Pembangunan sistem pendeteksi penyalahgunaan narkoba menggunakan algoritma jaringan syaraf tiruan metode backpropagation

  

BIODATA PENULIS

Data Pribadi

1. Nama : Dwi Putri Pangrestu

  Jenis Kelamin : Perempuan Tempat, Tanggal Lahir : Tanjungpandan, 08 Desember 1990 Agama : Islam Kewarganegaraan : Indonesia Status : Belum Menikah Alamat Lengkap : Jalan Tanjung Baru No 05 RT.43/RW.17 Desa

  Pangkal Lalang, Kecamatan Tanjungpandan, Kabupaten Belitung, Provinsi Kepulauan Bangka Belitung 33411

  No. HP : 087821421475 Email :

   Riwayat Pendidikan 2.

  2011 Universitas Komputer Indonesia (UNIKOM) Bandung

• – 2014 :

  Program Strata 1 Teknik Informatika 2007 Universitas Telkom (d/h. IT Telkom) Bandung

• – 2011 :

  Program Diploma 3 Teknik Informatika

  

SMA Negeri 1 Tanjungpandan

  2004

• – 2007 : 2001 SMP Negeri 1 Tanjungpandan – 2004 : 1995 SD Negeri 09 Tanjungpandan – 2001 :

  Demikian riwayat hidup ini diisi dengan sebenar-benarnya dan untuk digunakan lebih lanjut.

  Bandung, 25 Februari 2014

PEMBANGUNAN SISTEM PENDETEKSI PENYALAHGUNAAN NARKOBA MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION SKRIPSI

  Diajukan untuk Menempuh Ujian Akhir Sarjana

DWI PUTRI PANGRESTU 10111942 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA

KATA PENGANTAR

  Alhamdulillahi rabbil ‘alamin, puji syukur penulis panjatkan ke hadirat Allah

  SWT atas segala karunia-Nya. Sholawat serta salam senantiasa tercurahkan kepada Rasulullah Muhammad SAW, keluarganya, shahabat-shahabatnya serta para pengikutnya hingga hari akhir. Alhamdulillah atas izin-Nya, penulis dapat menyelesaikan penyusunan skripsi yang berjudul “Pembangunan Sistem

  

Pendeteksi Penyalahgunaan Narkoba Menggunakan Algoritma Jaringan Syaraf

Tiruan Metode Backpropagation ”. Penulisan skripsi ini untuk memenuhi salah satu

  syarat dalam menyelesaikan studi pada Program Strata-1 Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

  Laporan skripsi ini dapat terselesaikan dengan dukungan orang-orang yang senantiasa menguatkan, memberikan semangat dan solusi, senyuman serta harapan dan bimbingan kepada penulis. Oleh karena itu dengan penuh terima kasih, buku ini dipersembahkan untuk:

  1. Mama Lilyanna dan Papa Lili Solihin, orangtua nomor 1 di dunia, yang senantiasa memberikan harapan, motivasi, materi dan kasih sayang tiada henti.

  Untuk mbak Ajeng, kak Dedi beserta si kecil Aqist, dan adek Lara, kalian merupakan saudara dan keponakan terbaik. Juga untuk keluarga besar di Belitung yang selalu memberikan motivasi dengan kiriman makanannya.

  2. Bapak Irawan Afrianto, S.T., M.T., selaku Ketua Program Studi Teknik Informatika.

  3. Bapak Galih Hermawan, S.Kom, M.T., selaku penguji 1 dalam seminar dan sidang akhir.

  4. Ibu Nelly Indriani W, S.Si, M.T., selaku penguji 2 dan dosen pembimbing yang telah banyak memberikan kemudahan dan arahan, serta sabar memberikan bimbingan kepada penulis hingga laporan tugas akhir ini dapat terselesaikan.

  5. Kapolres Belitung beserta jajaran staf Polres Belitung terutama SatResNarkoba

  6. Akang-akang dan teteh-teteh dari Komunitas Rumah Cemara Bandung yang telah menyediakan waktu untuk berbagi cerita, pengalaman dan membantu dalam pengisian kuisoner penelitian, terutama Kang Karmala selaku humas RC.

  7. Keluarga besar Tianshi dan OneVision di Bandung, yang telah menjadi keluarga ke-2 penulis. Pasangan sponsor penulis, Rizka dan Dhany serta baby Naya yang telah setia membantu, mendengarkan dan memberikan solusi kepada penulis. Selain itu, terimakasih pula untuk para upline, downline serta crossline penulis.

  8. Sahabat-sahabat penulis. Yuli Riawan, Pia Octaviani, Siti Sofiyah, sahabat yang senantiasa mengingatkan dan membantu penulis dalam mengerjakan skripsi ini.

  Dinda di IPB, Tika di Medan, Dwi di FKG Unpad, serta Ade. Teman-teman di kost lama dan baru : mbak irma, mbak ika, mbak popy, mbak intan, mbak tini, wita, serta keluarga besar D3IF-31 Telkom University (d/h IT Telkom).

  9. Keluarga besar Unikom IF-16 angkatan 2009: tiada kesan tanpa kehadiran kalian semua bro (budhi, dunant, fariz, agus, esa, rian, ikra, gema, dkk) thx ya.

  10. Keluarga besar Unikom IF-17K angkatan 2011 konversi: beragam rasa, budaya, cerita, sedih dan senang (mbak pipit, mbak juli, adhit, iky, irma, fuad, yogi, ine, harry, radhian, yusuf, dll.)

