APLIKASI JARINGAN SYARAF TIRUAN UNTUK PE (1)
Pelita Informatika Budi Darma, Volume II, Desember 2012
ISSN : 2301-9425
APLIKASI JARINGAN SYARAF TIRUAN UNTUK PENENTUAN
KONSENTRASI PROGRAM STUDI BAGI CALON MAHASISWA
BARU STMIK BUDIDARMA MEDAN
Alex Rikki Sinaga
Dosen Tetap STMIK Budi Darma Medan
Jl. Sisingamangaraja No. 338 Simpang Limun Medan
www.stmik-budidarma.ac.id // Email:alexrikisinaga@gmail.com
Abstrak
Dalam proses penentuan konsentrasi program studi menggunakan aplikasi jaringan syaraf tiruan. Data akan
dibagi menjadi dua bagian, data pertama untuk proses pelatihan dan data kedua untuk proses pengujian. Proses
pelatihan bertujuan untuk mengenali atau mencari goal yang diharapkan dengan menggunakan banyak pola,
sehinggan akan dapat menghasilkan mana pola yang terbaik untuk melatih data tersebut. Setelah pelatihan
mencapai goal berdasarkan pola yang terbaik maka akan dilakukan pengujian dengan data yang baru untuk
melihat keakuratan antara target dengan menggunakan software matlab 6.1. Berdasarkan hasil pengujian dengan
menggunakan software matlab 6.1 dapat mempercepat proses penentuan konsentrasi program studi bagi calon
mahasiswa baru STMIK Budidarma Medan.
Kata Kunci : Jaringan Saraf Tiruan, Program Studi, Calon Mahasiswa
1.
Pendahuluan
lakukan pengujian (testing) bagi calon mahasiswa
yang mendaftar.
1.1 Latar Belakang Masalah
Konsentrasi program studi merupakan hal yang
penting bagi pihak perguruan tinggi negri maupun
swasta, hal ini dikarenakan konsentrasi merupakan
keahlian khusus atau sepesifikasi masing-masing bagi
calon mahasiswa baru.
Konsentrasi Teknologi
Jaringan dan Sistem Informasi merupakan konsentrasi
program studi yang banyak diminati oleh mahasiswa.
Perguruan tinggi swasta STMIK Budidarma
Medan selama ini belum menerapkan sistem
penentuan konsentrasi pada calon mahasiswa baru,
dimana calon mahasiswa baru langsung menentukan
konsentrasi pada saat mendaftar tanpa ada pelatihan
dan pengujian, hal ini mengakibatkan calon
mahasiswa yang menjadi mahasiswa kesulitan
mengikuti perkuliahan, khususnya yang berkaitan
dengan matakuliah dibidang teknologi informatika.
Prediksi dalam konteks komputasi merupakan
salah satu kegiatan matematis. Prediksi ini telah
dilakukan bertahun-tahun sebelum penguasaan
komputer, yaitu dengan menggunakan alat hitung
seperti kalkulator. Prediksi konsentrasi program studi
dapat
membantu
calon
mahasiswa
untuk
mengembangkan keahlian khusus sesuai dengan
keterampilan masing-masing. mengikuti perkuliahan
calon mahasiswa perguruan tinggi swasta dalam
menentukan konsentrasi bagi calon mahasiswa baru.
Untuk menentukan konsentrasi tersebut di lakukan
dengan cara melakukan pelatihan terhadap beberapa
matapelajaran yang akan dijadikan sebagai kriteria
masing-masing konsentrasi, setelah diperoleh target
atau goal dari pelatihan yang di inginkan maka di
Diterbitkan Oleh : STMIK Budi Darma Medan
Jaringan Saraf Tiruan merupakan salah satu
sistem pemrosesan informasi yang didesain dengan
meniru cara kerja otak manusia dalam menyelesaikan
suatu masalah dengan melakukan proses belajar
melalui perubahan bobot sinapsisnya. Ada banyak
teknik yang dapat digunakan untuk implementasi
Jaringan
Saraf
Tiruan
yaitu
Perceptron,
Backpropagation dan Fuzzy.
Dalam penelitian ini di bangun aplikasi jaringan
syaraf tituan untuk penentuan konsentrasi program
studi bagi calon mahasiswa baru STMIK Budidarma
Medan.
1.2 Tujuan
Tujuan dari penelitian ini adalah mengaplikasikan
jaringan syaraf tiruan untuk penentuan konsentrasi
program studi bagi calon mahasiswa baru STMIK
Budidarma Medan.
