MK Kecerdasan Tiruan

Komparasi 3 Jurnal – Topik : Jaringan Syaraf Tiruan

NAMA : BAYU ADI W.

NIM : 1610651117
MATA KULIAH : KECERDASAN TIRUAN
 KOMPARASI JURNAL (JARINGAN SYARAF TIRUAN)

JURNAL I JURNAL II JURNAL III

Atribut Paper Rancang Bangun Sistem Pakar Prediksi Stres Analisis Metode Perceptron Untuk Prediksi Penerapan Multilayer Perceptron Untuk
Belajar Dengan Neural Network Algoritma Kunjungan Wisatawan Mancanegara Klasifikasi Jenis Kulit Sapi Tersamak
Backpropagation Penulis : Ayang Putri Ratna Kusuma1, Sri Penulis : Nunik Purwaningsih
Herawati Sumber : Vol. 4 No. 1 April 2016
Penulis : Adhi Kusnadi, Idul Putra Sumber : Jurnal Ilmiah SimanteC Vol. 6, No. 2
Sumber : ULTIMATICS, Vol. VII, No. 2 Desember 2017
Desember 2015
Problem Stres merupakan suatu kondisi internal yang Prediksi kunjungan wisatawan mancanegara Sapi merupakan salah satu hewan yang kulitnya
terjadi dengan ditandai gangguan fisik, (wisman) sangat penting untuk membantu pihak sering dimanfaatkan. Selain sebagai bahan
lingkungan, dan situasi sosial yang berpotensi investor, pengelola pariwisata, maupun instansi makanan, kulit sapi biasa disamak dan hasil
pada kondisi yang tidak baik yang terkait. Prediksi ini dibutuhkan untuk penyamakan tersebut kemudian dibuat berbagai
memantau dan mengantisipasi tren kunjungan macam produk.
wisman. Penelitian ini menggunakan metode
perceptron untuk memprediksi kunjungan wisman
yang berkunjung di Indonesia berdasarkan 19
pintu masuk kebangsaan
Proposed Jaringan syaraf tiruan metode Backpropagation Jaringan syaraf tiruan metode Perceptron Multilayer perceptron
Method
Mekanisme 1. Tahap 1 (penelitian dan Study Literature) 1. Tahap 1 (Study Literature dan Pengumpulan 1. Tahap 1 (Study Literature)
Solusi Pada tahap awal sebelum peneliti membuat Data) Tahap awal peneliti mempelajari tentang
sistem pakar yang dapat digunakan untuk Pada tahap pertama peneliti mempelajari tentang jaringan Syaraf Tiruan dan setelah memelhami
mempredikasi tingkat stress siswa dalam jaringan Syaraf Tiruan dan setelah memelhami JST peneliti mempelajari tentang Multilayer
belajar peneliti perlu mempelajari suatu JST peneliti mempelajari tentang Perceptron yang yang akan digunakan dalam eksperimen ini.
metode dan AI yang nanti akan diterapkan merupakan salah satu metode dalam JSt, setelah 2. Tahap 2 (Penelitian Dataset)
daam membangun sebuah sistem tersebut, memahami tentang JST dan Perceptron, peneliti Tahap 2 disini peneliti melakukan penelitian
setelah mempelajari literatur ranang bangun mengambil dataset dari Badan Pusat Statistik, bahan penyamak dan menggunakan kulit
sistem pakar selanjutnya peneliti meneliti kemudian data tersebut diolah menjadi data sebagai objek dengan data yang dianalisis
resiko dalam stress siswa. Stres yang dialami pelatihan dan pengujian. adalah citra permukaan kulit.
siswa pasti akan terjadi 2. Tahap 2 (Analisis dan Desain Sistem) 3. Tahap 3 (Metodologi)
mengganggu studinya jika tidak ditangani Pada tahap ini peneliti mulai menganasilis sistem Metodologi disini adalah tahap dimana peneliti
dengan cepat dan secara tepat. Oleh karena yang akan dibuat dengan dataset yang di dapat menyiapkan
itu sistem pakar menggunakan algoritma dari BPS, setelah menganailis sistem peneliti 1. Alat
propagasi mundur jaringan saraf untuk membuat desain sistem yang akan diterapkan Dalam penelitian ini digunakan alat sebagai
membantu konselor dalam rancangan sistem seperti pada gambar berikut:
memprediksi tingkat stres siswa. Jaringan dibawah ini : a. mikroskop digital untuk pengambilan data citra
struktur percobaan terdiri dari : b. komputer
 26 node input c. aplikasi Matlab
 5 node tersembunyi d. aplikasi Weka
 2 output node
 kecepatan pembelajaran 0,1 2. Bahan
 momentum 0,1,dan epoch 5000, dengan Bahan yang digunakan adalah sampel kulitsapi
tingkatakurasi100%. yang sudah mengalami prosespenyamakan.
Sampel kulit tersebutdikelompokkan menjadi
2. Tahap 2 (Pengumpulan Data) empat jenisberdasarkan bahan penyamaknya dan
Memprediksi tingkat stres pada siswa SMA atauproses yang dilakukan sebagai berikut:
dengan menggunakan algoritma neural semikrom, nabati, pull up, dan kulit boks.
network backpropagation untuk mengatasi
keterbatas waktu dan tenaga yang dialami 3. Langkah penlitian adalah langkah langkah
oleh konselor dalam menangani stress pada yang dilakukan dalam penelitian seperti pada
siswa. Sedangkan Stres terbagi menjadi 3 gambar dibawah ini :
tingkat yaitu :
- Stress Tingkat Rendah
- Stress Tingkat sedang
- Stress Tingkat Tinggi
3. Tahap 3 (Perancangan dan Implementasi) Gambar Use case Diagram
Pada tahap ini peneliti akan mulai
merancang bangun sistm yang dapat digunakan
untuk memprediksi tingkat stress siswa dalam
belajar, sistem tersebut berupa aplikasi
menggunakan Neural Network dengan
melakukan akusisi pengetahuan dengan 4 orang
pakar salah satunya adalah Ariyanto Yanwar
S.Psi, didapat input sebanyak 26 buah masukan
dan 3 buah keluaran. Masingmasing masukan dan
keluaran merupakan biner yaitu 0 untuk
pernyataan “Tidak”dan 1 untuk pernyataan “Ya”.
Penggunaan biner memudahkan proses
perhitungan untuk mendapatkan keluaran yaitu 00
untuk stres tingkat ringan, 01 untuk stres tingkat
sedang, dan 10 untuk stres tingkat berat.
Berikut ini struktur rancangan Jaringan Syaraf
Tiruan

