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

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat diselesaikan dengan menggunakan komputer, baik karena algoritma yang belum diketahui ataupun meski algoritma penyelesaiannya sudah diketahui namun komputasinya masih sangat lama. Hal inilah yang mendorong untuk mendapatkan metode lain untuk memecahkan masalah ini. Cara kerja jaringan saraf manusia muncul sebagai inspirasi untuk menyelesaikan masalah-masalah tersebut. Jaringan Saraf Tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses pembelajaran melalui perubahan bobot sinanpsisnya. Sebuah JST dikonfigurasikan untuk aplikasi tertentu seperti pengenalan pola atau klasifikasi data, melalui proses pembelajaran. Pada proses pembelajaran, kedalam JST dimasukkan pola-pola input atau output lalu jaringan akan diajari untuk memberikan jawaban yang bisa diterima. JST terdiri dari beberapa metode yaitu metode Hebb Rule, Perceptron, Delta Rule, Backpropagation, Heteroassociative Memory BAM, Learning Vector Quantization, dan Jaringan Kohonen. Jaringan Saraf yang digunakan oleh penulis adalah jaringan saraf tiruan dengan metode Learning Vector Quantization LVQ dan metode Backpropagation. Disini penulis ingin membandingkan kedua metode dengan perbandingan tingkat kecepatan komputasi pada pelatihan dengan menggunakan kedua metode tersebut untuk memprediksi kenaikan jabatan untuk karyawan dengan jaringan saraf tiruan. Universitas Sumatera Utara 2 Data diperoleh dari penelitian karyawan-karyawati PDAM TIRTANADI. PDAM TIRTANADI merupakan perusahaan air minum daerah yang berada di Sumatera Utara yang menyediakan air bersih kepada pelanggan setiap harinya. Kenaikan Jabatan diberikan kepada pegawai yang memiliki Penilaian Kerja Pegawai yang baik, Masa Kerja Minimal empat tahun, dan mengikuti ujian psikotes. Data tersebut yang akan menjadi pertimbangan seorang pegawai layak atau tidak layak untuk mendapatkan kenaikan golongan. Data diperoleh dari Kepala Sumber Daya Manusia Kepala SDM dari perusahaan tersebut lalu diolah dengan menggunakan metode LVQ dan Backpropagation. LVQ adalah suatu metode pelatihan pada lapisan kompetitif terawasi yang akan belajar secara otomatis untuk mengklasifikasikan vektor-vektor input kedalam kelas-kelas tertentu. Kelas-kelas yang dihasilkan tergantung pada jarak antara vektor- vektor input. Jika ada dua vektor input yang hampir sama maka lapisan kompetitif akan mengklasifikasikan kedua vektor input tersebut kedalam kelas yang sama. Backpropagation adalah metode penurunan gradien untuk meminimalkan kuadrat error keluaran dengan tiga tahap yang harus dilakukan dalam pelatihan jaringan yaitu tahap perambatan maju Forward Propagation, tahap perambatan balik, dan tahap perubahan bobot dan bias. Arsitektur jaringan ini terdiri dari input layer, hidden layer, dan output layer. Pada Jurnal Novi Yanti, Yogyakarta dengan judul “Penerapan Metode Neural Network Dengan Struktur Backpropagation Untuk Prediksi Stok Obat di Apotek Studi Kasus : Apotek ABC”. Dalam implementasinya digunakan pada teknik algoritma Backpropagation yang dilakukan untuk memprediksi suatu pola yang diberikan. Berdasarkan latar belakang yang telah penulis uraikan, maka penulis tertarik untuk melakukan penelitian dengan judul “Memprediksi Kenaikan Golongan Pegawai Dengan Metode Learning Vector Quantization dan Backpropagation Studi Kasus : PDAM TIRTANADI MEDAN”. Universitas Sumatera Utara 3

1.2 Rumusan Masalah