Jaringan Syaraf Tiruan Perceptron Untuk 985374b6
Jaringan Syaraf Tiruan Perceptron Untuk 985374b6
ABSTRAK
Penelitian Jaringan Syaraf Tiruan dengan menggunakan algoritma Perceptron ini, akan digunakan dalam menyelesaikan
kasus untuk menunjang sebuah keputusan pada pembangunan irigasi air di daerah Kabupaten Pesisir Selatan Provinsi
Sumatera Barat. Metode Jaringan Syaraf Tiruan algoritma Perceptron adalah sebuah metode yang mampu melakukan
proses perhitungan dengan mengenali variabel-variabel dalam pencocokan pola dan pada akhirnya hasil keluaran dari
Jaringan dapat digunakan sebagai bahan pertimbangan pengambilan keputusan. Tujuan akhir dari penelitian ini adalah
untuk membantu pihak Dinas Pengelolaan Sumber Daya Air Kabupaten Pesisir Selatan yang kesulitan dalam menentukan
daerah mana yang seharusnya terlebih dahulu di prioritaskan untuk pembangunan sistem irigasi, sehingga pihak Dinas
Pengelolaan Sumber Daya Air Kabupaten Pesisir Selatan cepat tanggap dalam memutuskan pembangunan sistem irigasi.
Konsep pola Jaringan Syaraf Tiruan Algoritma Perceptron yang dihasilkan akan diterapakan kedalam Sistem pengambilan
keputusan yang bermanfaat untuk mepermudah kinerja Dinas Pengelolaan Sumber Daya Air Kabupaten Pesisir Selatan
dalam pengolahan dan penentuan keputusan pembangunan sistem irigasi.
Kata Kunci: Jaringan Syaraf Tiruan, Algoritma Perceptron, Variabel dan Keputusan
Kemudian dalam kasus penelitian yang sama, yang sangat tinggi, Pola dimana neuron-neuron pada JST
Algoritma JST yang digunakan untuk menganalisa disusun berhubungan erat dengan algoritma belajar yang
pengaruh gizi buruk terhadap perkembangan balita digunakan untuk melatih jaringan (Diyah
adalah algoritma Perceptron. Algoritma Perceptron Puspitaningrum: 2006):
merupakan bentuk jaringan syaraf yang digunakan untuk Hermawan (Hermawan, 2006) menjelaskan bahwa
mengklasifikasikan suatu pola tertentu yang sering jaringan syaraf tiruan adalah sistem komputasi yang
dikenal dengan pola pemisahan secara linier. Algoritma arsitekturnya diilhami dari cara kerja sel syaraf biologis
yang digunakan oleh aturan Perceptron ini akan otak manusia.
mengatur parameter-parameter bebasnya melalui proses
pembelajaran (Pujiyanta Ardi dan Fernandya Riski 3.2 Algoritma Perceptron
Hartantri, 2014). Metode yang digunakan dalam pengembangan ini
Dalam penelitian yang berbeda (Musli Yanto, 2017), adalah jaringan syaraf tiruan dengan menggunakan
Pada sistem Jaringan Syaraf Tiruan yang telah dibangun perceptron. Model ini merupakan model yang memiliki
dapat melakukan analisa pada penentuan status kelulusan aplikasi danpelatihan yang lebih baik pada era tersebut.
siding skripsi khususnya pada mahasiswa berdasarkan Perceptron merupakan salah satu bentukjaringan syaraf
data input yang sudah ditentukan dan Sistem Jaringan tiruan yang sederhana. Metode perceptron merupakan
Syaraf Tiruan dengan algoritma perceptron ini dapat metode pembelajaran dengan pengawasan dalam
membantu dalam memastikan untuk pengambilan sistemjaringan syaraf. Dalam merancang jaringan neuron
keputusan agar proses penentuan kelulusan sidaing yang perlu diperhatikan adalah banyaknya spesifikasi
skripsi tidak mengalami kesalahan dalam pengambilan yang akan diidentifikasi. Jaringan neuron terdiri dari
keputusan. sejumlah neuron dan sejumlah masukan (Lucky Lhaura
Permasalahan yang sudah dipaparkan nantinya akan Van FC,2016).
