Squence Diagram
4. Tahap 4 (Rancangan, Hasil dan Pembahasan)
- Langkah pertama yang dilakukan adalam
3. Tahap 3 (Rancangan Sistem dalam Basis Data ) mengambil data citra dari sampel yang
Rancangan sistem basis data seperti pada gambar digunakan pada penelitian. Proses ini
berikut : dilakukan dengan menggunakan mikroskop
digital. Jarak objek yang diamati dengan
lensa mikroskop adalah sejauh 2 cm dan
pembesaran diatur 50 kali. Data yang
didapatkan berupa citra RGB berukuran
640 x 480 piksel. Data citra tersebut
Dan berikut ini adalah tampilan aplikasi menu disimpan dalam format file jpg.
sistem yang dibuat : - Langkah berikutnya adalah pemilihan dan
pemotongan área tertentu dari citra asal.
Ukuran área yang diambil adalah 256 x 256
piksel. Hasil yang didapatkan berupa citra
RGB dengan ukuran 256 x 256 piksel.
Citra RGB kemudian diubah menjadi citra
keabuan. Hal ini dilakukan karena metode
yang akan digunakan dalam proses
Gambar diatas adalah DFD dari sistem yang akan berikutnya berdasarkan aras keabuan.
dibuat. Setelah didapatkan citra keabuan dengan
4. Tahap 4 (Implementasi Hasil) ukuran 256 x 256 piksel, maka langkah
Setelah perancangan maka penulis akan berikutnya adalah membentuk matriks
mengimplementasikan hasil sistem, seperti pada kookurensi. Untuk membentuk GLCM level
gambar dibawah ini : keabuan yang digunakan adalah 64 dan
jarakpiksel adalah 1. Untuk setiap citra
didapatkanhasil empat buah GLCM karena
untukparameter sudut GLCM digunakan
empat buah udut yaitu 0, 45, 90, dan 135
derajat.
- Setelah itu ekstraksi ciri yang dilakukan
dengan perhitungan berdasarkan GLCM
yang didapatkan dari langkah sebelumnya.
- Langkah selanjutnya adalah klasifikasi
4. Tahap 4 (Pengujian Aplikasi) berdasarkan ciri yang sudah diperoleh.
Setelah rancangan dan implementasi selesai terdapat lima dataset yang mewakili empat
maka aplikasi tersebut perlu diuji Untuk sudut yang digunakan dan satu dataset
mendapatkan hasil yang terbaik dalam mewakili rata-rata dari semua sudut
perhitungan untuk memprediksi tingkatstres, tersebut. Klasifikasi dilakukan dengan
maka perlu dilakukan training dan uji coba menggunakan metode multilayer perceptron
struktur jaringan syaraf tiruan. Data yang (MLP). Berikut adalah arsitektur MLP
digunakan untuk learning adalah data-data
mengenai pernyataan yang diambil secara
acak berdasarkan perhitungan dari pakar.
Data learning yang akan digunakan untuk
training sebanyak tiga ratus data learning
yaitu mencakup seratus hasil stres ringan,
seratus hasil stres sedang, dan seratus hasil
stres berat. Data pada tabel learning adalah
angka input, yaitu 0 untuk tidak dan 1 untuk Gambar diatasadalah hasil dari pengujian
ya yang digunakan untuk menjawab 26 buah implementasi sistem dari tampilan halaman utama
pernyataan. sampai ke halaman data input.
Berikut ini adalah tabel hasil pengujian :
Dataset Dataset yang digunakan dari penelitian ini Dataset yang digunakan adalah data runtun waktu Data yang digunakan pada penelitian berjumlah
adalah data tentang tingkatan stress yang telah kunjungan wisman yang berasal dari data - 60 buah citra terdiri atas 24 citra kulit samak
diuraikan dalam mekanisme solusi tahap 2 sekunder Badan Pusat Statistika. Yang dimana nabati,
pengumpulan data. kunjungan wisman menurut 19 pintu masuk utama - 16 citra kulit samak semi krom,
Stres tingkat rendah dan kebangsaan, seperti : - 12 citra kulit boks, dan 8 citra kulit pull up.
Tahapan ini merupakan tingkat stres 1. Ngurah Rai,
yang paling ringan, dimana tingkatan ini 2. Soekarno – Hatta,
biasa juga dikatakan fase alarm pada stres, 3. Batam,
pengaruh stres seseorang dalam belajar pada 4. Tanjung Uban,
tingkat ini menuju kearah positif. Gejala stres 5. Polonia,
pada tingkat ini biasanya disertai dengan 6. Juanda,
perasaan-perasaan sebagai berikut: 7. Husein
- Semangat besar 8. Sastranegara,
- Penglihatan tajam tidak sebagaimana 9. Tanjung Balai Karimun,
biasanya. 10. Tanjung Pinang,
- Gugup berlebihan, kemampuan 11. Tanjung Priok,
menyelesaikan pekerjaan lebih dari 12. Adi Sucipto,
biasanya. Tahapan ini biasanya 13. Minangkabau,
menyenangkan dan menambah 14. Entikong, Adi Sumarmo,
semangat 15. Sultan Syarif Kasim II,
tanpa disadari bahwa sebenarnya 16. Sepinggan,
cadangan energinya sedang menipis 17. Sam Ratulangi,
Stres tingkat sedang 18. Bandara Internasional Lombok,
Dalam tahapan ini dampak stres yang 19. Makassar.
menyenangkan mulai menghilang dan timbul
perasaan jenuh. Timbulnya perasaan jenuh Penelitian ini dilakukan dengan menggunakan
atau bosan disebabkan karena hilangnya metode perceptron.
motivasi dan kehilangan konsolidasi salah
satu tingkat keterampilan tertentu sebelum
siswa itu sampai pada tingkat keterampilan
berikutnya. Keluhan-keluhan yang sering
dikemukakan diantaranya merasa letih
sewaktu bangun pagi, merasa lelah sesudah
makan siang, merasa lelah menjelang sore
hari, terkadang gangguan dalam sistem
pencernaan (gangguan usus, perut kembung),
kadangkadang pula jantung berdebar-debar.