  Perjuangan kita pasti membawa hasil :’)

  11. Teman-teman IF Unikom 2009-2012 yang pernah bareng saat perkuliahan maupun skripsi, terimakasih untuk semua bantuan dan semangatnya (sarah, tian, vincent, ferry, siti, agi dkk., alin dkk., dll)

  12. Serta semua pihak yang telah membantu dalam penyusunan laporan skripsi ini, yang tidak dapat penulis cantumkan satu persatu.

  Akhir kata, semoga skripsi ini bermanfaat bagi para pembaca. Aamiin.

  Bandung, 25 Februari 2014 Penulis

  

DAFTAR ISI

  ABSTRAK ................................................................................................................ i

  

ABSTRACT ...............................................................................................................ii

  KATA PENGANTAR ............................................................................................ iii DAFTAR ISI ............................................................................................................ v DAFTAR GAMBAR ................................................................................................ ix DAFTAR TABEL ................................................................................................... xii DAFTAR SIMBOL ............................................................................................... xiv DAFTAR LAMPIRAN .......................................................................................... xvii BAB 1 PENDAHULUAN ............................................................................

  ....…….1

  1.1 Latar Belakang Masalah ............................................................................... 1

  1.2 Perumusan Masalah ..................................................................................... 3

  1.3 Maksud dan Tujuan ...................................................................................... 3

  1.4 Batasan Masalah .......................................................................................... 3

  1.5 Metodologi Penelitian .................................................................................. 4

  1.6 Sistematika Penulisan ................................................................................... 7

  BAB 2 LANDASAN TEORI ..................................................................................... 9

  2.1 Profil BNN ................................................................................................... 9

  2.1.1 Sejarah Badan Narkotika Nasional (BNN).................................................... 9

  2.1.2 Susunan Organisasi BNN ........................................................................... 12

  2.1.3 Kebijakan dan Strategi BNN ...................................................................... 13

  2.2 Komunitas Rumah Cemara ......................................................................... 14

  2.3 Landasan Teori .......................................................................................... 15

  2.3.1 Kecerdasan Buatan ..................................................................................... 15

  2.3.1.1 Sejarah Kecerdasan Buatan ........................................................................ 17

  2.3.1.2 Kecerdasan Buatan dan Kecerdasan Alami ................................................. 18

  2.3.1.4 Lingkup Kecerdasan Buatan pada Aplikasi Komersil ................................. 19

  2.3.2 Jaringan Syaraf Tiruan ............................................................................... 20

  2.3.2.1 Karakteristik JST ....................................................................................... 20

  2.3.3 JST Backpropagation ................................................................................. 21

  2.3.3.1 Arsitektur JST Backpropagation ................................................................ 21

  2.3.3.2 Fungsi Aktivasi .......................................................................................... 22

  2.3.3.3 Proses Pelatihan JST Backpropagation....................................................... 23

  2.3.3.4 Proses Pengujian JST Backpropagation ..................................................... 27

  2.3.4 Optimasi JST Backpropagation .................................................................. 28

  2.3.5 Narkoba ..................................................................................................... 29

  2.3.6 Unified Modelling Language ...................................................................... 31

  2.3.6.1 Use Case Diagram ...................................................................................... 31

  2.3.6.2 Activity Diagram ....................................................................................... 31

  2.3.6.3 Class Diagram ............................................................................................ 32

  2.3.6.4 Sequence Diagram ..................................................................................... 32 2.3.7 .......................................................................................................... 32

  JAVA

  BAB 3 ANALISIS DAN PERANCANGAN SISTEM ............................................. 35

  3.1 Analisis Sistem .......................................................................................... 35

  3.1.1 Analisis Masalah ........................................................................................ 35

  3.1.2 Analisis Sistem Usulan............................................................................... 36

  3.1.2.1 Analisis Kasus ........................................................................................... 40

  3.1.3 Analisis Kebutuhan Non Fungsional .......................................................... 50

  3.1.3.1 Analisis Kebutuhan Perangkat Keras .......................................................... 51

  3.1.3.2 Analisis Kebutuhan Perangkat Lunak ......................................................... 51

  3.1.3.3 Analisis Kebutuhan Pengguna .................................................................... 51

  3.1.4 Analisis Data/File ....................................................................................... 52

  3.1.5 Analisis Kebutuhan Fungsional .................................................................. 53

  3.1.5.1 Use Case Diagram ...................................................................................... 53

  3.1.5.2 Activity Diagram ....................................................................................... 59

  3.1.5.3 Class Diagram ............................................................................................ 65

  3.1.5.4 Sequence Diagram ..................................................................................... 70

  3.2 Perancangan Sistem ................................................................................... 77

  3.2.1 Perancangan Basis Data ............................................................................. 77

  3.2.1.1 Struktur Tabel ............................................................................................ 78

  3.2.1.2 Perancangan Pengkodean ........................................................................... 80

  3.2.2 Perancangan Method .................................................................................. 80

  3.2.3 Perancangan Struktur Menu ....................................................................... 89

  3.2.4 Perancangan Antarmuka............................................................................. 90

  3.2.5 Perancangan Pesan ..................................................................................... 97

  3.2.6 Jaringan Semantik ...................................................................................... 99

  BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ........................................ 101

