Khairunnisa, Maria Hikmah Hasibuan, Abdullah Afif Bihaqi, Yazid Hulaini Habbani Nst, Supiyandi, M.Kom
Abstrak
Bidang kecerdasan buatan merupakan salah satu bidang teknologi yang menjadikan perubahan kehidupan manusia semakin berkembang kearah
memudahkan aktivitas manusia berkonsep pada pikiran cerdas manusia. Pada jurnal ini terdapat 5 Online Shop yang berbeda dan diberi 4 pertanyaan
untuk menentukan kriteria dari masing – masing pada kelima Online Shop. Saya menggunakan metode Adaline untuk merancang data tersebut,
Penerapan metode Adaline akan efektif umtuk diterapkan dalam analisa kriteria ini apabila nilai learning rate sebesar 0,2 serta menggunakan fungsi
aktivasi Threshold bipolar. Dari kelima data tersebut akan diketahui online shop mana yang memenuhi 4 kriteria situs belanja terbaik di Indonesia.
Kata kunci: Kecerdasan Buatan; Kriteria; Fungsi Aktivasi Bipolar; Metode Adaline; Teknologi
Abstract
One of the technical domains that transforms human life and progresses toward facilitating human activities with the idea of intelligent human minds is
artificial intelligence. There are 5 different online shops listed in this journal, and there are 4 questions to help you figure out what each of the five
online shops is looking for. I create the data using the Adaline technique. If the learning rate is 0.2 and the Threshold bipolar activation function is
utilized, the Adaline approach can be successfully used to the analysis of this criterion. Which online store fits the four requirements for the greatest
shopping site in Indonesia can be determined from the five data points.
Keywords: Artifical Intelligence; Criteria; Bipolar Activation Function; Adaline Methode; Tehnology
Pendahuluan
Pada jaringan syaraf hubungan ini dikenal sebagai bobot. Informasi tersebut tersimpan pada suatu nilai tertentu pada bobot tersebut.
Keduanya atau mungkin lebih untuk mendapatkan redundansi data. Menurut Agustina, dkk jaringan saraf tiruan disingkat JST adalah Teknik
pemerosesan informasi yang bekerja seperti system sel saraf biologi sehingga menghasilkan model matematis untuk menyelesaikan masalah.
Menurut pendapat lain JST adalah system komputasi dimana arsitektur dan operasi di ilhami dari pengetahuan tentang sel saraf biologis di
dalam otak [4]. Jaringan Syaraf Tiruan telah dikembangkan sejak tahun 1940. Pada jaringan syaraf hubungan ini dikenal dengan nama bobot. Informasi
tersebut tersimpan pada suatu nilai tertentu pada bobot tersebut. Keduanya atau mungkin lebih untuk mendapatkan redundansi data. Ini diproses oleh
E-ISSN:
2548-1398
suatu fungsi perambatan yang akan menjumlahkan nilai – nilai semua bobot yang akan datang. Hasil penjumlahan ini kemudian dibandingkan dengan
suatu Informasi yang disebut dengan masukkan dikirim ke neuron dengan bobot kedatangan tertentu. Masukkan nilai ambang (threshold) tertentu
melalui fungsi aktivasi setiap neuron. Dalam penelitian ini menggunakan 4 atribut dari kriteria, yang diantaranya kelengkapan produk, banyaknya
Jaringan Saraf Tiruan (JST) adalah paradigm pemrosesan suatu informasi yang terinspirasi oleh sistem sel saraf biologi, sama seperti otak
manusia yang memproses suatu informasi. Ada banyak metode JST yang dapat di implementasikan untuk prediksi. Masing – masing metode JST
memiliki kelebihan dan kekurangan. Dalam lingkup Analisis e-commerse, tidak dapat dikatakan langsung metode mana yang sesuai untuk
diaplikasikan, karena suatu metode yang baik untuk suatu kasus belum tentu baik pula untuk kasus yang berbeda..
Adaline singkatan dari Adaptive Linear Neuron, Adaline menggunakan threshold dalam melakukan proses penjumlahan linier seluruh
masukan pada jaringannya. Pada setiap iterasi nilai error akan selalu menurun, sehingga proses belajar yang demikian disebut juga sebagai proses
belajar dengan algoritma gradient descent. Sistem Madaline mempunyai satu lapisan Adaline yang dihubungkan dengan satu unit Madaline. Adaline
menggunakan dua pengubahan pada laju pemahaman dan batas toleransi sehingga lebih efektif dalam pengenalan pola yang dilakukan.
