P eng ujia n s is tem eks traks i aturan dari jaring a n s yaraf tiruan untuk menentukan dis pos is i material pada P T . G atra Mapan Malang dilakukan de ng an melihat s ifat dari rule yang dihas ilkan. S ifat ini dapat dilihat dari tingkat akuras i aturan dan be ntuk aturan yang dihas ilkan, deng an melakuka n pelatihan da n eks traks i aturan terhadap datas et ins peks i material dan kemudian dilakuka n peng ujian pada s etiap aturan yang ada. D alam bab ini akan dibahas 4 mac am peng ujian deng an tujuan yang be rbeda. B e berapa peng ujian yang akan dilakukan diantara nya adalah:
1. Uji c oba P arameter P e latihan jaring an s ya raf tiruan
P eng ujia n ini bertujuan meng etahui pe ng aruh parameter lea rning rate terhada p bobot has il pe latihan dan terhadap keakuras ian rule yang dihas ilkan.
2. Uji c oba P elatihan jaringa n s yaraf tiruan
P eng ujia n ini bertujuan mengetahui model has il pelatihan jaringa n s yaraf tiruan apabila pe latihan dilakukan berkali-kali. D alam uji c oba ini akan dilakukan 10 ka li perc obaan.
3. Uji c oba jumlah node pada hidden layer
P eng ujia n ini bertujuan untuk mengetahui penga ruh jumlah node pada hidden layer terha dap akuras i rule yang dihas ilkan. 4. Uji c oba C ros s validas i
P eng ujia n ini bertujuan untuk meng ukur akuras i bobot has il pelatihan dan rule yang dihas ilkan terha dap datas et.
K eempat peng ujian ini akan dijelas kan s ec a ra runut da lam be be rapa s ubbab yang a da. P ada s etiap akhir ba has an pengujia n akan diutaraka n a nalis a terhada p has il pengujian. Denga n be berapa peng ujian ya ng dilakuka n ini diha rapkan da pat memberi gambara n deng an lebih baik
- t ada sub b ab pe ngujian, diawali de ngan pe nje lasan re ncana pe ngujian dan spe sifikasi apa saja yang digunakan untuk me lakukan pe ngujian - S e lanjutnya ditunjukkan data yang diujikan, prose s pe ngujian dan hasilnya yang ditunjukkan dalam b e ntuk tab e l agar le b ih mudah di pe rb andingkan - 5 ib agian akhir ditamb ahkan kalimat pe nje las te ntang hasil pe ngujian yang te lah dilakukan
B A B V
P E NU T UP
5.1 K es impulan
Dari has il pe nelitian eks traks i aturan dari jaring a n s yaraf tiruan untuk menentuka n dis pos is i material pada P T . G atra Mapan Malang de ng an meng g unaka n V is ual B as ic 6.0 dan Mic ros oft A c c es s dapat dis impulka n s e bag ai berikut:
1. A plikas i yang dibuat terbukti da pat melakukan e ks traks i aturan dari data bobot has il pelatihan de ng an jaring an s yaraf tiruan bac kpropagation. Hal ini dibuktika n de ng an pembahas an yang telah dilakuka n menunjukkan has il 2 buah rule untuk menentukan dis pos is i material.
2. P ada uji c oba pengaruh jumla h node hidden layer terhadap akuras i dilakuka n 10 kali perc obaa n deng an jumla h node pada hidde n layer yang berbeda-beda. D idapatkan akuras i te rbaik adalah pada jumlah node 10 deng an akuras i rule 98.46% . D ari uji c oba ini menunjukkan ba hwa jumlah node pada hidden layer berpeng aruh pada pros es eks traks i rule yang dilakukan, ka rena s emakin banyak node pada hidden layer maka s emakin banyak pula s earc h tree yang dibangkitkan dalam pros es penc arian rule. S ehing ga meng has ilkan rule yang s emakin banyak pula. Hal ini mempengaruhi ketelitian rule yang dihas ilka n s ehing ga memberikan tingkat akuras i rule yang s emakin ting g i.