1.3 Batasan Masalah
Dalam penulisan penelitian ini, penulis
membatasi permasalahn sebagai berikut :
a. Penentuan konsentrasi pada penelitian ini hanya
membahasa pada program studi S1.
b. Input data untuk pelatihan(training) dan
pengujian(testing) pada penelitian ini di ambil dari
nilai ujian nasional calon mahasiswa baru yang
SMA jurusan Ilmu Pengetahuan Alam ( IPA ).
1
ISSN : 2301-9425
Pelita Informatika Budi Darma, Volume II, Desember 2012
2.
Gambar 1 : Model Jaringan Syaraf Tiruan
2.3 Konsep Dasar Jaringan Syaraf Tiruan
Landasan Teori
2.1 Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan adalah merupakan salah
satu representasi buatan dari otak manusia yang selalu
mencoba untuk mensimulasikan proses pembelajaran
otak manusia tersebut [3]. Jaringan Syaraf Tiruan
tercipta sebagai suatu generalisasi model matematis
dari pemahaman manusia (human cognition) yang
didasarkan atas asumsi sebagai berikut :
1. Pemrosesan informasi terjadi
sederhana yang disebut neuron.
pada elemen
2. Isyarat mengalir di antara sel syaraf / neuron
melalui suatu sambungan penghubung.
3. Setiap sambungan penghubung memiliki bobot
yang bersesuaian.
4. Setiap sel syaraf akan merupakan fungsi aktivasi
terhadap isyarat hasil penjumlahan berbobot yang
masuk kepadanya untuk menentukan isyarat
keluarannya [1].
2.2 Pemodelan Jaringan Syaraf Tiruan
Jaringan syaraf terdiri atas beberapa neuron dan
ada hubungan antara neuron–neuron tersebut. Neuron
adalah sebuah unit pemroses informasi yang menjadi
dasar pengoperasian jaringan syaraf tiruan. Syaraf
adalah sebuah unit pemroses informasi dengan tiga
elemen dasar yaitu :
1. Satu set link yang terhubung.
2. Sebuah penjumlah untuk menghitung besarnya
penambahan pada sinyal masukan.
3. Sebuah fungsi aktivasi untuk membatasi
banyaknya keluaran pada syaraf.
Sebagian besar jaringan syaraf melakukan
penyesuaian
bobot-bobotnya selama menjalani
pelatihan.
Pelatihan dapat berupa
pelatihan
di
mana
terbimbing (supervised training)
diperlukan pasangan masukan-sasaran untuk tiap
pola yang dilatihkan. Jenis kedua adalah pelatihan
tak terbimbing (unsupervised training). Gambar 2.1 di
bawah ini menggambarkan model jaringan syaraf
tiruan [5].
Setiap pola-pola informasi input dan output yang
diberikan kedalam JST diproses dalam neuron.
Neuron-neuron tersebut terkumpul di dalam lapisanlapisan yang disebut neuron layers [4]. Lapisanlapisan penyusun JST tersebut dapat dibagi
menjadi 3, yaitu :
1. Lapisan Input, unit-unit di dalam lapisan
input disebut unit-unit input. Unit-unit input
tersebut menerima pola inputan data dari luar
yang menggambarkan suatu permasalahan.
2. Lapisan Tersembunyi, unit-unit di dalam
lapisan
tersembunyi
disebut
unit-unit
tersembunyi. Dimana outputnya tidak dapat secara
langsung diamati.
3. Lapisan Output, unit-unit di dalam lapisan
output disebut unit-unit output. Output dari
lapisan ini merupakan solusi JST terhadap suatu
permasalahan.
2.4 Arsitektur Jaringan Syaraf Tiruan (JST)
JST memiliki beberapa arsitektur jaringan yang
sering digunakan dalam berbagai aplikasi. Arsitektur
JST tersebut, antara lain [2] :
1. Jaringan Layar Tunggal (Single Layer Network)
Jaringan dengan lapisan tunggal terdiri dari 1
layer input dan 1 layer output. Setiap neuron/unit
yang terdapat di dalam lapisan/layer input selalu
terhubung dengan setiap neuron yang terdapat
pada layer output. Jaringan ini hanya
menerima input kemudian secara langsung akan
mengolahnya menjadi output tanpa harus melalui
lapisan tersembunyi. Contoh algoritma JST
yang menggunakan metode ini yaitu
:
ADALINE, Hopfield, Perceptron.
