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 xi (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 zj (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 xi:
0
Kemudian dikirim ke semua unit di lapisan atasnya.
Langkah 6 : Setiap unit di lapisan output yk (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 zj
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 (wjk dan w0k) antara lapisan tersembunyi dengan lapisan
informasi kesalahan lapisan tersembunyi (j). jkemudian digunakan
untuk menghitung besar koreksi bobot dan bias (vij dan v0j) antara
lapisan input dan lapisan tersembunyi.
0
Tahap Memperbaharui Nilai Bobot dan Bias
Langkah 9 : Pada setiap unit output yk 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.