3. Uji c ros s validas i deng an K -F old C ros s -V alidation menunjukka n has il akuras i ya ng c ukup baik. Untuk akuras i rata-rata pelatihan ja ring an s yaraf tiruan diperoleh 98.378% s eda ngkan akuras i rata -rata dari eks traks i aturan s ebes ar 91.687% .
4. R ule yang dihas ilkan oleh eks traks i aturan dengan pendekatan be rbas is s earc h tree c ende rung c ukup kompleks . H al ini ditunjukkan oleh jumla h premis yang c ukup banyak ya ng dihubungkan deng an - Cormat t e nulisan sama de ngan . ab se b e lumnya - Yalimat ke simpulan harus b isa me njawab wumusan aasalah di . ab L - Ye simpulan adalah se b uah pe rnyataan yang b aru dike tahui ole h pe nulis se te lah me nye le saikan b ab LLL dan b ab LV - Ye simpulan dapat diamb il dari hasil pe rancangan di b ab LLL dan hasil pe ngujian di b ab LV - Yalimat ke simpulan te rdiri dari 2 b agian yaitu, b agian ke simpulan dan b agian ke te rangan (b ukti) - Wangan me nulis tujuan dan mafaat di . ab L ke dalam ke simpulan atau saran - Yang dituliskan dalam ke simpulan tidak se lalu yang positif, b isa juga me mb uat ke simpulan ne gatif - S e b aiknya apa yang ditulis di ke simpulan dipe rkuat de ngan b ukti dalam b e ntuk angka
72
operator A ND da n peng gunaan operator O R pada has il pe ng g abungan rule.
5. R ule ya ng dihas ilkan dari pros es eks traks i atura n memiliki pola tertentu ya ng dapat menunjukkan atribut prioritas dalam pe nentuan dis pos is i materia l. Dari 5 rule yang dihas ilka n oleh y1 terlihat ba hwa atribut “kondis i” menjadi prioritas da lam mene ntukan dis pos is i =1. S edangka n dari 13 rule yang dihas ilkan oleh y2, tampak bahwa atribut “permukaan_ atas ” menja di prioritas diantara atribut yang lain.
5.2 S aran
G una perbaikan da n untuk mening katkan has il yang lebih baik maka dis aranka n penelitian s elanjutnya adala h :
1. D atas et ins peks i material ini memiliki ting kat kes erag aman rec ord yang c ukup ting g i s ehing g a banyak rec ord-rec ord yang memiliki kes ama an, maka dis arankan untuk memanfaatkan metode eks traks i aturan de ng an s earc h tree untuk datas et yang lebih bervariatif dan kompleks s ehing ga akan lebih terlihat kinerja dari metode ini.
2. S elain dis a rankan dikembang kan untuk data ya ng lebih bervariatif, jug a dapat ditamba hkan va riabel denga n numeric al value. S ehing ga da pat dihas ilka n rule deng an operator le bih kec il (<) atau lebih bes ar (>).
3. D is aranka n untuk menambahkan fitur peng ujian barang ba ru pada aplikas i agar memuda hka n dalam pengguna annya. P ada penelitian ini belum ditambahkan fitur peng ujia n barang baru karena lebih fokus pa da penerapan metodenya.
4. Untuk pe nelitian lebih lanjut dis ara nkan memunc ulkan varia bel temporary ( intermediate varia ble). S ehingg a rule yang dihas ilkan - S aran ditujukan untuk pe nge mb angan pe ne litian se lanjutnya
- S aran dapat me nanggapi b atasan masalah yang ada di . ab L - S aran dapat me nanggapi ke simpulan yang ne gatif
- Yalimat saran te rdiri dari 2 b agian yaitu, b agian ke simpulan dan b agian ke te rangan.
