ABSTRAK
Salah satu dari ilmu komputer yang sangat berkontribusi dalam perkembangan teknologi masa kini dan masa
depan adalah pengembangan jenis-jenis algoritma atau metode yang ada dilingkungan ilmu kecerdasan buatan
dan penerapan sistem cerdas melalui metode yang sudah ada saat ini dan yang akan ditemukan kemudian oleh
para peneliti-peneliti dibidang teknologi informatika. Dalam penelitian ini digunakan metode galat mundur
(Backpropagation) untuk menentukan tenaga kerja terbaik sesuai dengan kriteria-kriteria yang ditentukan pada
bidang masing-masing unit pekerjaan yang ditetapkan.
Proses perhitungan dari galat mundur jaringan syaraf tiruan untuk mendukung keputusan kepada pimpinan
menetukan tenaga kerja terbaik akan dibandingkan dengan metode yang ada pada sitem pendukung keputusan
menggunakan metode Simple Additive Weighting Method(SAW) maupun Technique For Order Preference By
Similarity To Ideal Solution (TOPSIS) untuk mendapat hasil yang akan dianalisa apakah lebih baik atau lebih
buruk.
47
1. Diawali dengan tanda $. Sebenarnya tanda $
4.2.Variabel Penelitian dan Defenisi sendiri tidak termasuk nama dari variabel ini,
Operasional tetapi hanya sekedar memberitahukan bahwa
Variabel penelitian sesuai dengan judul apa yang anda tulis adalah variabel. Jadi "$ini"
penelitian yang sedang dilakukan saat ini adalah adalah variabel, dan "ini" bukan variabel.
varibel yang digunakan untuk membentuk sistem 2. Setelah tanda $, variabel harus diawali
dengan huruf. Tidak boleh memulai
pendukung keputusan bebrasis WEB menggunakan
variabel dengan angka, atau tanda baca
pemrograman PHP/HTML.
lainnya. Sebagai contoh "$3tidakvalid"
bukanlah penamaan variabel yang
4.3.Variabel Penelitian dibenarkan.
3. Nama variabel hanya terdiri dari huruf,
PHP mendukung tipe data berikut ini: angka dan tanda garis bawah (_). Jadi nama
a.Integer seperti "$boleh_dong" dibenarkan, dan
b.Double nama seperti "$apa_liat-liat" tidak
c.String dibenarkan.
d.Array 4. Tidak dibenarkan memberikan nama
e.Object variabel dengan sesuatu (perintah, dan
Tipe variabel ini tidak perlu ditentukan oleh lain-lain) yang sudah ada dan memiliki
programmer, melainkan ditentukan pada saat fungsi tertentu. Misalnya anda tidak
runtime oleh PHP dengan kebergantungan pada dibenarkan menamakan variabel anda
dengan "$print".
konteks pemakaian variabel tersebut.
5. Penamaan variabel pada PHP case
4.4. Defenisi Operasional sensitive, artinya huruf besar dibedakan
dengan huruf kecil. Contohnya variabel
Definisi operasional adalah mendefinisikan "$ini" tidak sama dengan variabel "$iNi"
variable secara operasional berdasarkan Operasional penggunaan variabel dan tipe data
karakteristik yang diamati yang memungkinkan sesui dengan judul penelitian ditunjukkan pada tabel
peneliti untuk melakukan observasi atau berikut:
pengukuran secara cermat terhadap suatu objek atau
fenomena (Alimul Hidayat, 2007.Aditya, Ig. Tabel 1.
Dodiet). Handout Mata Kuliah: “ Metodologi Calon_Teanaga_Kerja
Research ”. Mendefinisikan variable secara
operasional adalah menggambarkan +--------------+-------------+----
/mendeskripsikan variable penelitian sedemikian --+-----+
rupa,sehingga variable tersebut bersifat : | Field | Type | Null
1. Spesifik ( Tidak Beinterpretasi Ganda ) | Key |
2. Terukur ( Observable atau Measurable ) +--------------+-------------+----
Definisi operasional ditentukan berdasarkan --+-----+
Parameter yang dijadikan ukuran dalam penelitian. | IdCalon | varchar(10) | NO
Sedangkan cara pengukuran adalah Cara dimana | PRI |
variable dapat diukur dan ditentukan | NamaCalon | varchar(20) | YES
karakteristiknya. Sehingga dalam Definisi | |
Operasional mencakup penjelasan tentang : | JenisKelamin | varchar(15) | YES |
|
1. Nama variable | TempatLahir | varchar(20) | YES
2. Definisi variable berdasarkan konsep/maksud | |
penelitian. | TanggalLahir | date | YES
3. Hasil Ukur / Kategori | |
4. Skala Pengukuran. | Alamat | varchar(20) | YES
Variabel akan sangat berguna dalam PHP,
| |
terutama karena kita tahu PHP banyak digunakan
| Jabatan | varchar(20) | YES
untuk menampilkan halaman hompage yang
dinamis, yang cerdas, yang mampu merespons | |
keinginan pengunjungnya. | No_hp | varchar(12) | YES
| |
Dalam PHP penamaan variabel harus memenuhi +--------------+-------------+----
beberapa aturan, yaitu: --+-----+
48
IdCalon = Primary key
Tabel 2.
