1. Home
  2. Teknologi

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

26

3.2 Analisis Kebutuhan Sistem

Analisis Kebutuhan sistem meliputi dua kategorial yaitu analisis kebutuhan fungsional sistem dan analisis kebutuhan non-fungsional sistem.

3.2.1 Kebutuhan Fungsional Sistem

Kebutuhan fungsional yang harus dimiliki sistem prediksi kenaikan golongan pegawai adalah : 1. Sistem dapat membaca masukkan variabel data yang meliputi penilaian kerja pegawai, masa kerja empat tahun, dan nilai ujian psikotes dengan memakai fungsi aktifasi biner 1 dan 0. 2. Sistem dapat membaca masukan file pelatihan, file pengujian yang digunakan oleh metode LVQ dan Backpropagation. 3. Sistem dapat melakukan perbandingan kecepatan komputasi pengujian dengan menggunakan kedua metode. 4. Sistem dapat memprediksi kenaikan golongan karyawan berupa layak atau tidak layak mendapatkan kenaikan golongan tersebut.

3.2.2 Kebutuhan Non-Fungsional Sistem

Persyaratan non-fungsional adalah persyaratan sifat-sifat yang harus dimiliki sistem. Persyaratan non-fungsional yang harus dipenuhi oleh sistem yang akan dirancang adalah sebagai berikut : 1. Performa Sistem yang akan dibangun dapat menunjukkan prediksi kenaikan jabatan dengan metode LVQ dan Backpropagation. 2. Mudah dipelajari dan digunakan Sistem yang akan dibangun harus sederhana dan tampilan antarmuka sistem dapat dengan mudah dipelajari oleh pengguna. Universitas Sumatera Utara 27 3. Dokumentasi Sistem yang akan dibangun dapat menyimpan hasil prediksi dari proses LVQ dan Backpropagation. 4. Kontrol Sistem yang akan dibangun memiliki kontrol berupa enable dan disable, dimana ketika parameter-parameter JST belum dimasukkan maka kontrol fungsi pada sistem dalam keadaan disable tetapi setelah parameter-parameter JST dimasukkan maka kontrol fungsi sistem dalam keadaan enable. 5. Hemat Biaya Sistem yang akan dibangun tidak memerlukan perangkat tambahan dalam proses eksekusinya sehingga dari segi biaya sistem lebih hemat dan waktu respon yang digunakan oleh sistem lebih cepat sehingga waaktu proses yang digunakan oleh sistem lebih efektif dibandingkan secara manual.

3.3 Permodelan

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