APLIKASI JARINGAN SYARAF TIRUAN UNTUK PE (1)

(1)

Pelita Informatika Budi Darma, Volume II, Desember 2012 ISSN : 2301-9425

APLIKASI JARINGAN SYARAF TIRUAN UNTUK PENENTUAN

KONSENTRASI PROGRAM STUDI BAGI CALON MAHASISWA

BARU STMIK BUDIDARMA MEDAN

Alex Rikki Sinaga

Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan www.stmik-budidarma.ac.id // Email:[email protected]

Abstrak

Dalam proses penentuan konsentrasi program studi menggunakan aplikasi jaringan syaraf tiruan. Data akan dibagi menjadi dua bagian, data pertama untuk proses pelatihan dan data kedua untuk proses pengujian. Proses pelatihan bertujuan untuk mengenali atau mencari goal yang diharapkan dengan menggunakan banyak pola, sehinggan akan dapat menghasilkan mana pola yang terbaik untuk melatih data tersebut. Setelah pelatihan mencapai goal berdasarkan pola yang terbaik maka akan dilakukan pengujian dengan data yang baru untuk melihat keakuratan antara target dengan menggunakan software matlab 6.1. Berdasarkan hasil pengujian dengan menggunakan software matlab 6.1 dapat mempercepat proses penentuan konsentrasi program studi bagi calon mahasiswa baru STMIK Budidarma Medan.

Kata Kunci : Jaringan Saraf Tiruan, Program Studi, Calon Mahasiswa

1. Pendahuluan

1.1 Latar Belakang Masalah

Konsentrasi program studi merupakan hal yang penting bagi pihak perguruan tinggi negri maupun swasta, hal ini dikarenakan konsentrasi merupakan keahlian khusus atau sepesifikasi masing-masing bagi calon mahasiswa baru. Konsentrasi Teknologi Jaringan dan Sistem Informasi merupakan konsentrasi program studi yang banyak diminati oleh mahasiswa.

Perguruan tinggi swasta STMIK Budidarma Medan selama ini belum menerapkan sistem penentuan konsentrasi pada calon mahasiswa baru, dimana calon mahasiswa baru langsung menentukan konsentrasi pada saat mendaftar tanpa ada pelatihan dan pengujian, hal ini mengakibatkan calon mahasiswa yang menjadi mahasiswa kesulitan mengikuti perkuliahan, khususnya yang berkaitan dengan matakuliah dibidang teknologi informatika.

Prediksi dalam konteks komputasi merupakan salah satu kegiatan matematis. Prediksi ini telah dilakukan bertahun-tahun sebelum penguasaan komputer, yaitu dengan menggunakan alat hitung seperti kalkulator. Prediksi konsentrasi program studi dapat membantu calon mahasiswa untuk mengembangkan keahlian khusus sesuai dengan keterampilan masing-masing. mengikuti perkuliahan calon mahasiswa perguruan tinggi swasta dalam menentukan konsentrasi bagi calon mahasiswa baru. Untuk menentukan konsentrasi tersebut di lakukan dengan cara melakukan pelatihan terhadap beberapa matapelajaran yang akan dijadikan sebagai kriteria masing-masing konsentrasi, setelah diperoleh target atau goal dari pelatihan yang di inginkan maka di

lakukan pengujian (testing) bagi calon mahasiswa yang mendaftar.

Jaringan Saraf Tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan meniru cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. Ada banyak teknik yang dapat digunakan untuk implementasi Jaringan Saraf Tiruan yaitu Perceptron,

Backpropagation dan Fuzzy.

Dalam penelitian ini di bangun aplikasi jaringan syaraf tituan untuk penentuan konsentrasi program studi bagi calon mahasiswa baru STMIK Budidarma Medan.

1.2 Tujuan

Tujuan dari penelitian ini adalah mengaplikasikan jaringan syaraf tiruan untuk penentuan konsentrasi program studi bagi calon mahasiswa baru STMIK Budidarma Medan.

1.3 Batasan Masalah

Dalam penulisan penelitian ini, penulis membatasi permasalahn sebagai berikut :

a. Penentuan konsentrasi pada penelitian ini hanya membahasa pada program studi S1.

b. Input data untuk pelatihan(training) dan pengujian(testing) pada penelitian ini di ambil dari nilai ujian nasional calon mahasiswa baru yang SMA jurusan Ilmu Pengetahuan Alam ( IPA ).

(2)

2. Landasan Teori

2.1 Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran otak manusia tersebut [3]. Jaringan Syaraf Tiruan tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia (human cognition) yang didasarkan atas asumsi sebagai berikut :

1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron.

2. Isyarat mengalir di antara sel syaraf / neuron melalui suatu sambungan penghubung.

3. Setiap sambungan penghubung memiliki bobot yang bersesuaian.

4. Setiap sel syaraf akan merupakan fungsi aktivasi terhadap isyarat hasil penjumlahan berbobot yang masuk kepadanya untuk menentukan isyarat keluarannya [1].

2.2 Pemodelan Jaringan Syaraf Tiruan

Jaringan syaraf terdiri atas beberapa neuron dan ada hubungan antara neuron–neuron tersebut. Neuron adalah sebuah unit pemroses informasi yang menjadi dasar pengoperasian jaringan syaraf tiruan. Syaraf adalah sebuah unit pemroses informasi dengan tiga elemen dasar yaitu :

1. Satu set link yang terhubung.

2. Sebuah penjumlah untuk menghitung besarnya penambahan pada sinyal masukan.

3. Sebuah fungsi aktivasi untuk membatasi banyaknya keluaran pada syaraf.

Sebagian besar jaringan syaraf melakukan penyesuaian bobot-bobotnya selama menjalani pelatihan. Pelatihan dapat berupa pelatihan terbimbing (supervised training) di mana diperlukan pasangan masukan-sasaran untuk tiap pola yang dilatihkan. Jenis kedua adalah pelatihan tak terbimbing (unsupervised training). Gambar 2.1 di bawah ini menggambarkan model jaringan syaraf tiruan [5].