Nilai
I
X
X
W1
W
X
W2
X
W22 W3 W
3
X
Lapisan
I
Matriks
B b
Lapisan
Nilai
Gambar 2 : Arsitektur Jaringan Syaraf Tiruan
Layer Tunggal
2. Jaringan Banyak Lapisan (Multilayer Net)
Diterbitkan Oleh : STMIK Budi Darma Medan
2
ISSN : 2301-9425
Pelita Informatika Budi Darma, Volume II, Desember 2012
Jaringan dengan lapisan jamak memiliki ciri khas
tertentu yaitu memiliki 3 jenis layer yakni layer
input, layer output, dan juga layer tersembunyi.
Jaringan dengan banyak lapisan ini dapat
menyelesaikan permasalahan yang lebih kompleks
dibandingkan jaringan dengan lapisan tunggal.
Namun,proses pelatihan sering membutuhkan
waktu yang cenderung lama. Contoh algoritma
Jaringan Syaraf Tiruan yang menggunakan
metode ini yaitu : MADALINE, backpropagation,
Neocognitron.
Nilai
X
X
V
V1
X
V2
X
V22 V3
X
V3
Lapisan
Matriks Bobot
3.
Pembahasan
3.1 Pembahasan Masalah
Untuk menentukan konsentransi program studi
data yang digunakan sebagai kriteria penilaian adalah
nilai ujian nasional calon mahasiswa/i baru sewaktu
SMA.
Data Nilai Uian Nasional tersebut akan diproses
ntuk mencari total nilai yang sesuai dengan range nilai
konsentrasi masing-masing dengang menggunakan
aplikasi jaringan syaraf tiruan.
3.2 Aplikasi Jaringan Syaraf Tiruan
Data Nilai Ujian Nasional calon mahasiswa baru
akan diproses dengan menggunakan aplikasi jaringan
syaraf tiruan seperti tampilan dibawah ini :
Lapisan
Nilai
.
Gambar 3 : Arsitektur Jaringan Syaraf Tiruan
Layer Tunggal
3.
Jaringan Lapisan Kompetitif (Competitive Layer)
Pada jaringan ini sekumpulan neuron
bersaing untuk mendapatkan hak menjadi
aktif. Contoh algoritma yang menggunakan
metode ini adalah LVQ.
1
A
Am
Aj
A
Gambar 4 : Arsitektur Jaringan Syaraf Tiruan
Lapisan Kompetitif
Diterbitkan Oleh : STMIK Budi Darma Medan
Gambar 5 : Form Aplikasi Jaringan Syaraf
Tiruan Untuk Menentukan Konsentrasi
Program Studi
4.
Penutup
Aplikasi Jaringan Syaraf Tiruan untuk
menentukan konsentrasi program studi bagi calon
mahasiswa/i baru STMIK Budidarma Medan
diterapkan langsung pada saat calon mahasiswa baru
mendaftar dengan menginputkan langsung nilai ujian
nasional.
Diharapkan
sebelum
menentukan
konsentrasi ke dalam aplikasi sebaiknya calon
mahasiswa baru harus di testing dahulu. Untuk itu
aplikasi harus dikembangkan lagi dengan metode yang
dapat melakukan pelatihan dan pengujian.
Daftar Pustaka
[1] Arif Jumarwanto, Rudy Hartanto, Dhidik
Prastiyanto. (2009). “Jurnal Aplikasi Jaringan
Syaraf
Tiruan
Backpropagation
Untuk
3
Pelita Informatika Budi Darma, Volume II, Desember 2012
[2]
[3]
[4]
[5]
ISSN : 2301-9425
Memprediksi Penyakit THT Di Rumah Sakit
Mardi Rahayu Kudus”.
Puspita Ningrum, 2006, Pengantar Jaringan
Syaraf Tiruan, Yogyakarta, Penerbit Andi
M.F Andrijasa. (2010). “Jurnal Penerapan
Jaringan Syaraf Tiruan Untuk Memprediksi
Jumlah Pengangguran Di Provinsi Kalimantan
Timur
Dengan
Menggunakan
Algoritma
Backpropagation”.
IJDAR (2003). “Modul Jaringan Syaraf Tiruan”.
Rudy Hartanto. (2009). “Jurnal Aplikasi Jaringan
Syaraf Tiruan Untuk Memprediksi Penyakit
Kulit”.
