produk yang ingin dihasilkan. Konsep takt time sendiri merupakan bagian integral pada sistem manufaktur lean (lean manufacturing). Takt merupakan padanan kosa kata bahasa Jerman yang berarti ketukan pada musik. Juga dapat diartikan sebagai lingkaran proses, ritme atau waktu yang berulang. Awal kata penggunaan takt time bermula ketika pada tahun 1930, dimana Jerman dan Jepang berada dalam satu kubu pada saat perang dunia dan Jerman membantu Jepang membangun industri pesawat terbangnya. Mereka menggunakan analogi atau perumpaan dari pengaturan huruf balok dan ritme untuk musik. Kemudian pasca perang dunia, Toyota mengambil kata dan konsep tersebut untuk prinsip just in time atau sistem produksi Toyota (Toyota Production System). Secara garis besar, prinsip takt time dapat dirumuskan demikian :
Dimana : •
Ta = Waktu bersih yang tersedia untuk bekerja (menit/hari)
•
Td = Permintaan atau target produksi total (unit produksi/hari)
•
T = Takt Time (menit waktu kerja/unit yang diproduksi)
43 2.2.2
Kegunaan dari Takt Time Pada dasarnya kontribusi takt time dalam prinsip manufaktur lean adalah sebagai
berikut : Stabilitas produksi Dengan adanya pembatasan dari target produksi, maka hal tersebut akan menstabilkan kinerja dari sistem produksi yang ada dan akan mencegah terjadinya kekurangan persediaan serta seringnya produksi berhenti. Perancangan lini kerja Takt time akan membantu perancang lini kerja (cell designer). Di mana dalam lini kerja yang ideal, semua tugas berjalan seimbang satu sama lain, dimana pada dasarnya semua lini produksi atau perakitan tersebut akan memerlukan waktu yang sama besar untuk berjalan dan waktu tersebut sama dengan takt time. Jika ada dari kegiatan produksi yang membutuhkan waktu lebih dari takt time, maka lini yang bersangkutan tidak dapat berproduksi sesuai target yang ditetapkan dalam takt time.
Gambar 2.4 Lini kerja yang seimbang Faktor psikologis Feedback yang sesegera mungkin atas kinerja merupakan motivator yang sangat kuat. Ketika satu tim lini kerja mengkalkulasi takt time, mereka akan menanamkan tingkat keasadaran atas tingkat output yang perlu dihasilkan dan
44 masalah-masalah yang mungkin muncul. Mereka akan berusaha untuk mencapai takt time pada setiap siklus proses dan dengan segera melakukan tindakan koreksi yang diperlukan.
2.2.3
Batasan dari Takt Time Pada dasarnya konsep takt time tidak dapat diterapkan pada semua bentuk
produksi, terdapat batasan-batasan yang menjadi acuan utama dalam penerapan takt time tersebut. Terutama adalah bahwa takt time digunakan dalam suatu sistem lini kerja yang sederhana, dan lini kerja yang demikianlah yang merupakan tipikal dari mekanisme produksi yang diterapkan di Toyota. Sebuah sistem produksi tersebut harus memenuhi persyaratan, sebagai berikut : •
Minimalisasi waktu yang terbuang untuk pengaturan (minimal setup)
•
Satu jalur produksi (a single routing)
•
Memiliki lamanya waktu kerja yang sama untuk setiap jenis produk, contohnya waktu kerja harian selama 7 jam atau 4,200 menit per hari kerja.
2.3
Statistika Ketepatan Peramalan Dalam melakukan peramalan atau proyeksi, diperlukan suatu metode untuk
mengetahui sampai sejauh mana hasil proyeksi atau peramalan yang kita lakukan dapat mendekati nilai aktualnya. Dalam hal ini, maka perlu diperhitungkan tingkat ketepatan ataupun tingkat kesalahan (error) dari hasil peramalan yang kita lakukan tersebut.
