APLIKASI SISTEM REKOMENDASI TOPIK SKRIPS (1)

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Progam Studi Teknik Informatika

Oleh :

LAELA VINNURIKA EKA WAHYUNI

NPM: 10.1.03.02.0247

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI

2015

HALAMAN MOTTO

Hidup Enak itu : Bisa Manual, Bisa Matic dalam satu transmisi, seperti persneling Auto Gear Shift, maksudnya bisa menyesuaikan dengan keadaan dimanapun berada dan bisa menempatkan diri sesuai dengan keadaan dan posisi tanpa canggung dan kaku alias hidup dinamis yang penuh gairah dan potensi untuk maju dalam satu waktu.

Hidup Nyaman itu : Saat momen kebersamaan keluarga yang penuh keceriaan, kehangatan dan kasih sayang serta saling pengertian seperti Suzuki Ertiga.

Hidup Indah itu : Bila kita mencari ber kah dan selalu bersyukur dan qona’ah dan tak pernah mengeluh dan tidak saling iri hati .

Hidup Bahagia itu : Selalu mengisi hari dengan berpikir positif dan selalu tersenyum penuh keceriaan dan semangat untuk berkarya yang bisa #lampaui dirimu.

Hidup Penuh Arti itu : Mengisi hari-hari indah dengan semangat petualangan menuju kebaikan dengan berusaha bermanfaat bagi sesama dan ridho Illahi tuk menggapai AmpunanNya, karena “Life is An Adventure”.

Salam jambak persneling …, maju tak gentar ‘tuk terus nge-drift menantang bahaya demi cita-cita, mau pakai transmisi manual atau otomatis sama saja, semua tergantung drivernya…Gas polllll…..driver itu harus berani nekat, kalau tidak berani nekat tidak usah jadi driver, I believe I can, because I born to be winner and I come here to WIN, SEBUAH KARYA BESAR BUKAN KARENA KEKUATAN TETAPI KARYA BESAR DIHASILKAN DARI KETEKUNAN.

Ayla Abdeella Al Munsyi Fans Page Facebook: Puisi Kenangan 2004-2007 karya Ayla Al Munsyi

HALAMAN PERSEMBAHAN

Teriring rasa syukur kepada Allah SWT, saya Ayla Abdeella Al Munsyi, Pujangga Persneling Cahaya Penakluk Rembulan dari tanah Kediri, juga

empu/admin dari fanspage facebook : Puisi Kenangan 2004-2007 karya Ayla Al

Munsyi , mempersembahkan karya tulis ini beserta segala hasilnya sebagai ucapan terima kasih dari lubuk hati yang terdalam kepada :

Yang Mulia :

Ayahanda Ayla  (Ishomuddin, S.Pd./Pak. SOM) dan Ibunda Ayla  (Umi Hanik)

Yang Tersayang :

Adik-adik Ayla yang setia dan tulus ikhlas membantu Ayla dalam kesulitan  Alfiana Lutfita Sifani, S.Kom

 Arfan “Joki Isuzu Panther LS 2.5 White-A/T”Nurufana, S.Kom (ipar Ayla)

 Ahmad Fikri Haikal  Ahmad Fakhri Zhafran Rafisqi(Fahri, si Driver Kecil)(keponakan Ayla)

Yang Tercinta

1. Sahabat – sahabat Ayla yang setia di kampus dan di MAN Kota Kediri 3 dulu ( Siska Dwi Lisnanto, Novia Mega Valentina, Aning Purwanti, Siti

Maesaroh, Ida Fajar S, Umi Mubarokah, Umi Hardini, Arifatul Khoiriyah, Yunaimah, Lendy “Ford Ranger”, kang Rito “Xenia”, mas Semut Nyungsep, Lutfi Rohman, para programmer persneling(Sholihun dan

Chandra) dan Farika Atna ) 2. Para Manusia Harimau, calon raja dan ratu hutan belantara software, warga

“Daniel Swanjaya Research Group” 3. Warga 4F-Class IT Community 2010

4. Warga kelas Bahasa-2 MAN Kota Kediri 3 angkatan 2007

Yang Terspesial :

1) Kucing – kucing Ayla yang comel dan lucu  (Naïve Bayesian, ViBi, Debian dan Delphi ) 2) Laptop kesayangan sekaligus partner kecil Ayla yang paling setia 

(Acer Aspire 4732z dan Compaq Presario CQ43) 3) Datuk Macan Persneling Cahaya Penjelajah Semesta AG 5205 GX 4) Princess Elegan kebanggaan keluarga

