Penerapan Jaringan Saraf Tiruan Algoritma Backpropagation Untuk Penyusunan Jadwal Mata Kuliah di Jurusan Matematika FMIPA USU

BAB 1

PENDAHULUAN

1.1Latar Belakang

Di zaman sekarang sebuah jadwal yang tersusun rapi merupakan kebutuhan bagi setiap individu. Namun masalah penyusunan sebuah jadwal merupakan sebuah masalah umum yang terjadi, seperti jadwal dari dua kegiatan pada satu waktu yang sama (jadwal yang bentrok). Jika dilihat secara individu, penyusunan jadwal secara manual bukanlah hal yang sulit karena adanya toleransi waktu dan jadwal perseorangan yang berbeda-beda.Namun jika masalah penjadwalan tersebut menyangkut banyak orang, maka ada faktor-faktor yang menyebabkan adanya bentrokan tersebut. Contohnya seperti adanya berbagai kepentingan yang berbeda pada tiap orang dengan lokasi yang berbeda namun pada waktu yang sama. Selain itu, faktor human error (kesalahan manusia) juga sangat menentukan bagaimana proses penyusunan jadwal tersebut dapat terlaksana. Kesulitan dalam menyusun sebuah jadwal juga semakin dipersulit jika terdapat perubahan atau penambahan jadwal.

Contoh konkritnya, dalam menentukan jadwal perkuliahan. Terdapat mahasiswa yang mengambil lebih dari satu mata kuliah, oleh karena itu penyusunan jadwal ujian suatu mata kuliah tidak boleh berbentrokan dengan jadwal ujian mata kuliah lain.

Algoritma Backpropagation adalah suatu algoritma Jaringan Saraf Tiruan yang baik digunakan dalam suatu pengoptimalan, karena algoritma ini dapat menghitung kembali suatu dari hasil suatu output guna meminimalkan error yang timbul.

Di dalam skripsi ini penulis mencoba menerapkan Algoritma Bakpropagation

1.2Perumusan Masalah

Permasalahan yang akan dibahas adalah membuat jadwal perkuliahan di departemenMatematika FMIPA USU yang optimal dengan menerapkan Jaringan Saraf Tiruan dengan Algoritma pembelajaran Backpropagation.

1.3Batasan Masalah

Dalam penulisan ini, penulis memberikan batasan yang akan dilakukan, yaitu: 1. Tidak ada perubahan atau pergantian jadwal secara mendadak

2. Durasi masing-masing perkuliahan dianggap sama.

1.4Tinjauan Pustaka

(Ross, Dave, Hasiao, 1994) Penjadwalan kuliah (Lecture Timetabling) adalah masalah menempatkan waktu dan ruangan kepada sejumlah matakuliah, tutorial, dan kegiatan akademik sejenis dengan memperhatikan sejumlah aturan yang berhubungan dengan kapasitas dan lokasi dari ruangan yang tersedia, waktu yang diperlukan dan sejumlah aturan lain yang berkaitan dengan toleransi untuk dosen, dan hubungan antara mata kuliah pilihan.

(Kusumadewi, 2003) Jaringan Saraf Tiruan adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan di sini digunakan karena jaringan saraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.

(Puspitaningrum, 2006) Algoritma pembelajaran Backpropagation dengan sebuah lapisan tersembunyi sebagai berikut:

Langkah 1 : Inisialisasi bobot-bobot. Tentukan angka pembelajaran ( ).Tentukan juga nilai toleransi error, atau tentukan maksimal epoch (bila digunakan sebagai kondisi berhenti).

Langkah 2 : Ketika kondisi berhenti tidak terpenuhi, lakukan langkah 3 sampai langkah 10.

Langkah 3 : Untuk setiap pasangan pelatihan, lakukan langkah 4 sampai langkah 9.

Tahap Feedforward

Langkah 4 : Setiap unit input x_i (dari unit ke-1 sampai ke-n pada lapisan input)

mengirimkan sinyal input ke semua lapisan yang ada di lapisan atasnya (lapisan tersembunyi).

Langkah 5 : Pada setiap unit di lapisan tersembunyi z_j (dari unit ke-1 sampai unit

ke-p; i=1,2,…,n; j=1,2,…,p) sinyal output lapisan tersembunyinya dihitung dengan menerapkan fungsi aktivasi terhadap penjumlahan

sinyal-sinyal input berbobot x_i:

0

Kemudian dikirim ke semua unit di lapisan atasnya.

Langkah 6 : Setiap unit di lapisan output y_k (dari unit ke-1 sampai unit ke-m;

i=1,2,…,n; k=1,2,…,m) dihitung sinyal outputnya dengan menerapkan

fungsi aktivasi terhadap penjumlahan sinyal-sinyal input berbobot z_j

Tahap Backpropagation

Langkah 7 : Setiap unit output yk (k=1, 2, 3, …,m) menerima pola target tk lalu

informasi kesalahan lapisan output (_k) dihitung. _kdikirim ke lapisan

di bawahnya dan digunakan untuk menghitung besar koreksi bobot dan

bias (w_jk dan w_0k) antara lapisan tersembunyi dengan lapisan

informasi kesalahan lapisan tersembunyi (_j). _jkemudian digunakan

untuk menghitung besar koreksi bobot dan bias (v_ij dan v_0j) antara

lapisan input dan lapisan tersembunyi.

0

Tahap Memperbaharui Nilai Bobot dan Bias

Langkah 9 : Pada setiap unit output y_k dilakukan pembaharuan nilai bias dan bobot

sehingga bias dan bobot yang baru menjadi:

1.5Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk melihat penggunaan Algoritma

Backpropagation dalam Jaringan Saraf Tiruan untuk persoalan mengoptimalkan

jadwal perkuliahan, serta untuk mencoba membuat susunan-susunan kode programnya dalam suatu bahasa pemrograman.

1.6Kontribusi Penelitian

Manfaat dari penelitian ini adalah sebagai berikut.

1. Membantu penulis menerapkan ilmu-ilmunya yang telah didapat diperkuliahan ke dunia nyata.

2. Meneliti penggunaan Algoritma Backpropagation dalam membuat jadwal yang optimal.

3. Dapat digunakan sebagai tambahan informasi dan referensi bacaan untuk mahasiswa Matematika, terlebih bagi mahasiswa yang hendak melakukan penelitian serupa.

1.7Metode Penelitian

Penelitian ini disusun dengan langkah-langkah sebagai berikut:

1. Mencari literatur dari beberapa buku dan jurnal tentang Algoritma pembelajaran

Backpropagation dalam Jaringan Saraf Tiruan, tentang Penjadwalan (Schedulling), serta tentang bahasa pemrograman Java.

2. Membuat pengoptimalan jadwal mata kuliah dengan penerapan Algoritma

Backpropagation.