Perasaan tegang pada otot-otot punggung dan
tengkuk (belakang leher), perasaan tidak bisa
santai. Orang yang mengalami stres pada
tingkat ini akan menunjukan penurunan
konsentrasi, perhatian, dan kemunduran
memori. Keadaan ini akan menyebabkan
kesalahan dalam memecahkan masalah dan
penurunan kemampuan dalam merencanakan
tindakan. Dampak lain mengakibatkan
semakin banyak tuntutan permasalahan pada
orang yang mengalami stres, kondisi ini
menyebabkan ketidakmampuan menjalin
hubungan dengan orang lain dalam
menghadapi stres, individu lebih sensitif dan
cepat marah, mereka juga sulit untuk rileks,
merasa tidak berdaya
Stres tingkat tinggi
Keletihan pada fungsi fisik dan psikologis
sehingga keadaan individu itu sangat
lemah sebagai akibat kerusakan selama
fase perlawanan. Ketidakmampuan dalam
mengatasi tuntutan lingkungan yang
dirasakannya berakibat timbulnya keletihan
yang merupakan bagian dari tahap kepayahan
dimana seseorang dapat dikatakan telah
mempunyai masalah kesehatan yang serius,
tidak adanya minat lagi dalam belajar dan
beraktifitas, cenderung bersikap sinis
terhadap individu lain, dan tidak jarang pada
tingkat ini individu itu akan mengalami
depresi, sehingga menyebabkan
terganggunya segala aktifitas individu itu
baik dalam belajar, bersosial, dan
sebagainya
Hasil Evaluasi Dengan telah dilakukan perancangan dan Setelah dilakukan mekaanisme solusi sampai pada Hasil evaluasi disini menampilkan hasil dari
pembangunan aplikasi sistem pakar prediksi stres pengujian yang dilakukan dengan alfa (a) 0,001, eksperimen tersebut yaitu sebagai berikut :
dengan menggunakan neural network algoritma threshold (θ) 0,3, epoch sebesar 100, dan 50 data a. Dengan menggunakan MLP tingkat ketepatan
backpropagation, maka tujuan dari penelitian kunjungan wisman. Hasil grafik nilai MSE dapat klasifikasi kulit sapi tersamak mencapai 87,83%
telah tercapai. Sistem ini menggunakan 5 buah dilihat pada Gambar 8. Berdasarkan Gambar 8 b. Jenis kulit yang bisa diidentifikasi paling tepat
hidden node. Tingkat akurasi adalah 99,85%. dapat dilihat bahwa nilai MSE untuk setiap epoch adalah kulit pull up dengan tingkat akurasi
Pada uji coba dan uji validasi dari 26 masukan atau perulangan mengalami penurunan artinya 98,75%.
pernyataan-pernyataan seputar psikologi belajar, semakin banyak epoch maka semakin kecil nilai
aplikasi memberikan prediksi yang sesuai dengan MSE nya. Seperti pada gambar berikut : Penelitian ini bisa dikembangkan dengan
prediksi pakar. Sistem pakar ini mampu memperluas keragaman jenis kulit yang
memberikan prediksi tingkat stres pada siswa diidentifikasi dan menambah jumlah sampel
SMA. yang digunakan.
Kelebihan Kelebihan : Kelebihan : Kelebihan :
a. mampu memformulasikan pengalaman a. memiliki kemampuan dalam melakukan a. memiliki kemampuan dalam melakukan
dan pengetahuan peramal, serta sangat pendeteksian atau analisa dari pendeteksian atau analisa dari
fleksibel dalam perubahan aturan permasalahan yang sifatnya sangat permasalahan yang sifatnya sangat
perkiraan kompleks kompleks
b. sebuah algoritma yang dapat b. pola perhitungan lebih kompleks dengan referensi jurnal:
memperkecil tingkat suatu error dengan perulangan sehingga ditemukan titik penerapan multilayer perceptron untuk klasifikasi
kecocokan yang akurat. jenis kulit sapi tersamak
menyesuaikan bobot yang berdasarkan
referensi jurnal: oleh : Nunik Purwaningsih
target serta output yang diharapkan
analisis metode perceptron untuk prediksi Jurnal TEKNOIF Vol. 4 No. 1 April 2016
referensi jurnal: kunjungan wisatawan mancanegara
rancang bangun sistem pakar prediksi stres Oleh : Ayang Putri Ratna Kusuma1, Sri Herawati
belajar dengan neural network algoritma Jurnal Ilmiah SimanteC Vol. 6, No. 2 Desember
backpropagation 2017 Metode Mamdani bisa ....
adhi kusnadi, idul putra
ultimatics, vol. vii, no. 2 | desember 2015
Kekurangan a. sangat lama untuk konvergen dan Kekurangan : Kekurangan :
permasalahan lokal mininum yang a. digunakan pada beberapa lapisan jaringan a. setiap error yang dimiliki dapat
membuat jaringan syaraf tiruan (JST) yaitu ambang batasnya membuat setiap mempengaruhi proses bobot tersebut.....
sering terjebak pada lokal minimum. perceptron tidak terbedakan, maka tidak
b. kebutuhan untuk data pelatihan besar sesuai untuk gradient descent.
dan optimasi yang digunakan kurang
efisien
Kontribusi 1. Bayu Adi Wiyoso