(Suzuki ERTIGA GX (Jeng Erti) Black Metallic-M/T AG 596 DG) 5) Hiburan penghilang galau saat teman-teman sudah tak disisi Ayla lagi, sekaligus media dan teman belajar Ayla selama mencari ilmu di kampus tercinta ini 

(Wi-Fi Hotspot Area Universitas Nusantara PGRI Kediri)

Sang Inspirator   Mas M. Anas Afandi + All My Family Area Malang-Probolinggo  Om Kristiono,SE, Om Arka, Tante Devi dan Dulur-Dulur Komunitas

Ertiga Mania Indonesia, ”Seduluran Saklawase”.

 Bapak/Ibu Responden penelitian Ayla, terimakasih atas waktu dan

masukannya,serta kesediaannya membantu mengisi angket penelitian milik gadis pujangga desa ini.

Dan tak lupa pula Ayla persembahkan karya ini sebagai ucapan terimakasih banyak yang setulus-tulusnya dari lubuk hati terdalam kepada:

1. Dosen pembimbing 1  (Ibu Mumun Nurmilawati, M.Pd.) atas kesabarannya memberi pengarahan kepada Ayla secara detail untuk penulisan skripsi.

2. Dosen pembimbing 2  (Bapak Daniel Swanjaya, S.Kom, M.Kom ) yang dengan tulus dan sabar memberi pengarahan untuk pengerjaan skripsi mulai dari proposal sampai jadi skripsi lengkap dengan programnya seperti saat ini, walaupun kadang Ayla nakal dan kurang disiplin (sering bolos waktu bimbingan ), tapi beliau tidak pernah marah,cuma sekedar memberi nasehat agar tetap disiplin dalam bimbingan biar cepat selesai dan lulus tepat waktu, bahkan rela mencari-cari keberadaan dan rela menunggu anak bimbingnya yang nakal ini datang bimbingan, pada waktu anak bimbingnya ini bolos bimbingan, agar si anak mendapat kesempatan yang sama dengan teman- temanya, juga motivasinya yang membuat Ayla dapat bertahan.

3. Semua dosen Teknik Informatika UNP Kediri yang pernah mengajar Ayla di kelas 1G,2-4F angkatan 2010 atas ilmunya dan kesabarannya dalam mengajar, Ayla mohon maaf lahir batin yang sebesar-besarnya bila ada kesalahan yang baik Ayla sengaja maupun tidak kepada Bapak/Ibu dosen, mohon doa restu dan 3. Semua dosen Teknik Informatika UNP Kediri yang pernah mengajar Ayla di kelas 1G,2-4F angkatan 2010 atas ilmunya dan kesabarannya dalam mengajar, Ayla mohon maaf lahir batin yang sebesar-besarnya bila ada kesalahan yang baik Ayla sengaja maupun tidak kepada Bapak/Ibu dosen, mohon doa restu dan

4. Bapak Zuyyinal Fata,S.Pd. yang telah berhasil membuka mata Ayla, melalui penolakannya atas pengajuan Ayla, sehingga menjadikan Ayla sadar bahwa ternyata meraih sesuatu itu butuh proses dan tidak boleh tergesa-gesa dan harus melalui beberapa tahap dulu, tidak cukup hanya mengandalkan skill alami(bakat bawaan) dan link orang dalam saja.

5. Bapak Drs Khozin SM,M.PdI.MM atas tawaran dan kesempatannya sehingga Ayla bisa menjadi admin di sekolah yang beliau pimpin di tahun 2009 -2012(selama 4 tahun).

6. Bapak Ary Wahyudi,S.Pd.I, kepala madrasah aliyah Al Muwazanah Plosoklaten yang telah memberikan kesempatan buat Ayla untuk mengajar di sekolah yang beliau pimpin.

7. Mas Fondra Lucky , dan Mas Surya Pradhana(kutu keyboard)yang telah berhasil “menjerumuskan”Ayla ke dunia programming di tahun 2008. 8. Bapak Ir.Hartoto Dinata”Daihatsu AYLA M 1.0 M/T –BK 1005 OL“ atas motivasi juga ilmu mastering Web Programming dan Bisnis Online berbasis webnya.

9. Dan semua keluarga besar Ayla dari Bani Kiayi Abdul Latif(pihak ayah) dan dari Bani Kiayi Haji Sholeh(pihak ibu) serta semua pihak yang ikut membantu selesainya skripsi ini.

