Bottom=3cm, Right=3cm
- Jenis Font Halaman Sampul : Arial Narrow size 14pt
- Jarak Antar Baris (Spasi) halaman sampul yaitu 1, befor=0
dan after=0
- Text Aligment adalah Center
- Dituliskan sesuai
jenis laporan TUGAS AKHIR
o PRAKTER KERJA
LAPANGAN
Diajukan Untuk Memenuhi Salah Satu Syarat Kelulusan Sarjana Strata 1
o KULIAH KERJA
- Dituliskan sesuai jenis laporan
NYATA
o PKL : Diajukan Untuk Memenuhi Salah Satu Pra-Syarat Menempuh Tugas
o TUGAS AKHIR
Akhir
- Font: Bold dan
o TA : Diajukan Untuk Memenuhi Salah Satu Syarat Kelulusan Sarjana Strata 1 6 enter
Capital
- Font: Capitalize Each Words
-
5 enter
5 enter
ii
SURAT KETERANGAN LULUS UJIAN TUGAS
AKHIR - Font : Arial, size 16pt, Bold, Capital
- Aligment : Center
Telah lulus ujian Tugas Akhir pada tanggal 31 Juli 2017 di STMIK ASIA
Malang.
Tim Penguji
Penguji 1 Penguji 2
iii
- Logo : Full Color
- Diameter : 2 cm
SURAT PERNYATAAN
- Font : Arial, size 16pt, Bold, Capital
- Aligment : Center
iv
HALAMAN PERNYATAAN PERSETUJUAN
PUBLIKASI TUGAS AKHIR UNTUK
KEPENTINGAN AKADEMIS -- Font : Arial, size 16pt, Bold, Capital
Aligment : Center
Dengan Hak Bebas Royalti ini, STMIK Asia Malang berhak untuk
menyimpan, mengalih media/formatkan, mengelola dalam bentuk
pangkalan data (database), merawat dan mempublikasikan Tugas Akhir
saya tanpa meminta ijin dari saya selama tetap mencantumkan nama
saya sebagai penulis/pencipta dan pemilik hak cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Materai
Rp. 6000
v
- Font : Arial, size 12pt,
- Font : Arial, size 16pt, Bold, Capital - Jarak Antar Baris (Spasi):
- Aligment : Center adalah 1, before=0 dan
after=0
- Font Judul : Bold, Capital
vi
- Semua cara penulisan sama dengan
ABSTRACT abstraksi dalam Bahasa Indonesia
- Nama instansi tidak perlu
diterjemahkan dalam Bahasa Inggris
(xvii + 94 + attachment)
vii
- Font : Arial, size 16pt, Bold, - Font : Arial, size 12pt,
Capital - Jarak Antar Baris (Spasi):
- Aligment : Center adalah 1.5, before=0 dan
KATA PENGANTAR after=0
viii
Penulis menyadari bahwa laporan tugas akhir ini jauh dari
sempurna, oleh karena itu penulis selalu mengharapkan saran dan kritik
yang bersifat membangun dari segenap pembaca. Akhirnya, semoga
laporan tugas akhir ini dapat berguna dan bermanfaat terutama bagi
pihak-pihak yang tertarik untuk mengkaji dan mengembangkannya.
Penulis
ix
- Font : Arial, size 16pt, Bold, Capital - Terdapat Jarak antara
- Aligment : Center tanda titik-titik dengan
nomor halaman
- Font : Arial, size 12pt,
DAFTAR ISI
Capitalize Each Words
- Tanda titik-titik harus
- Jarak Antar Baris (Spasi):
menggunakan tabulasi
adalah 1.5, before=0 dan
after=0
- Tidak bold Halaman
Halaman Sampul .................................................................................. i
Halaman Persetujuan Tugas Akhir ....................................................... ii
Surat Keterangan Lulus Ujian Tugas Akhir ........................................... iii
Surat Pernyataan .................................................................................. iv
Surat Pernyataan Persetujuan Publikasi Tugas Akhir untuk
Kepentingan Akademis ......................................................................... v
Abstraksi ............................................................................................... vi
Abstract ................................................................................................. vii
Kata Pengantar ..................................................................................... viii
Daftar Isi ............................................................................................... x
Daftar Gambar ...................................................................................... xiii
Daftar Tabel .......................................................................................... xv
Daftar Persamaan ................................................................................. xvi
Daftar Lampiran .................................................................................... xvii
- Font Setiap Bab :
Capital dan Bold BAB I PENDAHULUAN ....................................................................... 1
1.1 Latar Belakang Masalah .................................................................. 1
1.2 Rumusan Masalah .......................................................................... 3
1.3 Batasan Masalah ............................................................................ 3
1.4 Tujuan Dan Manfaat ........................................................................ 4
