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 diselesaikan dengan menggunakan komputer, baik karena algoritma yang belum diketahui ataupun meski algoritma penyelesaiannya sudah diketahui namun komputasinya masih sangat lama. Hal inilah yang mendorong untuk mendapatkan metode lain untuk memecahkan masalah ini. Cara kerja jaringan saraf manusia muncul sebagai inspirasi untuk menyelesaikan masalah-masalah tersebut. Jaringan Saraf Tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses pembelajaran melalui perubahan bobot sinanpsisnya. Sebuah JST dikonfigurasikan untuk aplikasi tertentu seperti pengenalan pola atau klasifikasi data, melalui proses pembelajaran. Pada proses pembelajaran, kedalam JST dimasukkan pola-pola input atau output lalu jaringan akan diajari untuk memberikan jawaban yang bisa diterima. JST terdiri dari beberapa metode yaitu metode Hebb Rule, Perceptron, Delta Rule, Backpropagation, Heteroassociative Memory (BAM), Learning Vector Quantization, dan Jaringan Kohonen. Jaringan Saraf yang digunakan oleh penulis adalah jaringan saraf tiruan dengan metode Learning Vector Quantization (LVQ) dan metode Backpropagation. Disini penulis ingin membandingkan kedua metode dengan perbandingan tingkat kecepatan komputasi pada pelatihan dengan menggunakan kedua metode tersebut untuk memprediksi kenaikan jabatan untuk karyawan dengan jaringan saraf tiruan.
Universitas Sumatera Utara
2
Data diperoleh dari penelitian karyawan-karyawati PDAM TIRTANADI. PDAM TIRTANADI merupakan perusahaan air minum daerah yang berada di Sumatera Utara yang menyediakan air bersih kepada pelanggan setiap harinya. Kenaikan Jabatan diberikan kepada pegawai yang memiliki Penilaian Kerja Pegawai yang baik, Masa Kerja Minimal empat tahun, dan mengikuti ujian psikotes. Data tersebut yang akan menjadi pertimbangan seorang pegawai layak atau tidak layak untuk mendapatkan kenaikan golongan. Data diperoleh dari Kepala Sumber Daya Manusia (Kepala SDM) dari perusahaan tersebut lalu diolah dengan menggunakan metode LVQ dan Backpropagation. LVQ adalah suatu metode pelatihan pada lapisan kompetitif terawasi yang akan belajar secara otomatis untuk mengklasifikasikan vektor-vektor input kedalam kelas-kelas tertentu. Kelas-kelas yang dihasilkan tergantung pada jarak antara vektorvektor input. Jika ada dua vektor input yang hampir sama maka lapisan kompetitif akan mengklasifikasikan kedua vektor input tersebut kedalam kelas yang sama. Backpropagation adalah metode penurunan gradien untuk meminimalkan kuadrat error keluaran dengan tiga tahap yang harus dilakukan dalam pelatihan jaringan yaitu tahap perambatan maju (Forward Propagation), tahap perambatan balik, dan tahap perubahan bobot dan bias. Arsitektur jaringan ini terdiri dari input layer, hidden layer, dan output layer. Pada Jurnal Novi Yanti, Yogyakarta dengan judul “Penerapan Metode Neural Network Dengan Struktur Backpropagation Untuk Prediksi Stok Obat di Apotek (Studi Kasus : Apotek ABC)”. Dalam implementasinya digunakan pada teknik algoritma Backpropagation yang dilakukan untuk memprediksi suatu pola yang diberikan. Berdasarkan latar belakang yang telah penulis uraikan, maka penulis tertarik untuk melakukan penelitian dengan judul “Memprediksi Kenaikan Golongan Pegawai Dengan Metode Learning Vector Quantization dan Backpropagation (Studi Kasus : PDAM TIRTANADI MEDAN)”.
2 Universitas Sumatera Utara
3
1.2 Rumusan Masalah
Berdasarkan latar belakang, maka yang menjadi rumusan masalah pada penelitian ini adalah : 1. Bagaimana merancang aplikasi metode LVQ dan Backpropagation dalam memprediksi kenaikan golongan pegawai. 2. Bagaimana perbandingan tingkat kecepatan komputasi pengujian dengan metode LVQ dan Backpropagation.