ABSTRAK

LAELA VINNURIKA EKA WAHYUNI : Aplikasi Sistem Rekomendasi Topik Skripsi Program Studi Teknik Informatika Dengan Metode Self Organizing Map (SOM), Skripsi, Teknik Informatika, FT Universitas Nusantara PGRI Kediri, 2015.

Kata Kunci : Sistem Rekomendasi, Clustering, Neural Network, Jaringan Syaraf Tiruan(JST), Kohonen, Self Organizing Map (SOM).

Tujuan yang ingin dicapai pada skripsi ini yaitu agar mahasiswa tingkat akhir tidak salah pilih dalam menentukan topik skripsi yang diambil dan dengan adanya aplikasi yang mampu membantu mahasiswa tingkat akhir dalam menentukan topik skripsi dengan tepat. Pemilihan topik skripsi ini di dasarkan pada nilai mata kuliah tertentu yang relevan dengan topik yang akan diambil.

Pemanfaatan Jaringan Syaraf Tiruan (Artificiall neural network ) dalam hal ini menggunakan Kohonen Self Organizing Map (SOM) merupakan alternatif pilihan terbaik berkenaan dengan masalah penentuan topik skripsi.

Dalam hal ini Kohonen Self Organizing Map (SOM) menjadi alternatif pilihan yang tepat karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan yaitu perekomendasian topik skripsi berdasarkan kriteria-kriteria yang ditentukan.

Hasil dari aplikasi sistem rekomendasi topik skripsi adalah dapat membantu mahasiswa tingkat akhir dalam menentukan topik skripsi yang akan diambilnya.

Aplikasi sistem rekomendasi ini berbasis web sehingga dapat diakses dimana saja oleh mahasiswa tingkat akhir untuk melakukan pengecekan secara online, kemudian data akan diolah untuk menentukan topik yang tepat untuk masing-masing mahasiswa.

KATA PENGANTAR

Puji syukur Kami panjatkan kehadirat Allah Tuhan Yang Maha Kuasa, karena hanya atas perkenan-Nya penyusunan skripsi ini dapat diselesaikan.

Skripsi dengan judul “APLIKASI SISTEM REKOMENDASI TOPIK SKRIPSI PROGRAM STUDI TEKNIK INFORMATIKA DENGAN

METODE SELF ORGANIZING MAP(SOM) ” ini ditulis guna memenuhi sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program studi Teknik Informatika Fakultas Teknik Universitas Nusantara PGRI Kediri.

Pada kesempatan ini diucapkan terimakasih dan penghargaan yang setulus-tulusnya kepada :

1. Dr. H.Samari, S.E., M.M., M.Si., selaku Rektor Universitas Nusantara PGRI Kediri .

2. Rini Indriati,S. Kom., M.Kom., selaku Dekan Fakultas Teknik yang selalu memberikan motivasi serta pengarahan kepada mahasiswa.

3. Kepala Program Studi Teknik informatika Ahmad Bagus Setiawan,ST., M.M, M.Kom dan para admin prodi yang selalu memberikan bantuan berupa informasi berkenaan dengan data Program Studi Teknik Informatika Universitas Nusantara PGRI Kediri.

4. Mumun Nurmilawati ,M.Pd. dan Daniel Swanjaya,S.Kom. M,Kom selaku dosen pembimbing yang dengan sabar selalu memberikan dorongan motivasi dan pengarahan selama proses pengerjaan skripsi.

5. Kedua orang tua saya selalu memberi dukungan moril maupun materiil dan semua pihak yang ikut membantu selesainya skripsi ini. Disadari bahwa skripsi ini masih banyak kekurangan, maka diharapkan

tegur sapa, kritik dan saran- saran dari berbagai pihak sangat diharapkan. Akhirnya, disertai harapan semoga skripsi ini ada manfaatnya bagi kita semua, khususnya bagi dunia pendidikan, meskipun hanya ibarat setitik air bagi samudra yang luas.

DAFTAR TABEL

1.1 : Jadwal Penelitian .................................................................................... (7)

2.1 : Simbol Diagram Alir ............................................................................... (36)

5.1 : Form Tambah data .................................................................................. (76)

5.2 : Form Edit ................................................................................................. (81)

BAB I PENDAHULUAN

A. Latar Belakang

Skripsi merupakan kewajiban bagi mahasiswa tingkat akhir untuk menyelesaikan perkuliahannya di suatu perguruan tinggi dan sebagai syarat untuk meraih gelar sarjana, sehingga para mahasiswa tingkat akhir tersebut harus menentukan topik yang akan diangkat untuk bahan skripsinya.