- Hanya Bab dan
Sub Bab yang 1.4.1 Tujuan .................................................................................... 4
ditulis di Daftar isi
- Penomoran 1.4.2 Manfaat .................................................................................. 4
(A,B,C) dan
(1,2,3) tidak 1.5 Metodologi Penelitian....................................................................... 6
ditulis di daftar isi
1.6 Sistematika Penulisan ..................................................................... 7
BAB II LANDASAN TEORI .................................................................. 8
2.1 Klasifikasi Data dalam Data Mining ................................................. 10
2.2 Backpropagation-Feed Forward Neural Network ............................ 12
- Nomor Halaman
lurus kiri
x
2.2.1 Struktur Jaringan Syaraf Tiruan ............................................. 13
- Sub Bab pertama:
Rata kiri 2.2.2 Jaringan Syaraf Tiruan Backpropagation ............................... 14
- Sub Bab kedua
dst : menjorok ke 2.3 Ekstraksi Rule dengan Pendekatan Berbasis Ruang Solusi ........... 17
kanan
2.3.1 Ekstraksi Rule dari Jaringan Syaraf Tiruan .......................... 18
2.3.2 Pendekatan Berbasis Pencarian Ruang Solusi ..................... 23
2.4 Ilustrasi Ekstraksi Rule untuk Logika AND ...................................... 27
2.4.1 Formulasi Permasalahan Logika AND ke dalam JST ............. 27
2.4.2 Proses Pelatihan (Training) dan Bobot yang Dihasilkan ....... 29
2.4.3 Proses Ekstraksi Rule dengan Search Based untuk y1 (y=0) 31
2.4.3.1 Proses Pencarian Rule untuk Hidden Node 1 (z1) ...... 33
2.4.3.2 Proses Pencarian Rule untuk Hidden Node 2 (z2) ..... 36
2.4.3.3 Proses Pencarian Rule untuk Hidden Node 3 (z3) ...... 38
2.4.4Proses Ekstraksi Rule dengan Search Based untuk y2 (y=1) 38
2.4.5 Proses Optimasi Rule untuk Logika AND ............................... 40
BAB III PEMBAHASAN ....................................................................... 42
3.1 Prosedur Pengujian Material pada PT. Gatra Mapan ..................... 42
3.1.1 Bahan Baku (Material) Produksi pada PT. Gatra Mapan ....... 43
3.1.2 Penerimaan Barang ............................................................... 44
3.1.3 Pemeriksaan Bahan Baku ..................................................... 46
3.1.4 Proses Disposisi Material ...................................................... 47
3.2 Pemodelan JST Untuk Penentuan Disposisi Material Pada
PT. Gatra Mapan Malang ............................................................... 49
3.3 Dataset Inspeksi Material (Bahan Baku) ......................................... 52
3.4 Formulasi Permasalahan Inspeksi Material ke dalam JST ............. 56
3.5 Pembelajaran (Training) Data dengan BPFFNN .............................. 60
3.6 Ekstraksi Rule Untuk Penentuan Disposisi Material Pada
PT. Gatra Mapan Malang ............................................................... 64
3.6.1 Pembentukan Pohon Pencarian (Search tree) ..................... 64
3.6.2 Pencarian Rule dalam Ruang Kandidat Solusi ...................... 66
3.6.3 Optimasi Aturan Hasil Ekstraksi ............................................ 67
xi
BAB IV IMPLEMENTASI DAN PENGUJIAN ........................................ 69
4.1 Spesifikasi Implementasi ................................................................. 69
4.1.1 Spesifikasi Hardware .............................................................. 69
4.1.2 Spesifikasi Software ............................................................... 70
4.2 Implementasi Sistem Penentuan Disposisi Material Pada
PT. Gatra Mapan Malang ................................................................ 70
4.2.1 Implementasi Proses Manajemen Data Inspeksi Material ...... 71
4.2.2 Implementasi Proses Training Data Inspeksi Material
dengan JST ............................................................................. 74
4.2.3 Implementasi Proses Ekstraksi Rule Untuk Penentuan
Disposisi Material ................................................................... 76
4.3 Pengujian Sistem ............................................................................. 78
4.3.1 Spesifikasi Pengujian ............................................................. 78
4.3.2 Uji Coba Parameter Pelatihan JST ........................................ 78
4.3.3 Uji Coba Pelatihan JST ......................................................... 79