Diterbitkan Oleh : STMIK Budi Darma Medan
4
ISSN : 2301-9425
APLIKASI JARINGAN SYARAF TIRUAN UNTUK PENENTUAN
KONSENTRASI PROGRAM STUDI BAGI CALON MAHASISWA
BARU STMIK BUDIDARMA MEDAN
Alex Rikki Sinaga
Dosen Tetap STMIK Budi Darma Medan
Jl. Sisingamangaraja No. 338 Simpang Limun Medan
www.stmik-budidarma.ac.id // Email:alexrikisinaga@gmail.com
Abstrak
Dalam proses penentuan konsentrasi program studi menggunakan aplikasi jaringan syaraf tiruan. Data akan
dibagi menjadi dua bagian, data pertama untuk proses pelatihan dan data kedua untuk proses pengujian. Proses
pelatihan bertujuan untuk mengenali atau mencari goal yang diharapkan dengan menggunakan banyak pola,
sehinggan akan dapat menghasilkan mana pola yang terbaik untuk melatih data tersebut. Setelah pelatihan
mencapai goal berdasarkan pola yang terbaik maka akan dilakukan pengujian dengan data yang baru untuk
melihat keakuratan antara target dengan menggunakan software matlab 6.1. Berdasarkan hasil pengujian dengan
menggunakan software matlab 6.1 dapat mempercepat proses penentuan konsentrasi program studi bagi calon
mahasiswa baru STMIK Budidarma Medan.
Kata Kunci : Jaringan Saraf Tiruan, Program Studi, Calon Mahasiswa
1.
Pendahuluan
lakukan pengujian (testing) bagi calon mahasiswa
yang mendaftar.
1.1 Latar Belakang Masalah
Konsentrasi program studi merupakan hal yang
penting bagi pihak perguruan tinggi negri maupun
swasta, hal ini dikarenakan konsentrasi merupakan
keahlian khusus atau sepesifikasi masing-masing bagi
calon mahasiswa baru.
Konsentrasi Teknologi
Jaringan dan Sistem Informasi merupakan konsentrasi
program studi yang banyak diminati oleh mahasiswa.
Perguruan tinggi swasta STMIK Budidarma
Medan selama ini belum menerapkan sistem
penentuan konsentrasi pada calon mahasiswa baru,
dimana calon mahasiswa baru langsung menentukan
konsentrasi pada saat mendaftar tanpa ada pelatihan
dan pengujian, hal ini mengakibatkan calon
mahasiswa yang menjadi mahasiswa kesulitan
mengikuti perkuliahan, khususnya yang berkaitan
dengan matakuliah dibidang teknologi informatika.
Prediksi dalam konteks komputasi merupakan
salah satu kegiatan matematis. Prediksi ini telah
dilakukan bertahun-tahun sebelum penguasaan
komputer, yaitu dengan menggunakan alat hitung
seperti kalkulator. Prediksi konsentrasi program studi
dapat
membantu
calon
mahasiswa
untuk
mengembangkan keahlian khusus sesuai dengan
keterampilan masing-masing. mengikuti perkuliahan
calon mahasiswa perguruan tinggi swasta dalam
menentukan konsentrasi bagi calon mahasiswa baru.
Untuk menentukan konsentrasi tersebut di lakukan
dengan cara melakukan pelatihan terhadap beberapa
matapelajaran yang akan dijadikan sebagai kriteria
masing-masing konsentrasi, setelah diperoleh target
atau goal dari pelatihan yang di inginkan maka di
Diterbitkan Oleh : STMIK Budi Darma Medan
Jaringan Saraf Tiruan merupakan salah satu
sistem pemrosesan informasi yang didesain dengan
meniru cara kerja otak manusia dalam menyelesaikan
suatu masalah dengan melakukan proses belajar
melalui perubahan bobot sinapsisnya. Ada banyak
teknik yang dapat digunakan untuk implementasi
Jaringan
Saraf
Tiruan
yaitu
Perceptron,
Backpropagation dan Fuzzy.
Dalam penelitian ini di bangun aplikasi jaringan
syaraf tituan untuk penentuan konsentrasi program
studi bagi calon mahasiswa baru STMIK Budidarma
Medan.
1.2 Tujuan
Tujuan dari penelitian ini adalah mengaplikasikan
jaringan syaraf tiruan untuk penentuan konsentrasi
program studi bagi calon mahasiswa baru STMIK
Budidarma Medan.