Adapun inti masalahnya yang ada adalah mahasiswa tingkat akhir biasanya merasa kesulitan dalam menentukan topik yang akan di ambil untuk skripsi, disebabkan beberapa faktor baik faktor eksternal maupun faktor internal, sehingga menyebabkan mahasiswa yang akan menempuh skripsi pada umumnya mengalami kesulitan untuk menentukan topik skripsi.

Penyebab lainnya karena mahasiswa kurang pengetahuan dan akhirnya hanya memakai topik yang sama dengan temannya serta banyak mahasiswa yang akhirnya tidak dapat menyelesaikan skripsi dengan tepat waktu dikarenakan tidak sesuai dengan kemampuan akademisnya.

Oleh karena itu diperlukan suatu sistem yang bersifat memberi rekomendasi dengan berusaha mengenalkan faktor eksternal dari potensi mahasiswa sehingga mahasiswa bisa memilih topik acuan skripsi yang tepat dan mantap sesuai dengan kemampuannya, sehingga diharapkan tidak terjadi kebingungan lagi dalam menentukan judul skripsi.

Salah satu metode yang dipakai sistem tersebut adalah adalah Self Organizing Map(SOM )). Dengan metode SOM ini penulis membuat sebuah aplikasi dan diharapkan nantinya dapat membantu mahasiswa tingkat akhir dalam menentukan topik acuan skripsi yang tepat.

Dengan metode tersebut, diharapkan pemilihan akan lebih tepat karena didasarkan pada kriteria yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap topik apa yang akan di ambil untuk skripsi. Dari uraian diatas penulis mencoba mengangkat masalah tersebut dengan judul

“APLIKASI SISTEM REKOMENDASI TOPIK SKRIPSI PROGRAM STUDI TEKNIK INFORMATIKA DENGAN METODE SELF ORGANIZING MAP (SOM)”.

B. Identifikasi Masalah

Berdasarkan latar belakang di atas maka dapat ditarik permasalahan yang timbul adalah karena belum adanya sistem pendukung keputusan dan sejenisnya berkenaan dengan pengarahan topik acuan skripsi sesuai nilai dan kemampuan mahasiswa.

C. Batasan Masalah

Dalam perancangan aplikasi ini, agar tidak menyimpang dari tujuan yang hendak dicapai, maka pembahasan masalah dibatasi pada hal – hal sebagai berikut :

1. Data yang digunakan dalam pembuatan sistem ini diambil dari program studi Teknik Informatika Universitas Nusantara PGRI .

2. Penentuan topik yang dilakukan hanya untuk mengarahkan ke topik yang tersedia pada program studi tersebut.

3. Aplikasi ini menggunakan metode Self Organizing Map (SOM) untuk menentukan topik skripsi.

4. Perekomendasian topik hanya diarahkan pada 5 topik acuan besar yang tersedia pada form pengajuan judul skripsi pada program studi Teknik Informatika Universitas Nusantara PGRI Kediri dan tercantum pada buku panduan Penulisan Karya Ilmiah (KTI) Universitas Nusantara PGRI Kediri 2013 pada halaman 38 – 42 yakni Rekayasa Teknologi Informasi. Adapun topik acuan yang dimaksud adalah sebagai berikut :

a) Sistem Informasi

b) Jaringan

c) Rekayasa Perangkat lunak

d) Game Project

e) Multimedia sedang untuk topik acuan lainnya yaitu Web Application, Mobile Application, dan Desktop Application, Research dan Development (R&D) tidak termasuk di dalamnya, karena ketiganya bisa diterapkan pada kelima topik besar tersebut.

5. Kriteria dalam sistem disesuaikan berdasarkan nilai mata kuliah yang menjadi inti dari setiap topik yakni dari matakuliah MKK dan matakuliah MKB semester 1-6 .

6. Sistem rekomendasi ini dibuat dengan bahasa pemrogaman PHP (Web Based ) dan basis data MySQL.

D. Rumusan Masalah

Adapun rumusan masalah sejalan dengan pembatasan masalah (ruang lingkup) dalam hal ini adalah bagaimana memberi saran kepada mahasiswa tentang topik acuan skripsi yang harus diambilnya berdasarkan beberapa kriteria yang ada, dengan menggunakan metode Self Organizing Map (SOM)?