4.3.4 Uji Coba Jumlah Node pada Hidden Layer .......................... 80
4.3.5 Uji Coba Cross Validasi Data ................................................ 81
BAB V PENUTUP ................................................................................ 82
5.1 Kesimpulan ..................................................................................... 82
5.2 Saran .............................................................................................. 83
DAFTAR PUSTAKA ............................................................................. 84
DAFTAR RIWAYAT PENULIS .............................................................. 85
LAMPIRAN
xii
- Font : Arial, size 12pt,
Capitalize Each Words
- Jarak Antar Baris (Spasi):
adalah 1.5, before=0 dan
after=0
- Font : Arial, size 16pt, Bold, Capital
- Aligment : Center
DAFTAR GAMBAR
- Ditulis Langsung
Gambar Halaman
Nomor Gambar
2.1 Proses Klasifikasi ............................................................................ 12
- Cara Penulisan
sama dengan 2.2 Struktur Neuron dalam JST ........................................................... 13
Daftar Isi
2.3 Jaringan Syaraf Tiruan Backpropagation ....................................... 15
2.4 Hubungan antara Arsitektur Ekstraksi dan Rule yang dihasilkan .... 19
2.5 Arsitektur Ekstraksi untuk JST dengan Hidden Layer .................... 20
2.6 Arsitektur Ekstraksi Dipecah menjadi Beberapa Bagian ................ 21
2.7 Peranan Jaringan Syaraf Tiruan dalam Proses Ekstraksi Aturan .. 22
2.8 Ruang Kemungkinan Aturan ........................................................... 23
2.9 Arsitektur Jaringan untuk Data logika AND ..................................... 28
2.10 Penentuan Nilai Aktivasi yang Diharapkan untuk y1 ..................... 32
2.11 Pohon Pencarian untuk z1 (y1) ..................................................... 33
2.12 Proses Pengecekan Validitas Rule untuk z1 (y1) pada Level 1 .... 34
2.13 Proses Pengecekan Validitas Rule untuk z1 (y1) pada Level 2 .... 35
2.14 Pohon Pencarian untuk z2 (y1) .................................................... 36
2.15 Proses Pengecekan Validitas Rule untuk z2 (y1) pada Level 1 .... 37
2.16 Penentuan Nilai Aktivasi yang Diharapkan untuk y2 ..................... 39
2.17 Pohon Pencarian untuk z1 (y2) ..................................................... 39
2.18 Proses Pengecekan Validitas Rule untuk z1 (y2) pada Level 1 .... 40
2.19 Proses Pengecekan Rule yang Sama untuk y1 ............................ 42
3.12 Proses Pengecekan Rule yang Sama untuk y2 ............................ 43
3.1 Material Sheet, PB, MDF, Plywood ................................................. 56
3.2 Dokumen Bukti Penerimaan Barang ............................................... 60
3.3 Tabel AMS 105D untuk Pengambilan Sampel Barang ................... 61
3.4 Prosedur Pemeriksaan dan Pengujian Bahan Baku oleh Staff QA 62
3.5 Hasil Uji Material Baru (FM/8.2/15) .................................................. 65
3.6 Blok Diagram Sistem yang Diusulkan ............................................. 67
3.7 Arsitektur BPFFNN untuk Data Inspeksi Material ........................... 78
xiii
Gambar Halaman
3.8 Pemecahan Arsitektur Jaringan Syaraf Tiruan untuk Ekstraksi Rule 87
3.9 Penentuan Nilai Aktivasi yang Diharapkan untuk y1 ....................... 88
3.10 Pohon Pencarian untuk z1 (pada y1) ........................................... 91
3.11 Proses Pengecekan Validitas Rule untuk z1 (y1) pada Level 1 .... 93
3.12 Proses Pengecekan Validitas Rule untuk z1 (y1) pada Level 2 .... 95
3.13 Proses Penghilangan Rule yang Sama ........................................ 99
4.1 Tampilan Proses Manajemen Data Inspeksi Material ...................... 69
4.2 Tampilan Proses Training Data dengan JST ................................... 70
4.3 Tampilan Proses Ekstraksi Aturan JST............................................ 72
4.4 Spesifikasi Sistem yang Digunakan dalam Pengujian .................... 78
4.2 Model Pengujian Cross Validation .................................................. 81
xiv
- Font : Arial, size 12pt,
Capitalize Each Words
- Jarak Antar Baris (Spasi):
adalah 1.5, before=0 dan
after=0
- Font : Arial, size 16pt, Bold, Capital
- Aligment : Center
DAFTAR TABEL
Tabel Halaman
- Ditulis Langsung
Nomor Tabel
2.1 Dataset Logika AND ....................................................................... 27
- Cara Penulisan 2.2 Training Set logika AND .................................................................. 28