45 Dalam penelitian manpower yang dilakukan, tujuan umum dari proyeksi yang dilakukan adalah untuk mengetahui tingkat error dari hasil proyeksi jika dibandingkan dengan kisaran data aktual yang didapat. Menurut Munir (2003, p23) menganalisis galat (error) yang didapat sangatlah penting di dalam melakukan perhitungan yang menggunakan metode numerik. Karena pada dasarnya nilai galat berasosiasi dengan seberapa dekatnya solusi hampiran atau hasil permalan terhadap solusi sejatinya. Jadi pada dasarnya secara kasar dapat diakatakan, semakin kecil galatnya, maka semakin teliti solusi numerik yang didapatkan. Perbedaan yang terjadi antara data aktual dengan hasil permalan atau proyeksi tersebut dikatakan sebagai galat. et = X t − Ft
Dimana : •
Xt merupakan besaran data aktual untuk periode waktu i
•
Fi merupakan besaran hasil proyeksi atau hasil peramalan yang dilakukan untuk periode waktu i pada periode data aktual
•
et
merupakan selisih yang terjadi antara data aktual Xt dengan hasil peramalan atau proyeksi Fi, yang disebut juga sebagai error atau galat.
Beberapa metode pengukuran kesalahan (error) yang umum digunakan adalah : ⇒ Nilai Tengah Galat Absolut (Mean Absolute Error) MAE =
1 n ∑ ei n i =1
⇒ Deviasi Standar Galat (Standard Deviation of Error)
SDE =
1 n ei 2 ∑ i =1 n −1
46 ⇒ Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error)
MAPE =
1 n ∑ PEi n i =1
⇒ Rata-rata akurasi hasil proyeksi (Average Projection Accuracy) Avg Acc =
2.4
1 n ∑ 100% − PEi n i =1
Interpolasi
Menurut Munir (2003, p192) proses interpolasi merupakan proses pencocokan kurva (curve fitting), yaitu proses yang mencocokkan nilai hampiran atau nilai hasil proyeksi dan permalan terhadap nilai aktualnya sehingga mencapai tingkat ketelitian yang tinggi. Proses interpolasi memainkan peranan yang sangat penting dalam metode numerik. Fungsi yang tampak rumit menjadi lebih sederhana bila dinyatakan dalam polinom interpolasi. Sebagian besar metode integrasi numerik, metode persamaan diferensial biasa, dan metode turunan numerik didasarkan pada polinom interpolasi. Jenis-jenis interpolasi yang umum digunakan dalam metode numerik antara lain: Interpolasi sederhana
Rumus Interpolasi : N’ (Target) = N N −1 + [
(TN −1 − TN ) * ( N N − 2 − N N −1 ) ] (TN −1 − TN − 2 )
Interpolasi yang menggunakan basis data perhitungan berupa dua buah variabel (N dan T) dan dengan basis perhitungan 3 periode waktu (N, N-1, N-2).
47
Interpolasi lanjar
Interpolasi lanjar adalah interpolasi dua buah titik dengan sebuah garis lurus. Misal diberikan 2 buah titik, (x0, y0) dan (x1, y1). Dimana pada dasarnya polinom yang menginterpolasi kedua titik ini adalah persamaan garis lurus yang terbentuk. Persamaan untuk interpolasi lanjar berupa :
p1 ( x) = y0 +
( y1 − y0 ) ( x − x0 ) ( x1 − x0 )
Interpolasi kuadratik
Interpolasi kuadratik adalah interpolasi yang melewati tiga buah titik (x0, y0), (x1, y1) dan (x2, y2). Dimana polinom yang menginterpolasi ketiga buah titik itu adalah polinom kuadrat yang berbentuk:
p2 ( x) = a0 + a1 x + a2 x 2 Interpolasi kubik
Interpolasi kubik adalah interpolasi yang melewati empat buah titik (x0, y0), (x1, y1), (x2, y2) dan (x3, y3). Dimana polinom yang menginterpolasi ketiga buah titik itu adalah polinom kubik yang berbentuk:
p2 ( x) = a0 + a1 x + a2 x 2 + a3 x3
2.5
Jaringan Saraf Tiruan (Artificial Neural Network)
2.5.1
Definisi Jaringan Saraf Tiruan
Jaringan saraf adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia
48 tersebut. Istilah tiruan atau buatan disini digunakan karena jaringan syaraf ini diimplementasikan
dengan
menggunakan
program
komputer
yang
mampu
menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.