E. Tujuan

Adapun tujuan penelitian ini adalah : Memberi saran dan rekomendasi kepada mahasiswa dalam menentukan topik acuan skripsi dengan tepat sesuai dengan kemampuan akademisnya berdasarkan kriteria-kriteria tertentu.

F. Kegunaan Penelitian

Dalam penelitian ini diharapkan dapat memberikan manfaat, diantaranya adalah sebagai berikut :

1. Bagi lembaga tempat penelitian Sebagai alat bantu dan bahan pertimbangan dalam penentuan topik acuan skripsi bagi mahasiswa tingkat akhir pada Program Studi Teknik Informatika Universitas Nusantara PGRI Kediri.

2. Bagi penulis Penulis dapat mengimplementasikan ilmu yang diperoleh dari universitas dan dapat dijadikan sebagai pengalaman baru. Dalam hal 2. Bagi penulis Penulis dapat mengimplementasikan ilmu yang diperoleh dari universitas dan dapat dijadikan sebagai pengalaman baru. Dalam hal

3. Bagi mahasiswa Mahasiswa dapat memperoleh informasi tentang topik acuan yang tepat yang akan diambilnya.

G. Metode Penelitian

1. Teknik Pengumpulan Data

Pengumpulan data dilakukan untuk memperoleh hasil yang akurat dan valid secara maksimal. Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut :

a. Studi Literatur atau Kepustakaan Metode pengumpulan data yang dilakukan melalui membaca dan mempelajari referensi-referensi berupa makalah, jurnal ilmiah, skripsi, atau buku. fasilitas internet juga digunakan untuk mencari data atau informasi yang dipublikasikan di dunia maya yang berkaitan dengan objek penelitian.

b. Kuisioner Metode pengumpulan data yang dilakukan melalui kuesioner/angket yang diajukan secara langsung kepada narasumber dalam konteks penelitian ini adalah Bapak Ahmad Bagus Setiawan, ST,MM,M.Kom. dan Bapak/ Ibu dosen yang berkompeten di bidangnya untuk mendapatkan data atau informasi yang berkaitan dengan objek penelitian.

c. Observasi Metode pengumpulan data yang dilakukan dengan mengadakan pengamatan atau peninjauan langsung terhadap sumber permasalahan serta berkomunikasi langsung dengan pihak yang bersangkutan .

2. Jenis Data

a. Data Primer Merupakan data yang diperoleh secara langsung dari pengamatan obyek yang dijadikan penelitian dalam penelitian ini yaitu pada Program Studi Teknik Informatika Universitas Nusantara PGRI Kediri .

b. Data Sekunder Data yang diperoleh dari sumber dalam bentuk yang sudah jadi berupa publikasi. Data tersebut dapat berupa buku-buku atau literatur-literatur dan media elektronik yang menunjang penelitian yang sesuai dengan topik penulisan dan permasalahan yang dihadapi.

3. Lokasi dan Waktu Penelitian

Penelitian dilaksanakan di Program Studi Teknik Informatika Universitas Nusantara PGRI Kediri yang terletak di Jl.KH Achmad Dahlan No.76 Kelurahan Mojoroto Gang 1 Kec.Kota, Kota Kediri .

Waktu penelitian telah ditetapkan oleh lembaga sesuai dengan SK Rektor / Dekan selama 6 bulan. Adapun tabel penelitian adalah sebagai berikut :

Tabel 1.1 Jadwal Penelitian

Bulan / Minggu ke-

No Kegiatan

April ‘15 Mei ‘15 .

Januari ‘15

Februari ‘15 Maret ‘15

1 Observasi

2 Penggalian data

3 Pengumpulan data Pengolahan dan

4 analisis data

5 Analisa System

6 Design Sistem

7 Coding

8 Pengujian System

9 Pembuatan Laporan

4. Kriteria Pengujian

Kriteria yang digunakan untuk menyatakan keberhasilan penelitian yang dilakukan adalah sebagai berikut :

a. Kriteria validitas atau ketepatan yaitu input data dalam program tepat dengan keadaan yang sebenarnya.

b. Kriteria keefektifan yaitu aplikasi sistem rekomendasi topik acuan skripsi sangat efektif karena bisa menghemat waktu, mahasiswa dalam menentukan topik skripsi.

c. Kriteria security atau keamanan yaitu keamanan, penyimpanan data mahasiswa yang berkaitan dengan penentuan topik dalam sistem komputerisasi akan lebih aman karena hanya pihak-pihak tertentu yang mempunyai hak akses yang bisa mengakses data mahasiswa karena adanya sistem password pada aplikasi ini, sehingga pihak yang tidak berwenang termasuk software robot yang tidak berwenang tidak dapat masuk dan merekayasa hasil sistem ini.