sama dengan
Daftar Isi 2.3 Inisialisasi Bobot untuk Dataset Logika AND ................................... 30
2.4 Bobot Hasil Training Dataset Logika AND ..................................... 31
2.5 Bobot Input Node untuk z1 (y1) yang Telah Terurut Descending ... 33
2.6 Bobot Input Node untuk z2 (y1) yang Telah Terurut Ascending ..... 36
2.7 Hasil Pengecekan Rule dengan Dataset AND ................................ 44
3.1 Data Hasil Inspeksi Material Tahun 2011 – 2012 ........................... 69
3.2 Contoh Data Hasil Inspeksi dari Perusahaan ................................. 70
3.3 Contoh Data Inspeksi Hasil Proses Selection ................................. 71
3.4 Daftar Kriteria Inspeksi Bahan Baku PB dan MDF .......................... 72
3.5 Contoh Dataset Inspeksi Material ................................................... 73
3.6 Meta Data untuk Inspeksi Material .................................................. 74
3.7 Contoh Training Set Inspeksi Material ............................................ 76
3.8 Inisialisasi Bobot Awal untuk Dataset Inspeksi Material .................. 81
3.9 Bobot Hasil Pelatihan Dataset Inspeksi Material ............................ 83
3.10 Nilai Aktivasi yang Diharapkan ..................................................... 89
3.11 Bobot Input Node untuk z1(y1) yang Telah Terurut Descending ... 90
3.12 Proses Pencarian Rule yang Optimum ......................................... 100
4.1 Hasil Uji Coba Parameter BPFFNN ................................................ 107
4.2 Hasil Uji Coba Akurasi Ekstraksi Rule ............................................ 109
4.3 Hasil Uji Coba Hidden Layer ........................................................... 110
4.4 Hasil Uji Coba Cross Validation ...................................................... 113
xv
- Font : Arial, size 12pt,
Capitalize Each Words
- Jarak Antar Baris (Spasi):
adalah 1.5, before=0 dan
- Font : Arial, size 16pt, Bold, Capital after=0
- Aligment : Center
DAFTAR PERSAMAAN
Persamaan Halaman
- Ditulis Langsung 2.1 Fungsi Aktivasi Sigmoid Binary ....................................................... 27
Nomor Persamaan
- Cara Penulisan 2.2 Fungsi Aktivasi Sigmoid Bipolar ...................................................... 28
sama dengan
Daftar Isi 2.3 Nilai Aktivasi Search Tree ............................................................... 30
2.4 Fungsi Inisialisasi Bobot Awal ......................................................... 31
xvi
- Font : Arial, size 12pt,
Capitalize Each Words
- Jarak Antar Baris (Spasi):
adalah 1.5, before=0 dan
- Font : Arial, size 16pt, Bold, Capital after=0
- Aligment : Center
DAFTAR LAMPIRAN
Lampiran Halaman
- Ditulis Langsung A Dokumen Inspeksi Material pada PT. Gatra Mapan Malang ............. A-1
Nomor Lampiran
- Cara Penulisan B Dataset Inspeksi Material PB dan MDF .............................................. B-1
sama dengan
Daftar Isi
C Kode Program Untuk Pembangkitan Search Tree ............................ C-1
D File Log Hasil Uji Coba ...................................................................... D-1
xvii
- Font : Arial, size 16pt, Bold, Capital
- Aligment : Center
- Jarak antar baris (spasi) adalah 1,
before=0 dan after=0
dan pengujian oleh staf QA bahan baku sebelum material tersebut masuk
ke gudang dan digunakan untuk produksi. - Nomor Halaman untuk selain
awal bab (isi bab) ditulis di
Apabila tidak menemukan permasalahan saat pemeriksaan dan
kanan atas
- Font
pengujian bahan baku, maka staf QA bahan baku Arial sizedapat
12 pt langsung
memberi disposisi diterima dan memberikan registrasi berupa stempel QC
PASSED (warna hijau). Tetapi apabila ditemukan permasalahan saat
pemeriksaan dan pengujian, maka disposisi harus dilakukan oleh
penanggung jawab QA dalam hal ini adalah Manager QA. Permasalahan
yang terjadi adalah, karena disposisi material harus ditentukan oleh
Manager QA, sehingga membutuhkan waktu yang cukup lama. Hal ini
dikarenakan Manajer QA memiliki banyak tugas lain yang harus dilakukan,
terlebih lagi kadang posisi Manager QA tidak berada di kantor karena
sedang menghadiri acara. Hal ini mengakibatkan beberapa permasalahan
diantaranya:
a. Disposisi material bersifat subyektif, karena bergantung pada satu
- List baik angka
maupun huruf
orang yaitu Manager QA.
ditulis menjorok b. Disposisi material yang cukup lama mengakibatkan down time
ke kanan 1.25 cm
pada proses produksi, sehingga hal ini dapat mempengaruhi
target output harian (yield) produksi.