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 :

Hasil dari penelitian ini adalah klasifikasi jenis

kulit sapi tersamak berdasarkan ciri teksturnya.
Terdapat empat jenis kulit sapi tersamak yang
dijadikan sampel yaitu kulit samak nabati, kulit
samak semi krom, kulit boks, dan kulit pull up.
Data yang digunakan terdiri atas 24 citra kulit
nabati, 16 buah citra kulit semi krom, 12 citra
kulit boks, dan 8 citra kulit pull up. Tingkat
ketepatan klasifikasi mencapai 87,83%. Jenis kulit
yang bisa diidentifikasi paling tepat adalah kulit
Sistem ini menggunakan 5 buah hidden node. pull up dengan tingkat akurasi 98,75%.
Tingkat akurasi adalah 99,85%. Pada uji coba
dan uji validasi dari 26 masukan pernyataan
pernyataan seputar psikologi belajar, aplikasi
memberikan prediksi yang sesuai dengan
prediksi pakar. Sistem pakar ini mampu
memberikan prediksi tingkat stres pada siswa

Dataset Dataset yang digunakan dari penelitian ini
adalah data tentang tingkatan stress yang telah
diuraikan dalam mekanisme solusi tahap 2
pengumpulan data.
 Stres tingkat rendah
Dataset yang digunakan adalah data runtun waktu
kunjungan wisman yang berasal dari data
sekunder Badan Pusat Statistika. Yang dimana
kunjungan wisman menurut 19 pintu masuk utama
dan kebangsaan, seperti :
Data yang digunakan pada penelitian berjumlah
- 60 buah citra terdiri atas 24 citra kulit samak
nabati,
- 16 citra kulit samak semi krom,
- 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 :
a. mampu memformulasikan pengalaman
dan pengetahuan peramal, serta sangat
fleksibel dalam perubahan aturan
perkiraan
b. sebuah algoritma yang dapat
memperkecil tingkat suatu error dengan
menyesuaikan bobot yang berdasarkan
target serta output yang diharapkan
referensi jurnal:
rancang bangun sistem pakar prediksi stres
belajar dengan neural network algoritma
backpropagation
adhi kusnadi, idul putra
ultimatics, vol. vii, no. 2 | desember 2015
Kekurangan a. sangat lama untuk konvergen dan
permasalahan lokal mininum yang
membuat jaringan syaraf tiruan (JST)
sering terjebak pada lokal minimum.
b. kebutuhan untuk data pelatihan besar
dan optimasi yang digunakan kurang
efisien
Kontribusi 1. Bayu Adi Wiyoso
Kelebihan :
a. memiliki kemampuan dalam melakukan
pendeteksian atau analisa dari
permasalahan yang sifatnya sangat
kompleks
b. pola perhitungan lebih kompleks dengan
perulangan sehingga ditemukan titik
kecocokan yang akurat.
referensi jurnal:
analisis metode perceptron untuk prediksi
kunjungan wisatawan mancanegara
Oleh : Ayang Putri Ratna Kusuma1, Sri Herawati
Jurnal Ilmiah SimanteC Vol. 6, No. 2 Desember
2017 Metode Mamdani bisa ....
Kekurangan : Kekurangan :
a. digunakan pada beberapa lapisan jaringan
yaitu ambang batasnya membuat setiap
perceptron tidak terbedakan, maka tidak
sesuai untuk gradient descent.
Kelebihan :
a. memiliki kemampuan dalam melakukan
pendeteksian atau analisa dari
permasalahan yang sifatnya sangat
kompleks
referensi jurnal:
penerapan multilayer perceptron untuk klasifikasi
jenis kulit sapi tersamak
oleh : Nunik Purwaningsih
Jurnal TEKNOIF Vol. 4 No. 1 April 2016
a. setiap error yang dimiliki dapat
mempengaruhi proses bobot tersebut.....