H. Sistematika Penulisan

Adapun garis besar sistematika penulisan skripsi tugas akhir ini adalah sebagai berikut : BAB I PENDAHULUAN

Bab ini menjelaskan tentang Latar Belakang Masalah, Identifikasi Masalah, Batasan Masalah, Rumusan Masalah, Hipotesis, Tujuan Penelitian, Kegunaan Penelitian, Metode Penelitian, Sistematika Penulisan.

BAB II LANDASAN TEORI

Bab ini memuat dasar teori yang berfungsi sebagai sumber atau alat dalam memahami permasalahan yang berkaitan dengan Artificiall Neural Network(ANN) , pengertian Clustering, Metode Self Organizing Map (SOM) dan mengenai teori-teori Bab ini memuat dasar teori yang berfungsi sebagai sumber atau alat dalam memahami permasalahan yang berkaitan dengan Artificiall Neural Network(ANN) , pengertian Clustering, Metode Self Organizing Map (SOM) dan mengenai teori-teori

BAB III TINJAUAN UMUM LOKASI PENELITIAN

Bab ini berisikan tentang tinjauan secara umum lokasi penelitian (nama dan alamat lokasi penelitian ), visi dan misi, struktur organisasi serta tugas dan wewenang.

BAB IV PENGEMBANGAN SISTEM

Bab ini berisikan tentang perencanaan dan tahapan implementasi (pembagian dan keterkaitan modul/ prosedur/ class implementation ), flowchart, Data Flow Diagran(DFD) Entity Relationship Data (ERD), perjalanan tahap implementasi (pengkodean), ulasan realisasi fungsional, ulasan realisasi user interface design .

BAB V EVALUASI SISTEM

Bab ini berisikan tentang analisa perancangan (analisa sistem dan logika metode), perancangan sistem (input, output, modul/class ), implementasi(tampilan interface program).

BAB IV PENUTUP

Bab ini berisikan kesimpulan dan saran penulis berkenaan dengan perbaikan sistem agar pelaksanaan penelitian bisa berjalan sesuai dengan rencana

BAB II LANDASAN TEORI

A. Teori Pendukung

1. Skripsi

Universitas Nusantara PGRI Kediri (2013), buku Panduan Penulisan Karya Tulis Ilmiah (KTI) mendefinisikan skripsi adalah sebagai berikut “ Skripsi adalah istilah yang digunakan di Indonesia untuk mengilustrasikan suatu karya tulis ilmiah berupa paparan tulisan hasil penelitian sarjana S1 yang membahas suatu permasalahan/fenomena dalam bidang ilmu tertentu dengan menggunakan kaidah-kaidah yang berlaku ”.

Skripsi bertujuan agar mahasiswa mampu menyusun dan menulis suatu karya ilmiah, sesuai dengan bidang ilmunya. Mahasiswa yang mampu menulis skripsi dianggap mampu memadukan pengetahuan dan keterampilannya dalam memahami, menganalisis, menggambarkan, dan menjelaskan masalah yang berhubungan dengan bidang keilmuan yang diambilnya. Skripsi merupakan persyaratan untuk mendapatkan status sarjana (S1) di setiap Perguruan Tinggi Negeri (PTN) maupun Perguruan Tinggi Swasta (PTS) yang ada di Indonesia. Istilah skripsi sebagai tugas akhir sarjana hanya digunakan di Indonesia. Negara lain, seperti Australia menggunakan istilah thesis untuk penyebutan tugas akhir dengan riset untuk jenjang undergraduate (S1), postgraduate (S2), Ph.D. dengan riset (S3) dan disertation untuk tugas riset dengan ukuran yang kecil baik undergraduate (S1) ataupun postgraduate (pascasarjana), Sedangkan Skripsi bertujuan agar mahasiswa mampu menyusun dan menulis suatu karya ilmiah, sesuai dengan bidang ilmunya. Mahasiswa yang mampu menulis skripsi dianggap mampu memadukan pengetahuan dan keterampilannya dalam memahami, menganalisis, menggambarkan, dan menjelaskan masalah yang berhubungan dengan bidang keilmuan yang diambilnya. Skripsi merupakan persyaratan untuk mendapatkan status sarjana (S1) di setiap Perguruan Tinggi Negeri (PTN) maupun Perguruan Tinggi Swasta (PTS) yang ada di Indonesia. Istilah skripsi sebagai tugas akhir sarjana hanya digunakan di Indonesia. Negara lain, seperti Australia menggunakan istilah thesis untuk penyebutan tugas akhir dengan riset untuk jenjang undergraduate (S1), postgraduate (S2), Ph.D. dengan riset (S3) dan disertation untuk tugas riset dengan ukuran yang kecil baik undergraduate (S1) ataupun postgraduate (pascasarjana), Sedangkan