Untuk itu diperlukan sebuah sistem yang dapat mengatasi
permasalahan ini, karena downtime pada produksi berpengaruh pada
banyak hal termasuk adanya komplain dari buyer karena keterlambatan
pengiriman barang produksi. Permasalahan ini dapat diselesaikan dengan
sebuah sistem yang bisa mempercepat disposisi material tanpa harus
menunggu Manager QA. Hal ini dapat dilakukan berdasarkan data histori
yang ada dari kasus-kasus sebelumnya. Karena pemberian disposisi
material termasuk ke dalam masalah klasifikasi, salah satunya dapat
dimodelkan ke dalam jaringan syaraf tiruan untuk dapat dipelajari pola
disposisinya. Hasil dari pembelajaran jaringan syaraf tiruan ini dapat
diekstraksi menjadi sebuah aturan konjungsi sehingga lebih dapat
dimengerti oleh pengguna sistem nantinya.
- Rumusan Masalah disajikan dalam bentuk kalimat pertanyaan,
tetapi tidak diakhiri tanda tanya
- Boleh lebih dari 1, tetapi inti permasalahannya tetap 1 saja
- Rumusan masalah harus mampu dijawab oleh kesimpulan di bab V 3
- Jangan menyisipkan tujuan atau manfaat yang diharapkan dalam
rumusan masalah, misal:
o .....agar efektif dan efisien
o .....untuk lebih dikenal masyarakat
1.2 Rumusan Masalah
“Bagaimana menentukan disposisi material menggunakan Jaringan
Syaraf Tiruan metode Backpropagation” - Jangan menyebutkan kembali yang sudah ditulis di judul
- Dapat dibatasi dari sisi:
o Objek yang diteliti
o Data yang digunakan
1.3 Batasan Masalah o Cakupan sistem yang dibahas dan yang tidak dibahas
o Alat yang digunakan
1 Hasil inpeksi material yang digunakan hanya untuk bahan baku PB
dan MDF.
2 Dataset yang digunakan untuk proses pelatihan adalah data hasil
inspeksi material khusus bahan baku tahun 2016 dan 2017.
3 Rule yang dihasilkan bisa tidak mencakup semua input atribut.
4 Rule yang dihasilkan bisa memiliki premis yang bervariasi.
5 Jumlah neuron hidden layer maksimal adalah 50 neuron.
6 Menggunakan fungsi aktivasi sigmoid dalam pelatihan jaringan
syaraf tiruan backpropagation. - Penelitian memiliki 1 tujuan saja (tidak ada bagi
penulis, bagi bla bla)
- Tujuan secara umum adalah : untuk membantu
“who” dalam menyelesaikan masalah “what”
1.4 Tujuan Dan Manfaat Penelitian - Tujuan penelitian bukanlah untuk membangun
sebuah program “apa”, tetapi membangun
1.4.1 Tujuan program itu untuk tujuan “apa”
- Sub Bab dengan 2 1 Membantu Staff QA PT. Gatra Mapan Malang dalam menentukan
angka dan dengan 3
angka tetap rata kiri
disposisi material incoming khususnya bahan baku.
2 Merepresentasikan hasil pelatihan jaringan syaraf dalam bentuk
aturan IF-THEN.
3 Mengembangkan metode ekstraksi aturan pada jaringan syaraf
bakpropagation berdasarkan metode pencarian ruang solusi.
4 Menghasilkan rule-rule yang dapat merepresentasikan arsitektur
jaringan syaraf backpropagation.
1.4.2 Manfaat Bagi Penulis
1 Mengaplikasikan disiplin ilmu yang telah diperoleh selama belajar di
Perguruan Tinggi Asia Malang Program Studi Informatika.
2 Belajar menganalisa permasalahan dengan solusi secara ilmiah
yaitu dengan memanfaatkan algoritma JST backpropagation.
- Penelitian yang dilakukan dapat memberi manfaat bagi
banyak pihak (penulis, subjek penelitian, instansi) 4
- Manfaat adalah sesuatu yang diharapkan dapat memberikan
masukan dan membantu pengambilan keputusan, pembuatan
kebijakan dan pemecahan masalah.
3 Dapat mengasah otak dalam berfikir secara cepat dan teliti untuk
mencari penyelesaian masalah.
1.4.3 Manfaat Bagi PT. Gatra Mapan Malang
1 Memberikan alternatif cara yang efisien dalam penentuan disposisi
material incoming tanpa tergantung kepada manager QA.
2 Dapat mempersingkat waktu penyelesaian masalah inspeksi
material incoming.
3 Memperlancar proses produksi, karena tidak perlu menunggu
bahan baku yang bermasalah dalam pemeriksaan.