1.3 Batasan Masalah
1. Parameter
yang
digunakan
untuk
membandingkan
LVQ
dengan
Backpropagation adalah perbandingan tingkat kecepatan komputasi pada pengujian. 2. Nilai variabel yang akan diolah meliputi Penilaian Kerja Pegawai yang baik, Masa Kerja minimal empat tahun, dan mengikuti ujian psikotes. 3. Inisialisasi Bobot awal dilakukan secara random. 4. Fungsi aktivasi digunakan adalah fungsi sigmoid biner. 5. Aplikasi hanya membahas layak atau tidak layaknya seorang pegawai mendapatkan kenaikan golongan sesuai dengan produktivitas kinerja yang baik. 6. Implemetasi perancangan program jaringan saraf tiruan yang digunakan adalah bahasa pemrograman Matlab 2007.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah menghasilkan aplikasi yang dapat melakukan perbandingan tingkat kecepatan komputasi pada pengujian dan melakukan prediksi data kenaikan golongan pada pegawai dengan menggunakan metode LVQ dan Backpropagation.
3 Universitas Sumatera Utara
4
1.5 Manfaat Penelitian
Manfaat dari penelitian ini adalah : 1. Manfaat bagi penulis : Manfaat dari penelitian ini adalah untuk menambah pengetahuan penulis dalam melakukan proses pengenalan pola atau klasifikasi data dan melakukan perbandingan antara kedua metode LVQ dengan Backpropagation.
2. Manfaat bagi bidang ilmu : a. Menambah pengetahuan tentang metode LVQ dan Backpropagation. b. Sebagai bahan referensi bagi peneliti lain yang ingin merancang aplikasi jaringan saraf tiruan.
3. Manfaat bagi instansi : Membantu instansi dalam memberikan alternatif lain untuk mengolah data dan memprediksi kenaikan golongan pegawai dengan menggunakan Jaringan Saraf Tiruan , misalnya dengan menggunakan metode LVQ dan Backpropagation.
1.6 Metode Penelitian
Metodologi penelitian yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut : a. Studi Literatur Penulisan ini dimulai dengan pengumpulan bahan referensi dari berbagai sumber seperti buku, jurnal ilmiah, makalah, halaman web, dan lain-lain yang berkaitan
dengan
jaringan
saraf
tiruan
dan
algoritma
LVQ
dan
Backpropagation sehingga mencapai tujuan dari penulisan tugas akhir ini.
b. Pengumpulan Data Pengumpulan data yang dilakukan dengan mengambil data secara langsung ke lapangan sehingga mendapatkan nilai yang valid.
4 Universitas Sumatera Utara
5
c. Analisis dan Perancangan Perangkat Lunak Pada tahap ini digunakan untuk mengolah data yang ada dan kemudian melakukan analisis terhadap data. Kemudian seluruh hasil analisa tersebut yang akan digunakan untuk merancang perangkat lunak yang akan dihasilkan. Dalam tahapan ini, dilakukan perancangan terhadap bentuk antarmuka sistem serta proses kerja sistem untuk memudahkan dalam proses implementasi berikutnya.
d. Implementasi dan Pengujian Melakukan implementasi sistem sesuai dengan rancangan yang telah dibangun sebelumnya dan melakukan pengujian algoritma LVQ dan Backpropagation dalam memprediksi kenaikan golongan pegawai.
e. Dokumentasi Melakukan dokumentasi hasil implementasi dan pengujian sistem secara tertulis dalam bentuk laporan skripsi.
1.7 Sistematika Penelitian
Sistematika penulisan dari skripsi ini terdiri dari beberapa bagian utama sebagai berikut :
BAB 1 : PENDAHULUAN Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi “Memprediksi Kenaikan Golongan Pegawai Dengan Metode Learning Vector Quantization dan Backpropagation (Studi Kasus : PDAM TIRTANADI)”, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, flowchart penelitian dan sistematika penulisan.
5 Universitas Sumatera Utara
6
BAB 2 : TINJAUAN PUSTAKA Bab ini berisi dasar teori-teori yang digunakan dalam analisis, perancangan dan implementasi skripsi
BAB 3 : ANALISIS DAN PERANCANGAN SISTEM Bab ini berisi analisis terhadap fokus permasalahan penelitian dan perancangan terhadap sistem memprediksi kenaikan golongan pegawai.
BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM Bab ini berisi teknik omplementasi dari perancangan yang telah dibuat dan pengujian terhadap implementasi. Pengujian dilakukan untuk membuktikan perangkat lunak dapar berjalan sesuai dengan spesifikasi yang telah ditentukan di tahapan analisis.
BAB 5 : KESIMPULAN DAN SARAN Bab ini akan memuat kesimpulan isi dari keseluruhan uraian bab-bab sebelumnya dan saran-saran dari hasil yang diperoleh yang diharapkan dapat bermanfaat untuk pengembangan selanjutnya.
6 Universitas Sumatera Utara