1.3 Batasan Masalah
Dalam penulisan penelitian ini, penulis
membatasi permasalahn sebagai berikut :
a. Penentuan konsentrasi pada penelitian ini hanya
membahasa pada program studi S1.
b. Input data untuk pelatihan(training) dan
pengujian(testing) pada penelitian ini di ambil dari
nilai ujian nasional calon mahasiswa baru yang
SMA jurusan Ilmu Pengetahuan Alam ( IPA ).
1
ISSN : 2301-9425
Pelita Informatika Budi Darma, Volume II, Desember 2012
2.
Gambar 1 : Model Jaringan Syaraf Tiruan
2.3 Konsep Dasar Jaringan Syaraf Tiruan
Landasan Teori
2.1 Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan adalah merupakan salah
satu representasi buatan dari otak manusia yang selalu
mencoba untuk mensimulasikan proses pembelajaran
otak manusia tersebut [3]. Jaringan Syaraf Tiruan
tercipta sebagai suatu generalisasi model matematis
dari pemahaman manusia (human cognition) yang
didasarkan atas asumsi sebagai berikut :
1. Pemrosesan informasi terjadi
sederhana yang disebut neuron.
pada elemen
2. Isyarat mengalir di antara sel syaraf / neuron
melalui suatu sambungan penghubung.
3. Setiap sambungan penghubung memiliki bobot
yang bersesuaian.
4. Setiap sel syaraf akan merupakan fungsi aktivasi
terhadap isyarat hasil penjumlahan berbobot yang
masuk kepadanya untuk menentukan isyarat
keluarannya [1].
2.2 Pemodelan Jaringan Syaraf Tiruan
Jaringan syaraf terdiri atas beberapa neuron dan
ada hubungan antara neuron–neuron tersebut. Neuron
adalah sebuah unit pemroses informasi yang menjadi
dasar pengoperasian jaringan syaraf tiruan. Syaraf
adalah sebuah unit pemroses informasi dengan tiga
elemen dasar yaitu :
1. Satu set link yang terhubung.
2. Sebuah penjumlah untuk menghitung besarnya
penambahan pada sinyal masukan.
3. Sebuah fungsi aktivasi untuk membatasi
banyaknya keluaran pada syaraf.
Sebagian besar jaringan syaraf melakukan
penyesuaian
bobot-bobotnya selama menjalani
pelatihan.
Pelatihan dapat berupa
pelatihan
di
mana
terbimbing (supervised training)
diperlukan pasangan masukan-sasaran untuk tiap
pola yang dilatihkan. Jenis kedua adalah pelatihan
tak terbimbing (unsupervised training). Gambar 2.1 di
bawah ini menggambarkan model jaringan syaraf
tiruan [5].
Setiap pola-pola informasi input dan output yang
diberikan kedalam JST diproses dalam neuron.
Neuron-neuron tersebut terkumpul di dalam lapisanlapisan yang disebut neuron layers [4]. Lapisanlapisan penyusun JST tersebut dapat dibagi
menjadi 3, yaitu :
1. Lapisan Input, unit-unit di dalam lapisan
input disebut unit-unit input. Unit-unit input
tersebut menerima pola inputan data dari luar
yang menggambarkan suatu permasalahan.
2. Lapisan Tersembunyi, unit-unit di dalam
lapisan
tersembunyi
disebut
unit-unit
tersembunyi. Dimana outputnya tidak dapat secara
langsung diamati.
3. Lapisan Output, unit-unit di dalam lapisan
output disebut unit-unit output. Output dari
lapisan ini merupakan solusi JST terhadap suatu
permasalahan.
2.4 Arsitektur Jaringan Syaraf Tiruan (JST)
JST memiliki beberapa arsitektur jaringan yang
sering digunakan dalam berbagai aplikasi. Arsitektur
JST tersebut, antara lain [2] :
1. Jaringan Layar Tunggal (Single Layer Network)
Jaringan dengan lapisan tunggal terdiri dari 1
layer input dan 1 layer output. Setiap neuron/unit
yang terdapat di dalam lapisan/layer input selalu
terhubung dengan setiap neuron yang terdapat
pada layer output. Jaringan ini hanya
menerima input kemudian secara langsung akan
mengolahnya menjadi output tanpa harus melalui
lapisan tersembunyi. Contoh algoritma JST
yang menggunakan metode ini yaitu
:
ADALINE, Hopfield, Perceptron.