Jaringan Adeline sedikit banyaknya tidak terlalu jauh berbeda dengan jaringan perceptron. Perbedaan jaringan adeline dengan percepton
terletak pada cara merubah bobot. Pada jaringan adeline, perubahan bobot dilakukan dengan aturan delta (least mean square), dan fungsi aktivasi yang
2
Syntax Literate, Vol. 6, No. 7, Juli 2021
Analisis Kriteria Online Shop Dengan Metode Adaline
Metode Penelitian
Penelitian ini menggunkan metode analisis, data diperoleh dari analisis ini telah dilihat berdasarkan ulasan pengguna pada tiap – tiap
aplikasi tersebut dan melihat berapa banyak yang mendownload aplikasi tersebut pada App Store. Data tersebut akan di kelompokkan dalam bilangan
Kriteria Keterangan
No
Berikut 4 data set asli untuk analisis dari kelima Online Shop berikut.
Nama X1 X2 X3 X4
Dan pada tabel di bawah ini merupakan data yang telah dirubah ke bentuk bipolar
Banyak Sedikit
X2
1 -1
Mudah Sulit
X3
1 -1
X1 X2 X3 X4 T
1 1 1 1 1
Keterangan :
T = Nilai Target
Target pada tabel diatas ditentukan agar mendapatkan hasil yang optimal, dimana jika input -1 sebanyak 2 atau lebih maka akan
menghasilkan target = -1, sedangkan jika input -1 hanya terdapat 1 atau tidak ada maka nilai target = 1.
Analisis dengan 5 data set yang tersebut, dengan learning rate sebesar 0,2 dan juga menggunakan fungsi aktifasi threshold bipolar
4
Syntax Literate, Vol. 6, No. 7, Juli 2021
Analisis Kriteria Online Shop Dengan Metode Adaline
1, 𝑖𝑓 𝑛𝑒𝑡 ≥ 0
𝑦 = 𝑓(𝑥) = { −1, 𝑖𝑓 𝑛𝑒𝑡 < 0
Setelah proses transformasi data dilakukan, penulis melanjutkan proses pada tahapan perhitungan algoritma adaline.
EPOCH 1
X1 X2 X3 X4 T
1 1 1 1 1
W1 W2 W3 W4 B α
0 0 0 0 0 0,1
= (1 * 0) + (1 * 0) + (1 * 0) + (1 * 0) + 0
=0+0+0+0+0
=0
f(net) =0
t–y =1
Perubahan bobot
α * (t-y) * X
Bobot baru
W(lama) +ΔW
W1 W2 W3 W4 b
Note : Apabila nilai maks ΔW > nilai toleransi maka masuk ke epoch selanjutnya
EPOCH 2
X1 X2 X3 X4 T
1 1 1 1 1
W1 W2 W3 W4 B α
= 0,1+0,1+0,1+0,1+0,1
= 0,5
f(net) = 0,5
t–y = 0,5
Perubahan bobot
α * (t-y) * X
Bobot baru
W(lama) +ΔW
W1 W2 W3 W4 b
Iterasi pelatihan dengan perubahan bobot berhenti pada epoch ke 2, karena nilai maksimal dari Δw sudah mencapai 0.05, dan ini sudah
lebih kecil dari batas toleransi. Sehingga diperoleh bobot yang akan dilakukan untuk pengenalan pola :
W1 W2 W3 W4 b
Validasi
6
Syntax Literate, Vol. 6, No. 7, Juli 2021
Analisis Kriteria Online Shop Dengan Metode Adaline
Dengan menggunakan bobot dan bias yang diperoleh dari epoch terakhir (epoch ke 2), dan fungsi aktivasi threshold , maka diperoleh hasil
= 0,15+0,15+0,15+0,15+0,15
= 0,75
f(net) = 0,75
= -1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡<0
KESIMPULAN
Dengan menggunakan sistem ini maka seseorang dapat mengetahui jenis-jenis kreteria online shop dengan memasukkan data-data kriteria. Sistem
ini dapat membantu seseorang,untuk memahami tentang bagaimana menganalisis online shop yang banyak.
Pada hasil pengenalan pola yang dilakukan, pola dapat dikenali dengan benar.
REFERENSI
[1] Aji Sudarsono. (2016). Jaringan Syaraf Tiruan Untuk Memprediksi Laju
[3] Beti, E,. & Trismayanti, D, P,. Pengenalan Pola Huruf dengan Menggunakan
[4] Fadlisyah & Bustami. Model Generatif Wajah Berpotensi “Fitnah” Menggunakan
[5] Etikasari, et al., (2019). Pengenalan Pola Huruf denganAlgoritma Adaline. Jurnal
Mnemonic
[6] Irsyada, et al., (2019). Penerapan Jaringan Syaraf Tiruan Model Adaline Pada
[7] Sudarsono, (2016). Jaringan Syaraf Tiruan untuk Memprediksi Laju Pertumbuhan
8
Syntax Literate, Vol. 6, No. 7, Juli 2021