  4.1 Implementasi Sistem ................................................................................ 101

  4.1.1 Implementasi Perangkat Keras ................................................................. 101

  4.1.2 Implementasi Perangkat Lunak ................................................................ 101

  4.1.3 Implementasi Database ............................................................................ 102

  4.1.4 Implementasi Antarmuka ......................................................................... 104

  4.2 Pengujian Sistem ...................................................................................... 105

  4.2.1 Pengujian Alpha ....................................................................................... 105

  4.2.1.1 Pengujian Black Box ................................................................................ 105

  4.2.1.2 Pengujian White Box ................................................................................ 109

  4.2.2 Pengujian Beta ......................................................................................... 115

  4.2.2.1 Pengujian Proses/Prosedur Sistem ............................................................ 115

  4.2.3 Pengujian Akurasi Sistem......................................................................... 117

  BAB 5 KESIMPULAN DAN SARAN .................................................................. 119

  5.1 Kesimpulan .............................................................................................. 119

  5.2 Saran ........................................................................................................ 119 DAFTAR PUSTAKA ............................................................................................ 121

DAFTAR PUSTAKA

  [1] Direktorat Advokasi Deputi Bidang Pencegahan Badan Narkotika Nasional, Buku Saku Pencegahan Penyalahgunaan Narkoba. Badan Narkotika Nasional.

  2010. [2] Intan Widya Kusuma dan Agus Maman Abadi. Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT.

  Prosiding. Pendidikan Matematika FMIPA UNY.

  Perkebunan Nusantara IX.

  2011. [3] Jong Jek Siang. Jaringan Syaraf Tiruan dan Pemrograman menggunakan Andi Publisher. 2009.

  MATLAB.

  [4] Kiki dan Sri Kusumadewi, Jaringan Syaraf Tiruan dengan Metode

  Backpropagation untuk Mendeteksi Gangguan Psikologi. Jurnal. Teknik Informatika UII. 2004.

  TM

  [5] Rachmad Hakim dan Ir.Sutarto, M.Si.. Mastering Java . Jakarta : PT Elex Media Komputindo. 2009. [6] Roger S. Pressman. Rekayasa Perangkat Lunak : pendekatan praktisi (Buku I) ; . Edisi II. Yogyakarta : Andi. 2007.

  diterjemahkan oleh LN Harnaningrum

  [7] Sri Kusumadewi. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta : Penerbit Graha Ilmu. 2003. [8] Suyanto. Artificial Intelligence : Searching, Reasoning, Planning dan Learning (Edisi Revisi). Penerbit Informatika. 2011.

  [9] Syafiie Nur Luthfie. Implementasi Jaringan Saraf Tiruan Backpropagation

  Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan Jurnal. Teknik Informatika Universitas Gunadarma. 2012. MATLAB 7.0.

  [10] Tofik Online. Dampak Buruk Merokok. [online]. http://tofikonline.net/dampak- buruk-merokok.html. Diakses tanggal 13 Januari 2014.

BAB 1 PENDAHULUAN

1.1 Latar Belakang Masalah

  Penyalahgunaan dan peredaran gelap narkoba sudah merambah ke segala penjuru dunia, tak terkecuali di Indonesia. Penyalahgunaan narkoba memberikan banyak dampak negatif baik dari segi psikis, fisik maupun sosial. Narkoba, merupakan singkatan dari NARkotika, PsiKOtropika dan Bahan Adiktif Lain, adalah obat, bahan atau zat yang jika masuk tubuh berpengaruh pada fungsi tubuh, terutama otak. Penggunaan dan peredaran narkotika dan psikotropika diawasi secara ketat dengan Undang-Undang, yaitu Undang-Undang Nomor 35 tahun 2009 tentang Narkotika. Kepemilikan, penggunaan serta peredaran narkotika dan psikotropika secara tidak sah merupakan pelanggaran hukum [1].

  Badan Narkotika Nasional (BNN) mencatat hingga tahun 2013 jumlah penyalahguna narkoba di Indonesia mencapai empat juta. Sekitar 70 persen dari jumlah tersebut adalah pengguna dari golongan pekerja, sementara 22 persen merupakan kelompok pelajar atau mahasiswa, serta delapan persen pengangguran dan lainnya. Melihat besarnya jumlah para penyalahguna narkoba, diperlukan kepedulian dan kewaspadaan dari pemerintah dan seluruh lapisan masyarakat untuk bersama- sama melakukan upaya pencegahan penyalahgunaan narkoba serta pemberantasan peredarannya. Salah satu upaya tersebut adalah membangun fasilitas rehabilitasi atau terapi medis bagi para penyalahguna narkoba. Sebelum rehabilitasi, para penyalahguna menghadapi serangkaian tes untuk mengetahui jenis narkoba apa yang disalahgunakan. Tes yang sering digunakan meliputi tes biologis seperti mendeteksi melalui urine, darah, rambut, keringat dan lain-lain. Namun kendala waktu, biaya serta fasilitas yang minim di beberapa daerah membuat pendeteksian seseorang menderita narkoba menjadi terhambat. Dengan berkembangnya teknologi saat ini, memungkinkan pendeteksian jenis narkoba yang dikonsumsi seseorang melalui suatu program komputer yang telah diberikan pengetahuan atau kecerdasan buatan. Jaringan syaraf tiruan, merupakan salah satu cabang dari AI (Artificial Intellegence) atau kecerdasan buatan, adalah salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Istilah buatan ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran. Jaringan saraf tiruan mampu melakukan pengenalan kegiatan berbasis data masa lalu. Data masa lalu akan dipelajari oleh jaringan saraf tiruan sehingga mempunyai kemampuan untuk memberikan keputusan terhadap data yang belum pernah dipelajari. Perambatan galat mundur (Backpropagation) adalah sebuah metode sistematik untuk pelatihan multilayer jaringan syaraf tiruan. Metode ini memiliki dasar matematis yang kuat, obyektif dan algoritma ini membentuk persamaan dan nilai koefisien dalam formula dengan meminimalkan jumlah kuadrat galat error melalui model yang dikembangkan. Pada tahun 2004 dilakukan penelitian untuk mendeteksi kondisi psikologis berdasarkan gejala-gejala yang sering terjadi pada manusia menggunakan algoritma jaringan syaraf tiruan dengan metode backpropagation oleh Kiki dan Sri Kusumadewi [4]. Dari hasil penelitian tersebut, dapat disimpulkan bahwa metode dapat digunakan untuk melakukan pendeteksian suatu jenis