Neural Network biasa digunakan dalam masalah klasifikasi (di mana output-tnya adalah variabel kategoris) atau regresi (output-nya kontinyu). Neural network dimulai dengan layer input, dimana tiap simpul berkorespondensi dengan variabel prediktor. Simpul-simpul input ini terhubung ke beberapa simpul dalam hidden layer. Tiap simpul input terhubung dengan tiap simpul dalam hidden layer. Simpul dalam hidden layer bisa jadi terhubung ke simpul lain dalam hidden layer, atau ke output layer. Output layer terdiri dari satu atau beberapa variabel respon.
Gambar 2.5 Struktur Jaringan Saraf Tiruan Sederhana Setelah layer input, tiap simpul mengambil satu himpunan input, mengalikan input-input tersebut dengan bobot Wxy (misalnya, bobot dari simpul 1 ke 3 adalah W13 – lihat gambar), menambahkan kedua bobot, menerapkan fungsi (biasa dipanggil fungsi aktivasi atau squashing), dan melewatkan outputnya ke simpul dalam layer berikutnya. Misalnya, nilai yang dilewatkan dari node 4 ke node 6 adalah: Activation function applied to ([W14 * value of node 1] + [W24 * value of node 2])
49
Gambar 2.6 Pembobotan Pada Layer Jaringan Saraf Tiap simpul bisa dilihat sebagai variabel prediktor (dalam hal ini simpul 1 dan 2) atau sebagai kombinasi dari variabel prediktor (simpul 3 sampai 6). Simpul 6 adalah kombiasi non linear dari nilai simpul 1 dan 2, karena fungsi aktivasi terhadap nilai penjumlahan di simpul-simpul tersembunyi. Jika terdapat fungsi aktivasi tanpa hidden layer, jaringan saraf akan ekivalen dengan regresi linear; dan dengan fungsi aktivasi non-linear tertentu, jaringan saraf akan ekivalen dengan regresi logistik. Bobot koneksi (W) adalah parameter tidak diketahui yang diestimasi dengan metode training. Awalnya, metode training yang umum adalah backpropagation; metode-metode yang baru lalu bermunculan seperti gradien konjugasi, quasi-Newton, Levenberg-Marquardt, dan algoritma genetic. Tiap metode training memiliki satu himpunan parameter yang mengatur berbagai aspek dari training seperti misalnya menghindari local optima atau mengatur kecepatan konversi.
2.5.2
Arsitektur Jaringan Saraf Tiruan
Arsitektur (atau topologi) dari jaringan saraf adalah jumlah dari simpul dan layer-layer tersembunyi, dan bagaimana mereka saling berhubungan. Dalam merancang jaringan saraf, baik user maupun software harus memilih jumlah simpul dan layer
50 tersembunyi, fungsi aktivasi, dan batasan-batasan bobot. Meskipun terdapat aturan umum, kita biasanya tetap harus bereksperimen dengan parameter-parameter tersebut. Menurut Kusumadewi (2003, p212), terdapat 3 macam struktur jaringan syaraf, antara lain: 1) Jaringan dengan lapisan tunggal (single layer net) Jaringan dengan lapisan dengan lapisan tunggal hanya memiliki satu lapisan dengan bobot-bobot terhubung. Jaringan ini hanya menerima input kemudian secara langsung mengolahnya menjadi output tanpa harus melalui lapisan tersembunyi.
Gambar 2.7 Struktur Jaringan Saraf Tiruan Single Layer 2) Jaringan dengan banyak lapisan (Multilayer net) Jaringan dengan banyak lapisan memiliki 1 atau lebih lapisan yang terletak diantara lapisan input, dan lapisan output (memiliki 1 atau lebih lapisan tersembunyi). Umumnya, ada lapisan bobot-bobot yang terletak anatar 2 lapisan yang bersebelahan. Jaringan dengan banyak lapisan ini dapat menyelesaikan
51 permasalahan yang lebih sulit daripada lapisan-lapisan tunggal, tentu saja dengan proses pembelajaran yang lebih rumit.