Gambar 1 : Model Jaringan Syaraf Tiruan 2.3 Konsep Dasar Jaringan Syaraf Tiruan

Setiap pola-pola informasi input dan output yang diberikan kedalam JST diproses dalam neuron. Neuron-neuron tersebut terkumpul di dalam lapisan-lapisan yang disebut neuron layers [4]. Lapisan-lapisan penyusun JST tersebut dapat dibagi menjadi 3, yaitu :

1. Lapisan Input, unit-unit di dalam lapisan

input disebut unit-unit input. Unit-unit input tersebut menerima pola inputan data dari luar yang menggambarkan suatu permasalahan.

2. Lapisan Tersembunyi, unit-unit di dalam

lapisan tersembunyi disebut unit-unit tersembunyi. Dimana outputnya tidak dapat secara langsung diamati.

3. Lapisan Output, unit-unit di dalam lapisan output disebut unit-unit output. Output dari

lapisan ini merupakan solusi JST terhadap suatu permasalahan.

2.4 Arsitektur Jaringan Syaraf Tiruan (JST)

JST memiliki beberapa arsitektur jaringan yang sering digunakan dalam berbagai aplikasi. Arsitektur JST tersebut, antara lain [2] :

1. Jaringan Layar Tunggal (Single Layer Network) Jaringan dengan lapisan tunggal terdiri dari 1 layer input dan 1 layer output. Setiap neuron/unit yang terdapat di dalam lapisan/layer input selalu terhubung dengan setiap neuron yang terdapat pada layer output. Jaringan ini hanya menerima input kemudian secara langsung akan mengolahnya menjadi output tanpa harus melalui lapisan tersembunyi. Contoh algoritma JST yang menggunakan metode ini yaitu : ADALINE, Hopfield, Perceptron.

Gambar 2 : Arsitektur Jaringan Syaraf Tiruan Layer Tunggal

2. Jaringan Banyak Lapisan (Multilayer Net) W2 W22 W3 W3

(3)

Jaringan dengan lapisan jamak memiliki ciri khas tertentu yaitu memiliki 3 jenis layer yakni layer

input, layer output, dan juga layer tersembunyi.

Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih kompleks dibandingkan jaringan dengan lapisan tunggal. Namun,proses pelatihan sering membutuhkan waktu yang cenderung lama. Contoh algoritma Jaringan Syaraf Tiruan yang menggunakan metode ini yaitu : MADALINE, backpropagation,

Neocognitron.

Gambar 3 : Arsitektur Jaringan Syaraf Tiruan Layer Tunggal

3. Jaringan Lapisan Kompetitif (Competitive Layer)

Pada jaringan ini sekumpulan neuron bersaing untuk mendapatkan hak menjadi aktif. Contoh algoritma yang menggunakan metode ini adalah LVQ.

Gambar 4 : Arsitektur Jaringan Syaraf Tiruan Lapisan Kompetitif

3. Pembahasan

3.1 Pembahasan Masalah

Untuk menentukan konsentransi program studi data yang digunakan sebagai kriteria penilaian adalah nilai ujian nasional calon mahasiswa/i baru sewaktu SMA.

Data Nilai Uian Nasional tersebut akan diproses ntuk mencari total nilai yang sesuai dengan range nilai konsentrasi masing-masing dengang menggunakan aplikasi jaringan syaraf tiruan.

3.2 Aplikasi Jaringan Syaraf Tiruan

Data Nilai Ujian Nasional calon mahasiswa baru akan diproses dengan menggunakan aplikasi jaringan syaraf tiruan seperti tampilan dibawah ini :

.

Gambar 5 : Form Aplikasi Jaringan Syaraf Tiruan Untuk Menentukan Konsentrasi

Program Studi

4. Penutup

Aplikasi Jaringan Syaraf Tiruan untuk menentukan konsentrasi program studi bagi calon mahasiswa/i baru STMIK Budidarma Medan diterapkan langsung pada saat calon mahasiswa baru mendaftar dengan menginputkan langsung nilai ujian nasional. Diharapkan sebelum menentukan konsentrasi ke dalam aplikasi sebaiknya calon mahasiswa baru harus di testing dahulu. Untuk itu aplikasi harus dikembangkan lagi dengan metode yang dapat melakukan pelatihan dan pengujian.

Daftar Pustaka

[1] Arif Jumarwanto, Rudy Hartanto, Dhidik Prastiyanto. (2009). “Jurnal Aplikasi Jaringan

Syaraf Tiruan Backpropagation Untuk

V2 V22 V3 V3 V

V1

X X X

X X

Nilai

Lapisan

Matriks Bobot

Lapisan

Nilai

1 A

A

m

A

j

(4)

Memprediksi Penyakit THT Di Rumah Sakit Mardi Rahayu Kudus”.

[2] Puspita Ningrum, 2006, Pengantar Jaringan

Syaraf Tiruan, Yogyakarta, Penerbit Andi

[3] M.F Andrijasa. (2010). “Jurnal Penerapan

Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran Di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Backpropagation”.

[4] IJDAR (2003). “Modul Jaringan Syaraf Tiruan”. [5] Rudy Hartanto. (2009). “Jurnal Aplikasi Jaringan

Syaraf Tiruan Untuk Memprediksi Penyakit Kulit”.