  Backpropagation

  penyakit, gangguan maupun kasus yang memiliki data masa lalu. Dan dengan menggunakan metode Backpropagation, target output yang diinginkan lebih mendekati ketepatan dalam melakukan pengujian, karena terjadi penyesuaian nilai bobot dan bias yang semakin baik pada proses pelatihan. Pada tugas akhir ini akan dibangun sistem pendeteksian penyalahgunaan narkoba menggunakan algoritma jaringan syaraf tiruan model backpropagation berdasarkan efek samping yang timbul akibat mengkonsumsi obat terlarang tersebut [4].

  1.2 Perumusan Masalah

  Yang menjadi rumusan masalah dalam tugas akhir ini adalah bagaimana cara membuat sistem pendeteksi penyalahgunaan narkoba menggunakan algoritma jaringan syaraf tiruan model backpropagation?

  1.3 Maksud dan Tujuan

  Berdasarkan permasalahan yang diteliti, maka maksud dari penulisan tugas akhir ini adalah untuk membangun sistem pendeteksi penyalahgunaan narkoba berdasarkan efek samping yang dialami menggunakan algoritma jaringan syaraf tiruan metode backpropagation.

  Sedangkan tujuan yang akan dicapai dalam penelitian ini adalah :

  1. Memberikan alternatif pendeteksian narkoba selain menggunakan proses tes laboratorium.

  2. Mempercepat proses identifikasi narkoba dibandingkan dengan proses lama dengan alur tes laboratorium.

  3. Mengetahui akurasi hasil identifikasi mana yang lebih tepat antara proses identifikasi dengan mengunakan sistem atau dengan proses tes di laboratorium.

  4. Memberikan kemudahan bagi user dalam mengoperasikan sistem pendeteksi penyalahgunaan narkoba dibandingkan dengan proses identifikasi di laboratorium.

  1.4 Batasan Masalah

  Batasan masalah yang akan dibahas pada penelitian ini adalah sebagai berikut:

  1. Data yang menjadi masukan adalah gejala efek samping yang diderita pecandu narkoba seperti adiksi/ketagihan, keracunan zat, halusinasi dan lain-lain. Data ini kemudian diolah menjadi 23 gejala efek samping atau variabel masukan sistem.

  2. Masing-masing variabel diberi nilai 1 untuk gejala yang diderita dan nilai 0 untuk gejala yang tidak diderita oleh pasien.

  3. Minimal batasan gejala yang harus dipilih oleh user untuk mendeteksi penyalahgunaan narkoba adalah 3 buah gejala yang diderita oleh pasien. Jika kurang dari 3 buah gejala, maka sistem tidak bisa mendeteksi jenis narkoba apa yang telah disalahgunakan.

  4. Output sistem yang diharapkan berupa hasil identifikasi menggunakan narkoba jenis Narkotika, Psikotropika, dan Zat Adiktif lainnya.

  5. Penentuan jumlah neuron pada lapisan tersembunyi, nilai learning rate, jumlah iterasi (epoch) dan batasan error (MSE atau Mean Square Error) disesuaikan selama proses pelatihan berlangsung untuk mendapatkan jaringan MLP (Multi ) yang paling sesuai untuk mendeteksi penyalahgunaan narkoba.

  Layer Perceptron

  6. Proses pengujian dengan data sampling juga dilakukan dengan beragam nilai parameter JST sehingga didapat jaringan MLP yang paling sesuai sebagai dasar pembangunan sistem pendeteksi penyalahgunaan narkoba.

  7. Perancangan sistem ini menggunakan notasi UML (Unified Modelling Language) dengan metode berorientasi objek dan dibangun menggunakan bahasa pemrograman Java dalam pembuatan sistem pendeteksi penyalahgunaan narkoba dengan algoritma jaringan syaraf tiruan.

  8. Sistem akan diimplementasikan di Satuan Reserse Kriminal Narkoba Polres Belitung.

  9. User dalam sistem ini adalah petugas atau anggota penyidik kepolisian yang memiliki wewenang serta keahlian khusus di bidang narkoba seperti kemampuan mediasi serta pengetahuan tentang narkoba.

1.5 Metodologi Penelitian

  Metodologi penelitian merupakan suatu proses yang digunakan untuk memecahkan suatu masalah yang logis dimana memerlukan data untuk mendukung terlaksananya suatu penelitian. Metode penelitian yang digunakan dalam penulisan tugas akhir ini adalah metode analisis deskriptif, yang menggambarkan fakta-fakta dan informasi dalam situasi atau kejadian secara sistematis, faktual dan akurat.