Penilaian
Gambar 2.
Hasil Eksekusi Program TOPSIS
Dan Output TOPSIS:
Id = Primary Key Auto_increment
5.HASIL PENELITIAN
Tabel 3
Gambar 3.
Pelatihan JST dengan perubahan konstanta dan
Output Sistem Pendukung Keputusan TOPSIS
jumlah lapisan tersembunyi
Pengujian dilakukan melalui 2 tahap, pertama
pengujian terhadap data hasil kinerja tenaga kerja
yang dilatihkan dan kedua pengujian pada data
tenaga kerja baru yang belum pernah dilatihkan
sebelumnya. Adapun hasil pengujian terhadap 25
data tenaga kerja baru diperoleh sebagai berikut :
Tabel di atas menunjukkan bahwa pelatihan
yang dilakukan oleh jaringan saraf tiruan mencapai
100%. Hal ini disebabkan ouput pelatihan yang
ditampilkan oleh computer sesuai dengan target
yang ditentukan. Dari hasil penelitian diperoleh pola
terbaik hasil percobaan sebagai berikut :
Keterangan Konfigurasi jaringan syaraf tiruan yang
KB : Konstanta Belajar dipergunakan.
LT : Lapisan Tersembunyi
TK : Tidak Konvergen
Hasil pengujian mengguanakan sistem berbasis
WEB digunakan terhadap beberapa responden
seperti ditampilkan pada gambar 5.1.
49
Tabel 4 1.Ada hubungan yang positif antara kinerja tenaga
Konfigurasi JST Yang digunakan kerja dengan nilai pada saat syarat masuk
tenaga kerja ini dibuktikan adanya konvergensi
dari data yang dimasukkan pada perangkat
Model Jaringan Syaraf Tiruan lunak jaringan syaraf tiruan.
Backpropagation 2.Hasil penelitian menggunakan lapisan
Jumlah 5 tersembunyi dan dengan konstatnta belajar
Sel diperoleh nilai konvergen paling cepat.
Masukan 3.Perangkat lunak (software) analisis kinerja tenaga
Jumlah se kerja baru yang dikembangkan mengunakan
lapisan metode Jaringan saraf tiruan dengan algoritma
tersembu galat mundur (backpropagation) ) mampu
nyi menganalisis kinerja tenaga kerja didasarkan
Jumlah 2 pada nilai pada syarat menjadi tenaga kerja.
lapisan sel 4.Sistempendukung keputusan lebih sederhana
keluaran dalam pengoperasian aplikasinya untuk
Galat 0.1
mendapatkan calon tenaga kerja yang memiliki
yang
diijinkan nilai test tertinggi dibandingkan dengan JST
Konatant menggunakan perangkat mathlab.
a Belajar
5.Mathlab lebih korektif dalam melakukan proses
Fungsi Logsig perhitungan hasil test calon pegawai yang di
Aktivasi simulasikan lewat lapisan-lapisan JST-nya.
Training tp=[ ] DAFTAR PUSTAKA
Paramete tp=[disp-freq max-epoch [1]Ade Pujianto dan Kusrini, Jurnal Teknologi
r error-goal Lr error-ratio] Informasi dan Ilmu Komputer (JTIIK) DOI:
10.25126/ jtiik.201852631 Vol. 5, No. 2, Mei
disp-freq Selang tampilan 10 2018, hlm. 157-162 p-ISSN: 2355-7699
[2]Amat Suroso, Mega Octa Setyawatie, ”Aplikasi
max-epoc Jumlah max iterasi 10000 penerimaan karyawan baru dengan metode
h topsis pada PT. Globalnine Indonesia”,Jurnal
error-goa Nilai galat yang diperbolehkan 0.1 Teknologi Terpadu e-ISSN 2460-7908 ISSN
l 2477-0043, Vol. 2, No. 1, Juli, 2016, Program
Lr Konstanta Belajar Studi Teknik Informatika STMIK Bani Saleh
error-rati Rasio galat 1.04 Bekasi.
o [3]Elyza Gustri Wahyuni, dan Ananto Tri Anggoro,
Inisialisas [w1,b1,w2,b2]=initff(p, “Sistem pendukung keputusan penerimaan
i bobot ,'logsig',t,'logsig') pegawai dengan metode TOPSIS”, Jurnal
Sains, Teknologi dan Industri, Vol. 14, No. 2,
Juni 2017, pp.108–116 ISSN 1693-2390
Pelatihan [w1,b1,w2,b2]=trainbp(w1,b1,'log print/ISSN 2407-0939 online.
sig',w2,b2,'logsig',p,t,tp) [4] Efraiam T., “Decission Support System’,
Tanpa menggunakan momentum MCGrowHills, 2006.
untuk mempercepat konvergen [5]Hesti Wulansih, Farid Wajdi, ”Analisis pengaruh
tingkat pendidikan dan pengalaman kerja
Iterasi Konvergen terhadap produktivitas kerja karyawan pada
perusahaan furniture cv. mugiharjo kragilan
boyolali”, naskah publikasi FAKULTAS
EKONOMI DAN BISNIS UNIVERSITAS
MUHAMMADIYAH SURAKARTA 2014.