Gambar 2.8 Struktur Jaringan Saraf Tiruan Multiple Layer 3) Jaringan dengan lapisan kompetitif (competitive layer net) Jaringan dengan lapisan kompetitif pada dasarnya tidak memiliki bentuk arsitektur jaringan yang baku. Dimana pada dasarnya neuron-neuron pada lapisan kompetitif akan mendistribusikan dirinya ke vector input yang dapat dikenali.
Gambar 2.9 Struktur Jaringan Saraf Tiruan Competitive Layer
52 2.5.3
Fungsi Aktivasi
Fungsi aktivasi merupakan suatu fungsi yang berjalan dalam proses pembelajran yang terjadi pada jaringan syaraf tiruan. Dimana fungsi aktivasi ini dapat juga dikatakan sebagai suatu sistem pembobotan yang digunakan dalam tiap-tiap lapisan tersembunyi dalam suatu arsitektur jaringan syaraf buatan. Beberapa fungsi aktivasi yang sering digunakan dalam jaringan syaraf tiruan, antara lain: a. Fungsi Undak Biner (Hard Limit) Jaringan dengan lapisan tunggal sering menggunakan fungsi undak (step function) untuk mengkonversikan input dari suatu variabel yang bernilai kontinu ke suatu output biner (0 atau 1). Fungsi undak biner (hard limit) dirumuskan sebagai:
Gambar 2.10 Fungsi Aktivasi Undak Biner (Hard Limit) b. Fungsi Undak Biner (Threshold) Fungsi undak biner dengan menggunakan nilai ambang sering juga disebut dengan nama fungsi nilai ambang (threshold) atau fungsi Heaviside. c. Fungsi Bipolar (Symmetric Hard Limit) Fungsi bipolar sebenarnya hampir sama dengan fungsi undak biner, hanya saja output yang dihasilkan berupa 1, 0 atau -1.
53 Fungsi symmetric hard limit dirumuskan sebagai:
Gambar 2.11 Fungsi Aktivasi Bipolar (Symmetric Hard Limit) d. Fungsi Bipolar (dengan Threshold) Fungsi bipolar sebenarnya hampir sama dengan fungsi undak biner dengan threshold, hanya saja output yang dihasilkan berupa 1, 0 atau -1. e. Fungsi Linear (identitas) Fungsi linear memiliki nilai output yang sama dengan nilai input-nya. Fungsi Linear dirumuskan sebagai:
Gambar 2.12 Fungsi Aktivasi Linear (identitas) f. Fungsi Saturating Linear Fungsi ini akan bernilai 0 jika inputnya kurang dari -0.5, dan akan bernilai 1 jika inputnya lebih dari 0.5. Sedangkan jika nilai input terletak antara -0.5 dan 0.5 maka outputnya akan bernilai sama dengan nilai input ditambah 0.5.
54 Fungsi saturating linear dirumuskan sebagai:
Gambar 2.13 Fungsi Aktivasi Saturating Linear g. Fungsi Symmetric Saturating Linear Fungsi ini akan bernilai -1 jika inputnya kurang dari -1, dan akan bernilai 1 jika inputnya lebih dari 1. Sedangkan jika nilai input terletak antara -1 dan 1 maka outputnya akan bernilai sama dengan nilai input .
Gambar 2.14 Fungsi Aktivasi Symmetric Saturating Linear h. Fungsi Sigmoid Biner Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan menggunakan metode backpropagation. Fungsi sigmoid biner memiliki nilai pada rentang 0 smaapi 1. Oleh karena itu, fungsi ini sering digunakan untuk jaringan syaraf yang membutuhkan nilai output yang terletak pada interval 0 sampai 1. Namun, fungsi ini bisa juga digunakan oleh jaringan syaraf yang nilai output-nya 0 atau 1.