  1. Tahap pengumpulan data Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut : a. Studi Literatur

  Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan bacaan-bacaan yang ada kaitannya dengan algoritma JST Backpropagation, efek samping narkoba dan pemrograman Java.

  b. Wawancara

  Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung yang ada kaitannya dengan penyalahgunaan narkoba. Wawancara dilakukan dengan pegawai BNN Propinsi Jawa Barat dan anggota Komunitas Rumah Cemara.

  c. Kuisioner Teknik pengumpulan data dengan menyebarkan angket yang berisi pertanyaan yang berkaitan dengan narkoba serta efek samping yang diderita. Penyebaran kuisoner dilakukan kepada anggota Komunitas Rumah Cemara dan masyarakat umum.

  2. Tahap pembuatan perangkat lunak.

  Pembangunan perangkat lunak ini menggunakan metode pengembangan , yang meliputi beberapa proses diantaranya:

  waterfall

a. System / Information Engineering

  Merupakan bagian dari sistem yang terbesar dalam pengerjaan suatu proyek, dimulai dengan menetapkan berbagai kebutuhan dari semua elemen yang diperlukan sistem dan mengalokasikannya ke dalam pembentukan perangkat lunak.

  b. Analysis

  Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan pembuatan sistem.

  c.

   Design

  Tahap penerjemahan dari data yang dianalisis ke dalam bentuk yang mudah dimengerti oleh user.

  d. Coding

  Tahap penerjemahan data atau pemecahan masalah yang telah dirancang ke dalam bahasa pemrograman Java.

  e. Testing

  Merupakan tahap pengujian terhadap sistem pendeteksi penyalahgunaan narkoba berdasarkan algoritma JST Backpropagation menggunakan perangkat lunak Java.

  f.

   Maintenance

  Tahap akhir dimana suatu perangkat lunak yang sudah selesai dapat mengalami perubahan

• –perubahan atau penambahan sesuai dengan permintaan user.

  System engineering Analysis Design

  Coding Testing Maintenance

1.6 Sistematika Penulisan

  Sistematika penulisan tugas akhir ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah sebagai berikut.

  BAB 1 PENDAHULUAN Pada bab ini memuat latar belakang masalah, identifikasi masalah, maksud dan tujuan penelitian, batasan masalah, metodologi penelitian yang digunakan serta sistematika penulisan.

  BAB 2 LANDASAN TEORI Bab 2 berisi teori yang berkaitan dengan algoritma Jaringan Syaraf Tiruan model Backpropagation, bahasa pemrograman Java, UML (Unified Modelling

  Language ) dan penjelasan tentang jenis-jenis narkoba serta efek yang ditimbulkan dan juga mengenai organisasi Badan Narkotika Nasional (BNN).

  BAB 3 ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dilakukan analisis kebutuhan dan perancangan sistem yang akan digunakan untuk mendeteksi penyalahguna narkoba dengan algoritma JST dan bahasa pemrograman Java.

  Backpropagation

  BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM Bab ini berisi implementasi dan pengujian sistem berdasarkan analisis dan perancangan yang dilakukan pada bab 3. Pengujian dilakukan dengan metode

  Black Box dan White Box.

  BAB 5 KESIMPULAN DAN SARAN Berisi kesimpulan dan saran yang sudah diperoleh dari hasil penulisan tugas akhir sistem pendeteksi penyalahgunaan narkoba menggunakan algoritma JST

  Backpropagation .

BAB 2 LANDASAN TEORI

2.1 Profil BNN

  Badan Narkotika Nasional adalah lembaga pemerintah non-struktural yang bertanggung jawab dan berada di bawah Presiden.Anggotanya terdiri dari 25 instansi pemerintah terkait, Pejabat Eselon I dari Departemen-departemen, Kementerian Negara, Kejaksaan Agung dan Kepolisian RI.

  BNN bertugas melaksanakan pencegahan dan pemberantasan narkoba dengan membentuk Satuan Tugas yang terdiri dari unsur-unsur instansi pemerintah terkait.

2.1.1 Sejarah Badan Narkotika Nasional (BNN)

  Sejarah penanggulangan bahaya Narkotika dan kelembagaannya di Indonesia dimulai tahun 1971 pada saat dikeluarkannya Instruksi Presiden Republik Indonesia (Inpres) Nomor 6 Tahun 1971 kepada Kepala Badan Koordinasi Intelligen Nasional (BAKIN) untuk menanggulangi 6 (enam) permasalahan nasional yang menonjol, yaitu pemberantasan uang palsu, penanggulangan penyalahgunaan narkoba, penanggulangan penyelundupan, penanggulangan kenakalan remaja, penanggulangan subversi, pengawasan orang asing.

  Berdasarkan Inpres tersebut Kepala BAKIN membentuk Bakolak Inpres Tahun 1971 yang salah satu tugas dan fungsinya adalah menanggulangi bahaya narkoba. Bakolak Inpres adalah sebuah badan koordinasi kecil yang beranggotakan wakil- wakil dari Departemen Kesehatan, Departemen Sosial, Departemen Luar Negeri, Kejaksaan Agung, dan lain-lain, yang berada di bawah komando dan bertanggung jawab kepada Kepala BAKIN. Badan ini tidak mempunyai wewenang operasional dan tidak mendapat alokasi anggaran sendiri dari ABPN melainkan disediakan berdasarkan kebijakan internal BAKIN. Pada masa itu, permasalahan narkoba di Indonesia masih merupakan permasalahan kecil dan Pemerintah Orde Baru terus memandang dan berkeyakinan bahwa permasalahan narkoba di Indonesia tidak akan berkembang karena bangsa Indonesia adalah bangsa yang ber-Pancasila dan agamis. Pandangan ini ternyata membuat pemerintah dan seluruh bangsa Indonesia lengah terhadap ancaman bahaya narkoba, sehingga pada saat permasalahan narkoba meledak dengan dibarengi krisis mata uang regional pada pertengahan tahun 1997, pemerintah dan bangsa Indonesia seakan tidak siap untuk menghadapinya, berbeda dengan Singapura, Malaysia dan Thailand yang sejak tahun 1970 secara konsisten dan terus menerus memerangi bahaya narkoba.