dilanjutkan dalam pembahasan dalam kajian penelitian Perceptron adalah bentuk paling sederhana dari JST
ini dimana Jaringan Syaraf Tirian yang dirancang dengan yang digunakan untuk mengkasifikasikan pola
menggunakan algoritma Perceptron ini nantinya dapat khusus yang biasa disebut linearly separable, yaitu pola-
memberikan sebuah hasil keputusan dalam pembangunan pola yang terletak pada sisi yang berlawanan
sistem irigasi di Dinas PSDA Kabupaten Pesisir Selatan pada suatu bidang. Pada dasarnya Perceptron terdiri dari
Provinsi Sumatera Barat. neuron tunggal dengan bobot-bobot sinaptik dan
threshold yang dapat diatur, Perceptron terbatas hanya
2. RUANG LINGKUP untuk mengklasifikasikan dua kelas saja (Suyanto,
Dalam penelitian ini penulis membatasi kajian 2014).
penelitian yang mencakup dalam ruang lingkup serta
bertujuan untuk membatasi permasalah yang akan 3.3 Pelatihan Perceptron
dibahas yakni proses penentuan pola sistem irigasi Misalkan s adalah vektor masukan dan t adalah
dengan menggunakan Jaringan Syaraf Tiruan Algoritma target keluaran, α adalah laju pemahaman (learning rate)
Perceptron. Dalam penentuan pola sistem irigasi ini yang ditentukan, θ adalah threshold yang ditentukan;
penulis mengambil beberapa variabel diantranya : K1 = maka algoritma pelatihan perceptron adalah sebagai
Luasan Lahan Pertanian, K2 = Kedekatan Pembangunan berikut : Inisialisasi semua bobot (w) dan bias (b).
Irigasi Terhadap Saluran Primer/ Sungai, K3 = Potensi Tentukan laju pemahaman (α). Untuk penyederhanaan,
Pertanian daerah dan K4 = Sumber Daya Manusia. biasanya α diberi nilai 1. Selama ada elemen vektor
Variabel-variabel ini nantinya akan digunakan untuk masukan yang respon unit (Fernandya Riski Hartantri
menentukan pola pembangunan sistem irigasi yang Dan Ardi Pujiyanta, 2014) :
berada di daerah Kabupaten Pesisir Selatan Provinsi
Sumatera Barat. Hasil yang akan diberikan dan dapat 1 Jika y_in > Ɵ
disajikan berupa pola keputusan untuk pembangunan y= 0 Jika -Ɵ ≤ y_in ≤ Ɵ
sistem irigasi itu sendiri yang akan membantu Dinas 1 Jika y_in < -Ɵ (1)
(PSDA) dalam pengambilan keputusan.
mudah dalam mengelola dan memutuskan sebuah Sovi, Rini & Yanto, Musli, 2018 Jaringan Syaraf Tiruan
keputusan dalam pembangunan sistem irigasi air. Dalam Analisa Pengaruh Gizi Buruk Terhadap
permasalahan ini nantinya bisa dilanjutkan lagi ke Perkembangan Balita Algoritma Perceptron,
penelitian berikutnya dengan mengambil beberapa MEDIASISFO : Vol.12, No.4, April 2018
variabel-variabel yang lebih lengkap sesuai dengan fakta Suyanto, 2014, Artificial Intelligence ( Searching,
yang ada agar keputusan yang dihasilkan bisa lebih tepat Reasoning, Planning dan Learning), Bandung:
dan akurat. Pada penelitian kedepanya, penulis INFORMATIKA.
menyarankan untuk melakukan beberapa pengujian Yanto, Musli, 2017, Penerapan Jaringan Syaraf Tiruan
dengan metode lain selain Jaringan Syaraf Tiruan Dengan Algoritma Perceptron Pada Pola
algoritma Perceptron dalam masalah pengenalan pola Penentuan Nilai Status Kelulusan Sidang Skripsi.
sistem irigasi air. Jurnal TeknoIf Vol. 5 No. (2), ITP Padang.
7. DAFTAR PUSTAKA