1.4.4 Manfaat Bagi STMIK Asia
1 Dapat mengukur sejauh mana keberhasilan proses belajar
mengajar di dalam kelas, dan capaian materinya.
2 Menjadi bahan kajian yang dapat dikembangkan dikemudian hari.
- Metodologi Penelitian berisi : tahap-tahap apa yang direncanakan akan digunakan untuk
menyelesaikan penelitian
- Menjelaskan kegiatan apa yang dilakukan mulai awal sampai penelitian dikatakan selesai
- Tahap-tahap dijelaskan secara teknis, bukan definisi langkah-langkah tersebut
5
C. Analisa
Melakukan uji coba secara teoritis terhadap masalah yang
diangkat guna menganalisa apakah rancangan algoritma yang
digunakan dapat menghasilkan solusi yang sesuai dengan tujuan
penelitian. Hal ini bertujuan untuk mengetahui spesifikasi input,
proses dan output sistem.
D. Perancangan
Perancangan algoritma JST backpropagation dalam
permasalahan disposisi material di PT. Gatra Mapan Malang. Proses
perancangan menunjukkan hubungan antara input, proses dan
output sistem yang ditunjukkan dalam bentuk flowchart.
E. Implementasi
Membuat program dari hasil rancangan algoritma yang telah
dibuat untuk mengimplementasikan serta membuktikan bahwa hasil
analisa secara teoritis yang telah dilakukan benar-benar sesuai yang
diharapkan.
F. Pengujian
Pengujian dilakukan untuk melihat apakah data yang telah
menjadi input akan diproses sesuai dengan output yang diharapkan.
Hal ini juga dilakukan untuk mengevaluasi apakah metode yang
diusulkan mampu menjawab tujuan yang telah usulkan.
G. Dokumentasi
Merupakan langkah akhir, penyusunan laporan mulai dari
latar belakang permasalahan sampai dengan pengambilan
kesimpulan akan dijelaskan dalam tahap dokumentasi ini.
BAB I Pendahuluan
Dalam bab ini menjelaskan secara umum penyusunan laporan tugas
akhir ini yang meliputi latar belakang masalah, rumusan masalah,
batasan masalah, tujuan dan manfaat, metodologi penulisan dan
sistematika penulisan laporan.
BAB II Landasan Teori
Berisi tentang uraian-uraian secara teoritis disiplin ilmu yang
mendukung pokok bahasan laporan yaitu mengenai klasifikasi dalam
data mining, jaringan syaraf tiruan backpropagation dan ekstraksi
aturan dengan pendekatan berbasis ruang solusi dengan search tree.
BAB III Pembahasan
Dalam bab ini akan membahas mengenai analisa masalah disposisi
material bahan baku, prosedur inspeksi material oleh staff QA bahan
baku dan bagaimana proses pemberian disposisi material oleh
Manager QA. Selanjutnya dibahas pemodelan JST untuk penentuan
disposisi material meliputi perancangan arsitektur JST dengan
memodelkan dataset yang telah dibuat. Pada bagian terakhir dibahas
proses ekstraksi aturan dimulai dengan pembentukan pohon
pencarian (search tree), kemudian dilakukan pencarian rule dalam
ruang kandidat solusi dan yang terakhir dilakukan tes validasi rule
yang telah diperoleh untuk mendapatkan rule yang baik.
BAB IV Implementasi dan Pengujian
Berisi penjelasan program yang dibangun untuk penentuan disposisi
material. Pada pengujian akan dibahas hasil uji terhadap proses
ekstraksi aturan yang telah dilakukan. Menunjukkan hasil rule yang
didapatkan serta pembuktiannya untuk penentuan disposisi material.
BAB V Penutup
Pada bab ini berisi kesimpulan-kesimpulan yang didapat dalam
analisa permasalahan, serta saran-saran untuk perbaikan di kemudian
hari.
- Format Penulisan sama dengan Bab sebelumnya
- Berisi teori yang dibutuhkan yang menunjang pembahasan di Bab III serta
Implementasi dan pengujian di Bab IV
- Bukan berisi definisi dari setiap kata di kalimat judul
- Penyajian secara deduktif, dimulai dari materi umum ke khusus
- Kelompokkan teori yang berkorelasi dalam subbab yang sama pula
- Bukan berisi opini penulis, karena itu harus disebutkan sumbernya
BAB II
LANDASAN TEORI
7
8
x0=1
x1 w0
w1
x2 w2
. ∑
. wn
xn . net=
f(x) = (2.1)
BAB III
PEMBAHASAN
42
43
staff QA bahan baku akan menerima copy BPB warna merah dan atau
surat jalan dari bagian gudang.