  Menghadapi permasalahan narkoba yang berkecenderungan terus miningkat, Pemerintah dan Dewan Perwakilan Rakyat Republik Indonesia (DPR-RI) mengesahkan Undang-Undang Nomor 5 Tahun 1997 tentang Psikotropika dan Undang-Undang Nomor 22 Tahun 1997 tentang Narkotika. Berdasarkan kedua Undang-undang tersebut, Pemerintah (Presiden Abdurahman Wahid) membentuk Badan Koordinasi Narkotika Nasional (BKNN), dengan Keputusan Presiden Nomor 116 Tahun 1999.BKNN adalah suatu Badan Koordinasi penanggulangan narkoba yang beranggotakan 25 Instansi Pemerintah terkait.

  BKNN diketuai oleh Kepala Kepolisian Republik Indonesia (Kapolri) secara ex-officio.Sampai tahun 2002 BKNN tidak mempunyai personil dan alokasi anggaran sendiri.Anggaran BKNN diperoleh dan dialokasikan dari Markas Besar Kepolisian Negara Republik Indonesia (Mabes Polri), sehingga tidak dapat melaksanakan tugas dan fungsinya secara maksimal.

  BKNN sebagai badan koordinasi dirasakan tidak memadai lagi untuk menghadapi ancaman bahaya narkoba yang makin serius. Oleh karenanya berdasarkan Keputusan Presiden Nomor 17 Tahun 2002 tentang Badan Narkotika Nasional, BKNN diganti dengan Badan Narkotika Nasional (BNN). BNN, sebagai sebuah lembaga forum dengan tugas mengoordinasikan 25 instansi pemerintah terkait dan ditambah dengan kewenangan operasional, mempunyai tugas dan fungsi: 1. mengoordinasikan instansi pemerintah terkait dalam perumusan dan pelaksanaan kebijakan nasional penanggulangan narkoba; dan 2. mengoordinasikan pelaksanaan kebijakan nasional penanggulangan narkoba.

  Mulai tahun 2003 BNN baru mendapatkan alokasi anggaran dari APBN.Dengan alokasi anggaran APBN tersebut, BNN terus berupaya meningkatkan kinerjanya bersama-sama dengan BNP dan BNK. Namun karena tanpa struktur kelembagaan yang memilki jalur komando yang tegas dan hanya bersifat koordinatif (kesamaan fungsional semata), maka BNN dinilai tidak dapat bekerja optimal dan tidak akan mampu menghadapi permasalahan narkoba yang terus meningkat dan makin serius. Oleh karena itu pemegang otoritas dalam hal ini segera menerbitkan Peraturan Presiden Nomor 83 Tahun 2007 tentang Badan Narkotika Nasional, Badan Narkotika Propinsi (BNP) dan Badan Narkotika Kabupaten/Kota (BNK), yang memiliki kewenangan operasional melalui kewenangan Anggota BNN terkait dalam satuan tugas, yang mana BNN-BNP-BNKab/Kota merupakan mitra kerja pada tingkat nasional, propinsi dan kabupaten/kota yang masing-masing bertanggung jawab kepada Presiden, Gubernur dan Bupati/Walikota, dan yang masing-masing (BNP dan BN Kab/Kota) tidak mempunyai hubungan struktural-vertikal dengan BNN.

  Merespon perkembangan permasalahan narkoba yang terus meningkat dan makin serius, maka Ketetapan MPR-RI Nomor VI/MPR/2002 melalui Sidang Umum Majelis Permusyawaratan Rakyat Republik Indonesia (MPR-RI) Tahun 2002 telah merekomendasikan kepada DPR-RI dan Presiden RI untuk melakukan perubahan atas Undang-Undang Nomor 22 Tahun 1997 tentang Narkotika. Oleh karena itu, Pemerintah dan DPR-RI mengesahkan dan mengundangkan Undang-Undang Nomor

  35 Tahun 2009 tentang Narkotika, sebagai perubahan atas UU Nomor 22 Tahun 1997. Berdasarkan UU Nomor 35 Tahun 2009 tersebut, BNN diberikan kewenangan penyelidikan dan penyidikan tindak pidana narkotika dan prekursor narkotika. Berdasarkan undang-undang tersebut, status kelembagaan BNN menjadi Lembaga Pemerintah Non-Kementrian (LPNK) dengan struktur vertikal ke propinsi dan kabupaten/kota.Di propinsi dibentuk BNN Propinsi, dan di kabupaten/kota dibentuk BNN Kabupaten/Kota.BNN dipimpin oleh seorang Kepala BNN yang diangkat dan diberhentikan oleh Presiden.BNN berkedudukan di bawah dan bertanggungjawab kepada Presiden. Kepala BNN dibantu oleh seorang Sekretaris Utama, Inspektur Utama, dan 5 (lima) Deputi yaitu Deputi Pencegahan, Deputi Pemberdayaan Masyarakat, Deputi Rehabilitasi, Deputi Pemberantasan, dan Deputi Hukum dan Kerja Sama.