Dalam penulisan skripsi, mahasiswa dibimbing oleh satu atau dua orang pembimbing yang berstatus dosen pada perguruan tinggi tempat mahasiswa kuliah. Untuk penulisan skripsi yang dibimbing oleh dua orang, dikenal istilah Pembimbing I dan Pembimbing II. Biasanya, Pembimbing I memiliki peranan yang lebih dominan bila dibanding dengan Pembimbing II.

Proses penyusunan skripsi berbeda-beda antara satu kampus dengan yang lain. Namun umumnya, proses penyusunan skripsi adalah sebagai berikut:

1. Pengajuan judul skripsi

2. Pengajuan proposal skripsi

3. Seminar proposal skripsi

4. Penelitian

5. Setelah penulisan dianggap siap dan selesai, mahasiswa mempresentasikan hasil karya ilmiahnya tersebut pada Dosen Penguji (sidang tugas akhir).

6. Mahasiswa yang hasil ujian skripsinya diterima dengan revisi, melakukan proses revisi sesuai dengan masukan Dosen Penguji.

Terdapat juga proses penyusunan skripsi yang cukup ringkas sebagai berikut:

1. Pengajuan judul skripsi/meminta topik acuan skripsi dari dosen

2. Penelitian dan bimbingan skripsi

3. Seminar

4. Sidang

5. Revisi

Farid Hamid, dan A. Rachman(2008), Buku Panduan Skripsi , menyebutkan bahwa skripsi mempunyai beberapa karakteristik, yaitu :

1. Merupakan karya ilmiah sehingga harus dihasilkan melalui metode ilmiah.

2. Merupakan laporan tertulis dari hasil penelitian pada salah satu aspek kehidupan masyarakat atau organisasi (untuk ilmu sosial).

Hasil penelitian ini dikaji dengan merujuk pada suatu fenomena, teori, atau hasil- hasil penelitian yang relevan yang pernah dilaksanakan sebelumnya.

2. Jaringan Syaraf Tiruan(Neural Network)

Jaringan saraf tiruan merupakan jaringan dari unit pemroses kecil yang saling terhubung, yang dimodelkan berdasar jaringan saraf (neuron) jaringan saraf.

Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network (ANN) , atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.

Secara sederhana, JST adalah sebuah alat pemodelan data statistik non- linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data (Larose, 2005).

a. Sejarah Neural Network

Saat ini bidang kecerdasan buatan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain.

Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini disebut ‘Cognitive Science’. Dari teori dasar ini dibuatlah suatu model untuk disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan.

Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf tiruan bermula pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943. Dalam makalah tersebut mereka mencoba untuk memformulasikan model matopiktis sel-sel otak. Metode yang dikembangkan berdasarkan sistem saraf biologi ini, merupakan suatu langkah maju dalam industri komputer (Larose, 2005).

b. Pengertian Neural Network

Tidak ada dua otak manusia yang sama, setiap otak selalu berbeda. Beda dalam ketajaman, ukuran dan pengorganisasiannya. Salah satu cara untuk memahami bagaimana otak bekerja adalah dengan mengumpulkan informasi dari sebanyak mungkin scan otak manusia dan memetakannya. Hal tersebut merupakan upaya untuk menemukan cara kerja rata-rata otak manusia itu. Peta otak manusia diharapkan dapat menjelaskan misteri Tidak ada dua otak manusia yang sama, setiap otak selalu berbeda. Beda dalam ketajaman, ukuran dan pengorganisasiannya. Salah satu cara untuk memahami bagaimana otak bekerja adalah dengan mengumpulkan informasi dari sebanyak mungkin scan otak manusia dan memetakannya. Hal tersebut merupakan upaya untuk menemukan cara kerja rata-rata otak manusia itu. Peta otak manusia diharapkan dapat menjelaskan misteri

Walaupunn demikian kepastian cara kerja otak manusia masih merupakan suatu misteri. Meski beberapa aspek dari prosesor yang menakjubkan ini telah diketahui tetapi itu tidaklah banyak. Beberapa aspek-aspek tersebut, yaitu :

a. Tiap bagian pada otak manusia memiliki alamat, dalam bentuk formula kimia, dan sistem saraf manusia berusaha untuk mendapatkan alamat yang cocok untuk setiap akson (saraf penghubung) yang dibentuk.