Khusus untuk bahan baku jenis lem kayu, lem sheet, lem kuning,
harus dikirimkan sampel ke bagian laboratorium untuk dilakukan
pengujian. Beberapa parameter pengujian yang digunakan pada lab uji
adalah density, swelling thickness, thickness, length and width, uji gores
untuk sheet, uji panas, uji dingin, warna, bentuk serta tampilan fisik. Hasil
uji laboratorium dituliskan pada dokumen nomer FM/8.2/15 yang
ditunjukkan pada gambar 4.5.
Parameter JST
Bobot
hasil
Ekstraksi Aturan
Membentuk Pohon Pencarian
Pengujian
Optimasi Aturan
lebih dari 1 kali kedatangan barang atau bahkan tidak ada kedatangan
barang dalam sehari. Dalam prakteknya penanganan barang datang bisa
lebih dari sehari, termasuk didalamnya proses inspeksi material.
Tabel 3.1 Data Hasil Inspeksi Material Tahun 2011-2012
Jumlah
No Bulan Tahun
(Record)
1 Januari 2011 31
2 Februari 2011 13
- Tabel diletakkan di tengah halaman
3 Maret 2011 - Keterangan32 tabel ditulis diatas tabel
4 April 2011 - Cara penulisan
21 sama dengan keterangan gambar
5 Mei 2011 - Tabel ditulis43dengan spasi 1, before=0 dan after=0
- Caption setiap kolom ditulis dengan Capitalize
6 Juni 2011 Each Words56 dan bold, aligment =center
7 Juli 2011 - Tabel harus13 diketik ulang, tidak boleh capture
8 Agustus 2011 gambar 43
- Tabel boleh terpotong lebih dari 1 halaman, pada
9 September 2011 halaman kedua45 dituliskan keterangan tabel lagi
10 Oktober 2011 (tabel lanjutan)
67
11 November 2011 - Tabel maksimal
45 2 halaman, apabila lebih dari itu
maka sebaiknya diletakkan pada lampiran
12 Desember 2011 42
13 Januari 2012 14
14 Februari 2012 7
15 Maret 2012 43
16 April 2012 42
17 Mei 2012 38
18 Juni 2012 16
19 Juli 2012 54
20 Agustus 2012 11
21 September 2012 21
22 Oktober 2012 32
23 November 2012 30
24 Desember 2012 27
Total 786
atribut input maupun atribut output dapat ditambah dan dikurangi sesuai
kebutuhan. Sehingga aplikasi yang dibangun diharapkan dapat
beradaptasi dengan perkembangan yang ada.
Dan seterusnya...............(bisa ditambahkan flowchart)
3.5 Pembelajaran (Training) Data dengan JST
Proses pembelajaran pada jaringan syaraf tiruan backpropagation
didasarkan pada hubungan yang sederhana, yaitu jika keluaran
memberikan hasil yang salah, maka bobot (weight) dikoreksi supaya
galatnya dapat diperkecil dan respon jaringan selanjutnya diharapkan
akan lebih mendekati harga yang benar.- Backpropagation
Sub Bab selanjutnya membahasjugaproses apa saja
berkemampuan untuk memperbaiki bobot padayang diperlukan sesuai dengan gambar blok
lapisan tersembunyi
sistem secara umum (gambar 3.3)
(hidden layer). Ketika jaringan syaraf tiruan diberi- Setiap
pola penjelsanan
masukanproses di Bab III sebaiknya
(training
digambar flowchatnya
set) sebagai pola pelatihan maka pola tersebut akan menuju ke unit pada
hidden layer untuk diteruskan pada unit yang berada pada output layer.
Output sementara pada hidden layer akan diteruskan pada output layer
dan output layer akan memberikan tanggapan berupa output sementara
pula. Ketika output sementara tidak sama dengan output yang diharapkan,
maka selisih (error) nya akan disebarkan secara mundur (backward) pada
hidden layer dan diteruskan ke unit di depannya yaitu input layer. Oleh
karena itu proses tersebut disebut propagasi balik (backpropagation)
dimana tahap pelatihan dilakukan dengan merubah bobot yang
menghubungkan unit dalam setiap layer jaringan ketika diberi umpan maju
dan umpan balik. Untuk mempercepat proses pelatihan digunakan
parameter learning rate. Nilai untuk parameter learning rate berada pada
kisaran 0 sampai 1.
Dan seterusnya..................bisa ditambahkan flowchart
Dari 2 buah rule hasil ekstraksi rule diatas terlihat bahwa untuk
kondisi masing-masing kelas dipengaruhi oleh atribut yang berbeda-beda.