   Susunan Organisasi BNN

2.1.2 Susunan Organisasi Badan Narkotika Nasional terdiri atas:

  a. Kepala

  b. Sekretariat Utama

  c. Deputi Bidang Pencegahan

  d. Deputi Bidang Pemberdayaan Masyarakat

  e. Deputi Bidang Pemberantasan

  f. Deputi Bidang Rehabilitasi

  g. Deputi Bidang Hukum dan Kerja Sama

  h. Inspektorat Utama i. Pusat Penelitian, Data, dan Informasi j. Balai Besar Rehabilitasi k. Balai Diklat l. UPT Uji Lab Narkoba m. Instansi vertical

   Kebijakan dan Strategi BNN

2.1.3 Visi BNN :

  “Mewujudkan masyarakat Indonesia bebas dari penyalahgunaan dan peredaran gelap narkoba”

  Misi BNN : 1. Merumuskan/menetapkan kebijakan dan strategi nasional P4GN.

  2. Berkoordinasi dengan semua Lembaga Pemerintah (Departemen, Non Departemen, LSM).

  3. Melaksanakan program P4GN.

  4. Membentuk satgas dalam Rangka Operasional.

  5. Meningkatkan Kerjasama Regional dan Internasional. meliputi :

  Kebijakan BNN, 1. Peningkatan Sumber Daya Manusia.

  2. Pencegahan secara komprenhensif multidimensional.

  3. Sosialisasi P4GN.

  4. Koordinasi yang terpadu dilandasi komitmen, sikap konsisten dan sungguh- sungguh.

  5. Meningkatkan kerjasama internasional secara intensif.

  6. Meningkatkan peran serta masyarakat.

  7. Penegakan hukum yang konsisten.

  8. Meningkatkan pelayanan terapi dan rehabilitasi.

  9. Mengintensifkan pencegahan melalui komunikasi, informasi dan edukasi.

  10. Memperketat pengawasan dan pengendalian.

  Strategi BNN, adalah sebagai berikut: 1. Strategi Bidang Pencegahan.

  2. Strategi Bidang Penegakan Hukum.

  3. Strategi Bidang Treatment dan Rehabilitasi.

  4. Strategi Bidang Penelitian dan Pengembangan Informasi.

  5. Strategi Bidang Kelembagaan.

  Penegakan Hukum ,Strategi Nasional Bidang Penegakan Hukum, meliputi : 1. Strategi Nasional Intelijen Narkoba.

  2. Strategi Kontrol Narkoba Internasional.

  3. Strategi Nasional Pengendalian dan Pengawasan terhadap Jalur Legal.

  4. Strategi Nasional Interdiksi Narkoba: a. Strategi Interdiksi Udara.

  b. Strategi Interdiksi Laut/Maritim.

  c. Strategi Interdiksi Darat.

  5. Strategi Nasional Bidang Investigasi.

  6. Strategi Nasional Bidang Eksekusi.

2.2 Komunitas Rumah Cemara

  Rumah Cemara merupakan organisasi berbasis komunitas bagi orang dengan HIV/AIDS dan pencandu narkoba di Jawa Barat.Rumah Cemara sendiri didirikan oleh orang-orang yang tadinya pecandu narkoba dan bahkan penderita HIV/AIDS.

  Sebagai mantan pecandu narkoba dan ODHA (Orang Dengan HIV AIDS), banyak di antara mereka yang menerima sanksi sosial dari masyarakat sekitar dan bahkan dari keluarga terdekat.Kondisi ini mendorong mereka untuk mendirikan Rumah Cemara, rumah untuk mereka yang “tersisihkan” dari rumah. Dengan semangat saling menolong sesama penderita dan semangat untuk menyelamatkan orang lain dari ancaman Narkoba dan HIV/AIDS, mereka tak pedulikan pendapat minor orang lain.

  Rumah Cemara yang berkantor di Jl.Geger Kalong Girang No 52 Bandung Jawa barat memiliki visi dan misi sebagai berikut.

  Visi Rumah Cemara :

  Rumah Cemara memimpikan Indonesia tanpa diskriminasi terhadap orang dengan HIV/AIDS (ODHA) dan orang yang menggunakan narkoba.

  Misi Rumah Cemara :

  Rumah Cemara menggunakan pendekatan sebaya agar terciptanya kualitas hidup yang lebih baik bagi orang dengan HIV / AIDS dan pengguna narkoba di Indonesia

  Beberapa program kerja dan kegiatan yang diselenggarakan oleh komunitas Rumah Cemara antara lain sebagai berikut.