D A F T A R P US T A K A
B ertalya. K ons ep D ata Mining K las ifikas i: P ohon K e putus an. J aka rta. Univers itas G unadarma, 2009
C hris na, T emmy, B ijaks ana, A rif, Muntina, E ddy. E ks traks i R ule D ari J aring an S yaraf T irua n Mengg unakan Metode S e arc h B as ed P a da D ata Mining. S T T T elkom B andung . 2005
D anc e y, Darren. T ree B as ed Methods for R ule E xtrac tion from A rtific ial Neural Networks . Manc hes ter Metropolitan Univ ers ity. United K ing dom. 2008
D uc h, W łodz is ław, K ordos , Miros ław, S earc h-bas ed T raining for L ogic al R ule E xtrac tion by Multilayer P erc eptron, S c hool of C omputer E ngineering Ins titute of C omputer S c ienc e Nanyang T ec hnolog ic al Univers ity T he S iles ian Univers ity of T ec hnolog y, S inga pore, 2005 F ujimoto, K oji, Naka ba yas hi, S ampei. A pplying G MD H A lg orithm to E xtrac t
R ules from E xamples . F inanc ial E ng ineering G roup, Inc ., A kas aka Y amada T okyo. J apan. 2001
K us umadewi, S ri. A rtific ial Intellig ent (T eknik da n A plikas inya). G raha Ilmu. Y ogyakarta. 2003
Mark W , C raven. Us ing Neural Network F or D ata Mining. S c hool of C omputer S c ienc e C arnig ie Mellon Univerc ity. P itts burgh. 2000 Na yak, R ic hi. G ya n: A Methodolog y for R ule E xtrac tion from A rtific ial
Neural Networks . Q ueens lan Univers ity of T ec hnolog y A us tralia. 1999
P alade, V as ile, Neag u, Da nie l-C iprian, P atton, R on J .. Interpretation of T rained Neural Networks by R ule E xtrac tion. T he Univers ity of Hull, C otting ham R oad. United K ing dom. 2001
S oman, K .P ., D iwakar, S hyam, A jay. Ins ig ht into D ata mining, theory and prac tic e. P rentic e Hall of India P rivate L imited. Ne w D elhi. 2006 S uyanto. Intelijens ia B uata n. J urus an T eknik Informatika S T T T elkom.
B andung. 2002
T urban, E ,. Mc L ean, E ., W etherbe, J .. Information T ec hnolog y for Managemen. 2 ed.. NY :J ohn W iley and S ons , Inc . 1999
- 5 aftar t ustaka minimal 5 re fe re nsi yang diamb il dari b uku, e b ook atau jurnal ilmiah - L ink we b site tidak dipe rb ole hkan - Cormat pe nulisan daftar pustaka : b ama_b e lakang, nama_de pan. Wudul_b uku. t e ne rb it. Yota. Tahun - Wudul b uku digaris b awah, tidak miring dan tidak te b al - we fe re nsi yang le b ih dari 1 b aris, maka b aris ke -2 dan se terusnya di tulis me njorok ke kanan 1.25 cm - 5 itulis urut ab jad asce nding (a-z) - Cont : A rial size 12 pt, spasi 1 de ngan b e fore = 0 dan afte r = 0 - Antar re fe re nsi dib e ri jarak satu b aris de ngan spasi 1 (1 kali e nte r) - 1 e nte r
D A F T A R R IW A Y A T P E NUL IS
Data P ribadi Nama : ... T empat/ta ng g al lahir : ... J enis kelamin : ... A gama : ... A lamat : ... T elepon : ... A lamat email: ...D ata K elu arg a Nama A yah : ...
Nama Ibu : ...
P ekerjaan : ...
A lamat : ...
R iw ay at P endidik an
(riwayat pe ndidikan formal s ejak a wal hingg a memas uki jenjang kuliah)
R iw ay at P e k erjaan (bila ada)
D aftar P enelitian
(daftar karya ilmiah ya ng pernah ditulis oleh penulis bila ada)
F oto 3 x 4 ( harus di print) - Cont : A rial size 16pt, capital - Coto harus diprint, tidak b ole h dite mpe l - Coto tidak harus re smi, te tapi te tap sopan