Nilai
I
X
X
W1
W
X
W2
X
W22 W3 W
3
X
Lapisan
I
Matriks
B b
Lapisan
Nilai
Gambar 2 : Arsitektur Jaringan Syaraf Tiruan
Layer Tunggal
2. Jaringan Banyak Lapisan (Multilayer Net)
Diterbitkan Oleh : STMIK Budi Darma Medan
2
ISSN : 2301-9425
Pelita Informatika Budi Darma, Volume II, Desember 2012
Jaringan dengan lapisan jamak memiliki ciri khas
tertentu yaitu memiliki 3 jenis layer yakni layer
input, layer output, dan juga layer tersembunyi.
Jaringan dengan banyak lapisan ini dapat
menyelesaikan permasalahan yang lebih kompleks
dibandingkan jaringan dengan lapisan tunggal.
Namun,proses pelatihan sering membutuhkan
waktu yang cenderung lama. Contoh algoritma
Jaringan Syaraf Tiruan yang menggunakan
metode ini yaitu : MADALINE, backpropagation,
Neocognitron.
Nilai
X
X
V
V1
X
V2
X
V22 V3
X
V3
Lapisan
Matriks Bobot
3.
Pembahasan
3.1 Pembahasan Masalah
Untuk menentukan konsentransi program studi
data yang digunakan sebagai kriteria penilaian adalah
nilai ujian nasional calon mahasiswa/i baru sewaktu
SMA.
Data Nilai Uian Nasional tersebut akan diproses
ntuk mencari total nilai yang sesuai dengan range nilai
konsentrasi masing-masing dengang menggunakan
aplikasi jaringan syaraf tiruan.
3.2 Aplikasi Jaringan Syaraf Tiruan
Data Nilai Ujian Nasional calon mahasiswa baru
akan diproses dengan menggunakan aplikasi jaringan
syaraf tiruan seperti tampilan dibawah ini :
Lapisan
Nilai
.
Gambar 3 : Arsitektur Jaringan Syaraf Tiruan
Layer Tunggal
3.
Jaringan Lapisan Kompetitif (Competitive Layer)
Pada jaringan ini sekumpulan neuron
bersaing untuk mendapatkan hak menjadi
aktif. Contoh algoritma yang menggunakan
metode ini adalah LVQ.
1
A
Am
Aj
A
Gambar 4 : Arsitektur Jaringan Syaraf Tiruan
Lapisan Kompetitif
Diterbitkan Oleh : STMIK Budi Darma Medan
Gambar 5 : Form Aplikasi Jaringan Syaraf
Tiruan Untuk Menentukan Konsentrasi
Program Studi
4.
Penutup
Aplikasi Jaringan Syaraf Tiruan untuk
menentukan konsentrasi program studi bagi calon
mahasiswa/i baru STMIK Budidarma Medan
diterapkan langsung pada saat calon mahasiswa baru
mendaftar dengan menginputkan langsung nilai ujian
nasional.
Diharapkan
sebelum
menentukan
konsentrasi ke dalam aplikasi sebaiknya calon
mahasiswa baru harus di testing dahulu. Untuk itu
aplikasi harus dikembangkan lagi dengan metode yang
dapat melakukan pelatihan dan pengujian.
Daftar Pustaka
[1] Arif Jumarwanto, Rudy Hartanto, Dhidik
Prastiyanto. (2009). “Jurnal Aplikasi Jaringan
Syaraf
Tiruan
Backpropagation
Untuk
3
Pelita Informatika Budi Darma, Volume II, Desember 2012
[2]
[3]
[4]
[5]
ISSN : 2301-9425
Memprediksi Penyakit THT Di Rumah Sakit
Mardi Rahayu Kudus”.
Puspita Ningrum, 2006, Pengantar Jaringan
Syaraf Tiruan, Yogyakarta, Penerbit Andi
M.F Andrijasa. (2010). “Jurnal Penerapan
Jaringan Syaraf Tiruan Untuk Memprediksi
Jumlah Pengangguran Di Provinsi Kalimantan
Timur
Dengan
Menggunakan
Algoritma
Backpropagation”.
IJDAR (2003). “Modul Jaringan Syaraf Tiruan”.
Rudy Hartanto. (2009). “Jurnal Aplikasi Jaringan
Syaraf Tiruan Untuk Memprediksi Penyakit
Kulit”.
Diterbitkan Oleh : STMIK Budi Darma Medan
4