[6]Jek Siang, Jong,“Jaringan Syaraf Tiruan &
6. KESIMPULAN Pemrogramannya Menggunakan MATLAB”,
2006, Penerbit Andi : Yogyakarta.
Dari hasil penelitian dapat disimpulkan bahwa [7]Kusumadewi, Sri. 2006, “Artificial Intelligence”,
: Penerbit Graha Ilmu: Yogyakarta.
50
[8]Lestari, S., 2011, “Implementasi Metode Fuzzy [14]Riza Rizqiana Perdana Putri, Muh. Tanzil
Technique for Order Preference by Similarity Furqon, Bayu Rahayudi,”Implementasi
to Ideal Solution (TOPSIS) untuk Seleksi Metode JST-Backpropagation Untuk
Karyawan”. Tesis, Magister Ilmu Komputer. Klasifikasi Rumah Layak Huni”, Program
Program Pascasarjana, Universitas Gadjah Studi Teknik Informatika, Fakultas Ilmu
Mada, Yogyakarta. Komputer, Universitas Brawijaya, Jurnal
Pengembangan Teknologi Informasi dan Ilmu
[9]Maria Agustin dan Toni Prahasto,”Penggunaan
Komputer e-ISSN: 2548-964X Vol. 2, No. 10,
Jaringan Syaraf Tiruan Backpropagation
Untuk Seleksi Penerimaan Mahasiswa Oktober 2018, hlm. 3360-3365.
Baru Pada Jurusan Teknik Komputer Di [15]Whitten Jeffry L., Lonnie, D. Bently. Thomas
Politeknik Negeri Sriwijaya”, Jurnal Sistem I.M. Ho. “System Analysis & Design
Informasi Bisnis2012), On-line: Methods”, 2006
http://ejournal.undip.ac.id/index.php/jsinbis). [16]Yusuf Dwi Santoso, Suhartono, “Sistem
[10]M.Rizki Fahrurrozi, Tjatur Kandaga Gautama, Klasifikasi Tipe Kepribadian dan Penerimaan
“Sistem Pendukung Keputusan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf
Pegawai dengan AlgoritmaSimple Additive Tiruan Backpropagation”, Program Studi
Weighting danFuzzy Logic”, Jurnal Ilmu Komputer/Informatika, Universitas
Informatika, Vol. 9 No. 2, Desember 2013: 189 Diponegoro, Jurnal Ilmu Komputer dan
– 204. Informatika, Vol. 3 No. 1 | Juni 2017
[11]Nazla Nurmila, Aris Sugiharto, dan Eko Adi KHAZANAH INFORMATIKA | Online
Sarwoko,” Algoritma back propagation neural ISSN: 2477-698X.
network untuk pengenalan pola karakter huruf [17]Y.A.Lesnussa,S.Latuconsina, E. R. Persulessy,
jawa”, Prodi Ilmu Komputer Jurusan ”Aplikasi Jaringan Saraf Tiruan
Matematika F. MIPA UNDIP, Jurnal Backpropagation untuk Memprediksi Prestasi
Masyarakat Informatika, Volume 1, Siswa SMA, Jurnal Matematika Integratif
Nomor 1, ISSN 2086 – 4930.
ISSN 1412-6184 Volume 11 No 2, Oktober
[12]Raymond McLeod, Jr. and George Schell,
“Manajemen Sistem Informasi”, Yogyakarta, 2015 , pp 149 – 160.
2006 [18]Yeni Nuraeni, “Penerapan jaringan syaraf
[13]Rokky Septian Suhartanto, Candra Dewi, Lailil tiruan(JST) untuk mengukur tingkat
Muflikhah,” Implementasi Jaringan Syaraf korelasi antara nem dengan ipk kelulusan
Tiruan Backpropagation untuk Mendiagnosis mahasiswa”, Program Studi Teknik
Penyakit Kulit pada Anak”, Program Studi Informatika, Universitas Paramadina, Jakarta,
Teknik Informatika, Fakultas Ilmu Komputer, Indonesia, Jurnal TELKOMNIKA Vol. 7, No.
Universitas Brawijaya, Jurnal 3, Desember 2009 : 195–
Pengembangan Teknologi Informasi dan 200,ISSN:1693-930,https://www.researc
Ilmu Komputer e-ISSN: 2548-964X Vol. 1, hgate.net/publication/287726009.
No. 7, Juni 2017, hlm. 555-562.
51