Akan tetapi dapat dianalisa bahwa terdapat atribut dominan yang
mempengaruhi kondisi tiap kelas. Dari 5 rule yang dihasilkan oleh y1
terlihat bahwa atribut “kondisi” menjadi prioritas dalam menentukan
disposisi =1. Hal ini terlihat bahwa 4 dari 5 rule yang dihasilkan dari y1
menunjukkan bahwa atribut “kondisi” harus bernilai 1agar disposisi=1.
Atribut ini menjadi premis pertama yang disebutkan dalam setiap rule.
Sedangkan dari 13 rule yang dihasilkan oleh y2, tampak bahwa atribut
“permukaan_atas” menjadi prioritas diantara atribut yang lain. Hal ini
dibuktikan dari 13 rule terdapat 10 rule dengan atribut “permukaan_atas”
sebagai premis pertama dalam susunan rule.
- Format Penulisan sama dengan Bab sebelumnya
BAB IV
IMPLEMENTASI DAN PENGUJIAN
BAB V
PENUTUP
5.1 Kesimpulan
Dari hasil penelitian ekstraksi aturan dari jaringan syaraf tiruan
untuk menentukan disposisi material pada PT. Gatra Mapan Malang
- Kalimat kesimpulan harus
denganbisa menjawab Rumusan
menggunakan Visual Basic 6.0 dan Microsoft Access dapat
Masalah di Bab I
disimpulkan
- Kesimpulan adalah sebuah pernyataansebagai
yang baru berikut:
diketahui oleh penulis setelah menyelesaikan bab III
dan bab IV
1. Aplikasi
- Kesimpulan dapat diambil yang dibuat
dari hasil perancangan di terbukti dapat melakukan ekstraksi aturan dari
bab III dan hasil pengujian di bab IV
data bobot hasil pelatihan dengan jaringan syaraf tiruan
- Kalimat kesimpulan terdiri dari 2 bagian yaitu, bagian
kesimpulan dan bagian keterangan (bukti)
backpropagation. Hal ini dibuktikan dengan pembahasan yang telah
- Jangan menulis tujuan dan mafaat di Bab I ke dalam
kesimpulan atau saran dilakukan menunjukkan hasil 2 buah rule untuk menentukan disposisi
- Yang dituliskan dalam kesimpulan tidak selalu yang
positif, bisa juga membuat material.
kesimpulan negatif
2. Pada uji coba pengaruh jumlah node hidden layer terhadap akurasi
dilakukan 10 kali percobaan dengan jumlah node pada hidden layer
yang berbeda-beda. Didapatkan akurasi terbaik adalah pada jumlah
node 10 dengan akurasi rule 98.46%. Dari uji coba ini menunjukkan
bahwa jumlah node pada hidden layer berpengaruh pada proses
ekstraksi rule yang dilakukan, karena semakin banyak node pada
hidden layer maka semakin banyak pula search tree yang
dibangkitkan dalam proses pencarian rule. Sehingga menghasilkan
rule yang semakin banyak pula. Hal ini mempengaruhi ketelitian rule
yang dihasilkan sehingga memberikan tingkat akurasi rule yang
- Sebaiknya apa yang ditulis di kesimpulan diperkuat
semakin tinggi. dengan bukti dalam bentuk angka
71
72
5.2 Saran
Guna perbaikan dan untuk meningkatkan hasil yang lebih baik
maka disarankan penelitian selanjutnya adalah :
DAFTAR PUSTAKA
Dancey, Darren. Tree Based Methods for Rule Extraction from Artificial
Neural Networks. Manchester Metropolitan University. United
Kingdom. 2008
Soman, K.P., Diwakar, Shyam, Ajay. Insight into Data mining, theory and
practice. Prentice Hall of India Private Limited. New Delhi. 2006
- Nomor halaman
melanjutkan dari bab V
73
- Font : Arial size 16pt, capital
Data Pribadi
Nama : ....................................
Foto
3x4 Tempat/tanggal lahir : ..............................
(harus di print)
Jenis kelamin : .......................................
Agama : .........................................
Alamat : .........................................
Telepon : .........................................
Alamat email: .........................................
Data Keluarga
Nama Ayah : ......................................
Nama Ibu : ......................................
Pekerjaan : ......................................
Alamat : ......................................
Riwayat Pendidikan
(riwayat pendidikan formal sejak awal hingga memasuki jenjang kuliah)
Riwayat Pekerjaan
(bila ada)
Daftar Penelitian
(daftar karya ilmiah yang pernah ditulis oleh penulis bila ada)
B-1
LAMPIRAN C
KODE PROGRAM UNTUK PEMBANGKITAN
SEARCH TREE
C-1
LAMPIRAN D
FILE LOG HASIL UJI COBA
D-1