1. Home
  2. Teknologi

Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian

3

1.2 Rumusan Masalah

Berdasarkan latar belakang, maka yang menjadi rumusan masalah pada penelitian ini adalah : 1. Bagaimana merancang aplikasi metode LVQ dan Backpropagation dalam memprediksi kenaikan golongan pegawai. 2. Bagaimana perbandingan tingkat kecepatan komputasi pengujian dengan metode LVQ dan Backpropagation.

1.3 Batasan Masalah

1. Parameter yang digunakan untuk membandingkan LVQ dengan Backpropagation adalah perbandingan tingkat kecepatan komputasi pada pengujian. 2. Nilai variabel yang akan diolah meliputi Penilaian Kerja Pegawai yang baik, Masa Kerja minimal empat tahun, dan mengikuti ujian psikotes. 3. Inisialisasi Bobot awal dilakukan secara random. 4. Fungsi aktivasi digunakan adalah fungsi sigmoid biner. 5. Aplikasi hanya membahas layak atau tidak layaknya seorang pegawai mendapatkan kenaikan golongan sesuai dengan produktivitas kinerja yang baik. 6. Implemetasi perancangan program jaringan saraf tiruan yang digunakan adalah bahasa pemrograman Matlab 2007.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah menghasilkan aplikasi yang dapat melakukan perbandingan tingkat kecepatan komputasi pada pengujian dan melakukan prediksi data kenaikan golongan pada pegawai dengan menggunakan metode LVQ dan Backpropagation. Universitas Sumatera Utara 4

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah : 1. Manfaat bagi penulis : Manfaat dari penelitian ini adalah untuk menambah pengetahuan penulis dalam melakukan proses pengenalan pola atau klasifikasi data dan melakukan perbandingan antara kedua metode LVQ dengan Backpropagation. 2. Manfaat bagi bidang ilmu : a. Menambah pengetahuan tentang metode LVQ dan Backpropagation. b. Sebagai bahan referensi bagi peneliti lain yang ingin merancang aplikasi jaringan saraf tiruan. 3. Manfaat bagi instansi : Membantu instansi dalam memberikan alternatif lain untuk mengolah data dan memprediksi kenaikan golongan pegawai dengan menggunakan Jaringan Saraf Tiruan , misalnya dengan menggunakan metode LVQ dan Backpropagation.

1.6 Metode Penelitian

Dokumen yang terkait

Implementasi Algoritma Learning Vector Quantization dan Weighted Product Dalam Memilih Perusahaan Tempat Berinvestasi

3 56 115

Analisis Perbandingan Backpropagation Dengan Learning Vector Quantization (LVQ) Untuk Memprediksi Curah Hujan Di Kota Medan

17 115 153

Implementasi Algoritma Learning Vector Quantization Pada Prediksi Produksi Kelapa Sawit Di Pt. Perkebunan Nusantara I Pulau Tiga

12 77 60

Kombinasi Algoritma Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) Dan Self Organizing Kohonen Pada Kecepatan Pengenalan Pola Tanda Tangan

7 107 80

APLIKASI MOBILE PENGENALAN CITRA MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

0 0 6

Klasifikasi Risiko Hipertensi Menggunakan Metode Learning Vector Quantization (LVQ)

0 1 9

Identifikasi Penyakit Mata Menggunakan Metode Learning Vector Quantization (LVQ)

1 5 8

LEARNING VECTOR QUANTIZATION UNTUK PENDETEKSIAN ANAK BERBAKAT (GIFTED CHILD) PADA MASA PERKEMBANGAN

0 0 8

Analisis Sentimen Menggunakan Metode Learning Vector Quantization Sentiment Analysis Using Learning Vector Quantization Method

0 1 10

Memprediksi Kenaikan Golongan Pegawai Demgan Metode Learning Vector Quantization Dab Backropagation (Studi Kasus : PDAM Tirtanadi)

0 0 12