55 Fungsi sigmoid biner dirumuskan sebagai:
Gambar 2.15 Fungsi Aktivasi Sigmoid Biner i. Fungsi Sigmoid Bipolar Fungsi sigmoid bipolar hampir sama dengan fungsi sigmoid biner, hanya saja output dari fungsi ini memiliki rentang antara 1 sampai -1. Fungsi sigmoid bipolar dirumuskan sebagai:
Gambar 2.16 Fungsi Aktivasi Sigmoid Bipolar
2.5.4
Proses Pembelajaran
Proses pembelajaran merupakan suatu tahapan proses utama dalam jaringan syaraf tiruan, dimana neuron-neuron yang ada pada struktur jaringan syaraf tiruan akan bekerja untuk mengenali baik input maupun output. Selama proses pembelajaran, terjadi perubahan yang cukup berarti pada bobot-bobot yang menghubungkan antar neuron.
56 Apabila ada rangsangan yang sama dengan rangsangan yang telah diterima oleh neuron, maka neuron akan bereaksi dengan cepat. Namun apabila kelak ada rangsangan yang berbeda dengan apa yang telah diterima oleh neuron, maka neuron akan segera beradaptasi untuk memberikan reaksi yang cepat. Pada jaringan syaraf tiruan, terutama ketika pembelajaran dilakukan pada input yang berbeda, maka nilai bobot akan diubah secara dinamis hingga mencapai suatu nilai yang cukup seimbang. Apabila nilai ini telah tercapai, maka mengindikasikan bahwa tiap-tiap input telah berhubungan dengan output yang diharapkan.
2.5.4.1 Pembelajaran Terawasi (Supervised Learning)
Metode pembelajaran pada jaringan syaraf tiruan disebut terawasi jika output yang diharapkan telah diketahui sebelumnya. Pada proses pembelajaran, satu pola input akan diberikan ke satu neuron pada lapisan input. Pola ini akan dirambatkan di sepanjang jaringan syraf hingga sampai ke neuron pada lapisan output. Lapisan output ini akan membangkitkan pola output yang nantinya akan dicocokan dengan pola output targetnya. Apabila terjadi perbedaan antara pola output hasil pembelajaran dengan pola target, maka disini akan muncul error. Apabila nilai error ini masih cukup besar, mengindikasikan bahwa masih perlu dilakukan lebih banyak pembelajaran lagi. Ada beberapa macam pembelajaran terawasi (supervised learning), antara lain:
Hebb Rule Hebb rule adalah metode pembelajaran yang paling sederhana. Pada metode ini pembelajaran dilakukan dengan cara memperbaiki nilai bobot sedemikian rupa sehingga jika ada 2 neuron yang terhubung, dan keduanya pada kondisi ‘hidup’ (on) pada saat yang sama, maka bobot antara keduanya dinaikkan.
57
Perceptron Perceptron juga termasuk salah satu bentuk jaringan syaraf yang sederhana. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan pemisahan secara linear. Pada dasarnya, perseptron pada jaringan syaraf dengan satu lapisan memiliki bobot yang bisa diatur dan suatu nilai ambang (threshold). Algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter-patameter bebasnya melalui proses pembelajaran. Nilai threshold pada fungsi aktivasi adalah non negatif.
Gambar 2.17 Arsitektur Jaringan Perceptron
Delta Rule Pada delta rule akan mengubah bobot yang menghubungkan antara jaringan input ke unit output (y_in) dengan nilai target (t). Hal ini dilakukan untuk meminimalkan error selama pelatihan pola.
Backpropagation
58 Training Backpropagation hanyalah salah satu versi dari gradien descent, suatu jenis algoritma yang mencoba untuk mengurangi nilai target (error, dalam kasus jaringan saraf) dalam tiap langkah. Algoritma ini bekerja seperti berikut:
Feed forward: Nilai dari simpul output dihitung berdasarkan nilai simpul input dan bobot-bobot awal. Nilai-nilai dari simpul input ini dikombinasikan dalam hidden layers, dan nilai dari simpul-simpul di hidden layer digabungkan untuk menghitung nilai output.
Backpropagation: Error dalam output dihitung dengan mencari beda antara output terhitung dan output yang diinginkan. Kemudian, error dari output dimasukkan kembali ke hidden layer secara proporsional, sesuai dengan bobotnya. Hal ini akan membuat error dihitung untuk tiap simpul output dan simpul tersembunyi dalam jaringan. Akhirnya, error di tiap simpul tersembunyi dan simpul output digunakan oleh algoritma untuk mengatur bobot yang masuk ke simpul untuk mengurangi error.