  1. Pusat Perawatan Pecandu Narkoba

  2. Dukungan Sebaya HIV/ AIDS: Bandung Plus Support 3.

  Penjangkauan “Pengurangan Dampak Buruk” & pengorganisasian

  4. Intervensi di Masyarakat Umum

  5. League of Change 2013 : Event Sepakbola

2.3 Landasan Teori

2.3.1 Kecerdasan Buatan

  Kecerdasan Buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja.Namun seiring dengan perkembangan jaman, maka peran komputer semakin mendominasi kehidupan umat manusia.Komputer tidak lagi hanya digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh manusia. Manusia bisa menjadi pandai dalam menyelesaikan segala permasalahan di dunia ini karena manusia mempunyai pengetahuan dan pengalaman. Pengetahuan diperoleh dari cara mempelajarinya. Semakin banyak bekal pengetahuan yang dimiliki oleh seseorang tentu saja diharapkan akan lebih mampu dalam menyelesaikan permasalahan. Namun bekal pengetahuan saja tidak cukup, manusia juga diberi akal untuk melakukan penalaran, mengambil kesimpulan berdasarkan pengetahuan dan pengalaman yang mereka miliki. Tanpa memiliki kemampuan untuk menalar dengan baik, manusia dengan segudang pengalaman dan pengetahuan tidak akan dapat menyelesaikan masalah dengan baik. Demikian juga dengan kemampuan menalar yang sangat baik, namun tanpa dibekali pengetahuan dan pengalaman yang memadai, manusia juga tidak akan bisa menyelesaikan masalah dengan baik [7].

  Pengertian kecerdasan buatan dari berbagai sudut pandang antara lain sebagai berikut.

  1. Sudut pandang kecerdasan Kecerdasan buatan akan membuat mesin menjadi „cerdas‟ (mampu berbuat seperti apa yang dilakukan oleh manusia).

  2. Sudut pandang penelitian Kecerdasan buatan adalah suatu studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia.

  Domain yang sering dibahas para peneliti meliputi:

  a. Mundane task :persepsi (vision & speech), bahasa alami (understanding,

  generation & translation ), pemikiran yang bersifat commonsensedanrobot kontrol.

  b. Formal task : permainan/gamesdan matematika (geometri. Logika, kalkulus integral, pembuktian).

  c. Expert task : analisis finansial, analisis medical, analisis ilmu pengetahuan, dan rekayasa (desain, pencarian kegagalan, perencanaan manufaktur)

  3. Sudut pandang bisnis Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis.

  4. Sudut pandang pemrograman Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).

  Untuk melakukan aplikasi kecerdasan buatan ada 2 bagian utama yang sangat dibutuhkan (Gambar 2.1), yaitu: a. Basis pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan yang lainnya.

  b. Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.

  

Komputer

  Input: Output :

  Basis Motor masalah, jawaban,

  Pengetahuan Inferensi pertanyaan, solusi, dll

Gambar 2.1 Penerapan Konsep Kecerdasan Buatan di Komputer [7]

   Sejarah Kecerdasan Buatan

2.3.1.1 Kecerdasan Buatan termasuk bidang ilmu yang relative muda.Pada tahun 1950-

  an para ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan pekerjaan seperti yang dilakukan oleh manusia. Alan Turing, seorang matematikawan dari Inggris pertama kali mengusulkan tes yang dapat menentukan bisa/tidak-nya mesin dikatakan cerdas. Hasil tes tersebut dikenal dengan Turing Test, dimana si mesin tersebut menyamar seolah-olah sebagai seseorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang Istilah Artificial Intelligence(AI) atau Kecerdasan Buatan dimunculkan oleh John McCarthy (MIT) pada tahun 1956 pada Dartmouth Conference.Selain itu didefinisikan pula tujuan utama dari AI, yaitu mengetahui dan memodelkan proses- proses berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia.

  Beberapa program AI yang mulai dibuat pada periode 1956-1966 antara lain [7]:

  a. Logic Theoristdiperkenalkan pada Dartmouth Conference, program ini untuk membuktikan teorema matematik b. Sad Sam diprogram oleh Robert K. Lindsay (1960) merupakan program yang dapat mengetahui kalimat sederhana dalam bahasa Inggris dan memberikan jawaban dari fakta yang didengar dalam sebuah percakapan

  c. ELIZAdiprogram oleh Joseph Weisenaum(1967) adalah program untuk terapi pasien dengan memberikan beberapa pertanyaan.

2.3.1.2 Kecerdasan Buatan dan Kecerdasan Alami

  Beberapa keuntungan kecerdasan buatan dibanding kecerdasan alami dapat dilihat pada tabel 2.1 berikut [7]:

Tabel 2.1 Kecerdasan Buatan dan Kecerdasan Alami

  Keuntungan kecerdasan buatan Keuntungan kecerdasan alami

  1. Lebih permanen

  1 Lebih kreatif

  2. Memberikan kemudahan dalam duplikasi

  2 Dapat melakukan proses pembelajaran dan penyebaran langsung. AI harus mendapat masukan berupa simbol dan representasi

  3. Relatif lebih murah

  3 Fokus yang luas sebagai referensi untuk mengambil keputusan, AI fokusnya sempit.

  4. Konsisten dan teliti

  5. Dapat didokumentasikan

  6. Dapat mengerjakan beberapa tugas lebih cepat dan lebih baik dibanding manusia.

  Meskipun banyak kelebihan, namun insting manusia dapat melakukan hal yang sulit dibanding program oleh komputer, yaitu kemampuan mengenali hubungan, g. Game Playing.

  2.3.1.3 Kecerdasan Buatan dan Komputasi Konvensional

  Ada beberapa perbedaan antara komputasi yang dilakukan oleh kecerdasan buatan dengan komputasi konvensional sebagai alat hitung.Perbandingan antara kecerdasan buatan dengan pemrograman konvensional adalah sebagai berikut.

Tabel 2.2 Perbandingan Kecerdasan Buatandan Pemrograman Konvensional [7]

  Dimensi KecerdasanBuatan Pemrograman Konvensional