Proses ini berulang untuk tiap baris dalam himpunan traininng. Tiap lewatan terhadap tiap baris dalam himpunan traininng disebut epoch. Himpunan training ini akan digunakan berulang kali, sampai error yang dihasilkan tidak lagi berkurang. Pada titik tersebut jaringan saraf dianggap teah terlatih untuk menemukan pola dalam himpunan test. Karena banyak sekali parameter yang mungkin ada dalam jaringan tersembunyi, suatu jaringan saraf dengan simpulsimpul tersembunyi yang cukup akan selalu menyelesaikan training set jika dibiarkan berjalan cukup lama. Untuk menghindari jaringan saraf yang overfitted
59 yang akan hanya bekerja dengan baik pada data training, kita harus tahu kapan harus berhenti melakukan training. Beberapa implementasi akan mengevaluasi jaringan saraf pada data penguji secara periodik selama latihan. Selama error rate dalam himpunan penguji terus menurun, training akan terus dilakukan. Jika error rate bertambah, meskipun error rate pada data traininng terus menurun, maka jaringan
saraf
mungkin
mengalami
overfitting.
Grafik
dalam
gambar
mengilustrasikan bagaimana himpunan data penguji dapat menolong kita menghindari overfitting. Kita dapat melihat bahwa error rate terus menurun pada tiap lewatan jariingan saraf terhadap data (garis titik-titik), akan tetapi error rate untuk data penguji mengalami kenaikan. Karena tujuan dari data mining adalah untuk membuat prediksi pada data yang bukan himpunan traininng, maka kita tentu saja harus menggunakan jaringan saraf yang akan meminimalisasi error pada data penguji, bukan data training.
Gambar 2.18 Algoritma Kesalahan Dalam Backpropagation
Heteroassociative Memory Jaringan syaraf associative memory adalah jaringan yang bobot-bobotnya ditentukan sedemikian rupa sehingga jaringan tersebut dapat menyimpan kumpulan pengelompokan pola. Masing-masing kelompok merupakan pasangan
60 vector. Bobot-bobot pada jaringan tersebut dapat ditentukan menggunakan hebb rule atau delta rule.
Bidirectional Associative Memory (BAM) BAM adalah model jaringan syaraf yang memiliki 2 lapisan dan terhubung penuh dari satu lapisan ke lapisan lainnya. Pada jaringan ini memungkinkan adanya hubungan timbal balik antara lapisan input dan lapisan output. Namun demikian, bobot yang menhubungkan antara satu neuron di satu lapisan dengan neuron di lapisan lainnya akan sama dengan bobot yang menghubungkan neuron ke neuron. Bisa dikatakan bahwa, matriks bobot yang menghubungkan neuron-neuron pada lapisan output ke lapisan input sama dengan transpose matriks bobot neuronneuron yang menghubungkan lapisan input ke lapisan output.
Learning Vector Quantization (LVQ) LVQ adalah suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vector-vektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vektor-vektor input. Jika 2 vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vektor input tersebut ke dalam kelas yang sama.
61
Gambar 2.19 Arsitektur Jaringan Learning Vector Quantization
2.5.4.2 Pembelajaran Tidak Terawasi (Unsupervised Learning)
Pembelajaran yang tidak terawasi disebut juga sebagai jaringan Kohonen, dimana pertama kali diperkenalkan oleh Prof. Teuvo Kohonen pada tahun 1982. Pada jaringan ini, suatu lapisan yang berisi neuron-neuron akan menyusun dirinya sendiri berdasarkan input nilai tertentu dalam suatu kelompok yang dikenal dengan istilah cluster. Selama proses penyusunan diri, cluster yang memiliki vektor bobot paling cocok dengan pola input (memiliki jarak yang paling dekat) akan terpilih sebagai pemenang. Neuron yang menjadi pemenang beserta neuron-neuron tetangganya akan memperbaiki bobot-bobotnya.