b. Melalui pembelajaran, pengalaman dan interaksi antara sistem maka struktur dari otak itu sendiri akan mengatur fungsi-fungsi dari setiap bagiannya.

c. Axon-axon pada daerah yang berdekatan akan berkembang dan mempunyai bentuk fisik mirip, sehingga terkelompok dengan arsitektur tertentu pada otak.

d. Axon berdasarkan arsitekturnya bertumbuh dalam urutan waktu, dan terhubung pada struktur otak yang berkembang dengan urutan waktu yang sama.

Berdasarkan keempat aspek tersebut di atas dapat ditarik suatu kesimpulan bahwa otak tidak seluruhnya terbentuk oleh proses genetis. Terdapat proses lain yang ikut membentuk fungsi dari bagian-bagian otak, yang pada akhirnya menentukan bagaimana suatu informasi diproses oleh otak (Larose, 2005).

Elemen yang paling mendasar dari jaringan saraf adalah sel saraf. Sel-sel saraf inilah membentuk bagian kesadaran manusia yang meliputi beberapa kemampuan umum. Pada dasarnya sel saraf biologi menerima masukan dari sumber yang lain dan mengkombinasikannya dengan beberapa cara, melaksanakan suatu operasi yang non-linear untuk mendapatkan hasil dan kemudian mengeluarkan hasil akhir tersebut.

Dalam tubuh manusia terdapat banyak variasi tipe dasar sel saraf, sehingga proses berpikir manusia menjadi sulit untuk direplikasi secara elektrik. Sekalipun demikian, semua sel saraf alami mempunyai empat komponen dasar yang sama. Keempat komponen dasar ini diketahui berdasarkan nama biologinya yaitu, dendrit, soma, akson, dan sinapsis. Dendrit merupakan suatu perluasan dari soma yang menyerupai rambut dan bertindak sebagai saluran masukan. Saluran masukan ini menerima masukan dari sel saraf lainnya melalui sinapsis. Soma dalam hal ini kemudian memproses nilai masukan menjadi sebuah output yang kemudian dikirim ke sel saraf lainnya melalui akson dan sinapsis.

Penelitian terbaru memberikan bukti lebih lanjut bahwa sel saraf biologi mempunyai struktur yang lebih kompleks dan lebih canggih daripada sel saraf buatan yang kemudian dibentuk menjadi jaringan saraf buatan yang ada sekarang ini. Ilmu biologi menyediakan suatu pemahaman yang lebih baik tentang sel saraf sehingga memberikan keuntungan kepada para perancang jaringan untuk dapat terus meningkatkan sistem jaringan saraf Penelitian terbaru memberikan bukti lebih lanjut bahwa sel saraf biologi mempunyai struktur yang lebih kompleks dan lebih canggih daripada sel saraf buatan yang kemudian dibentuk menjadi jaringan saraf buatan yang ada sekarang ini. Ilmu biologi menyediakan suatu pemahaman yang lebih baik tentang sel saraf sehingga memberikan keuntungan kepada para perancang jaringan untuk dapat terus meningkatkan sistem jaringan saraf

Sel saraf-sel saraf ini terhubung satu dengan yang lainnya melalui sinapsis. Sel saraf dapat menerima rangsangan berupa sinyal elektrokimiawi dari sel saraf-sel saraf yang lain. Berdasarkan rangsangan tersebut, sel saraf akan mengirimkan sinyal atau tidak berdasarkan kondisi tertentu. Konsep dasar semacam inilah yang ingin dicoba para ahli dalam menciptakan sel tiruan.

c. Definisi Neural Network

Suatu jaringan saraf tiruan memproses sejumlah besar informasi secara paralel dan terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa definisi tentang jaringan saraf tiruan adalah sebagai berikut di bawah ini. Hecht-Nielsend (1988) mendefinisikan sistem saraf buatan sebagai berikut: "Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matopiktis yang diinginkan. Seluruh proses yang berlangsung pada setiap Suatu jaringan saraf tiruan memproses sejumlah besar informasi secara paralel dan terdistribusi, hal ini terinspirasi oleh model kerja otak biologis. Beberapa definisi tentang jaringan saraf tiruan adalah sebagai berikut di bawah ini. Hecht-Nielsend (1988) mendefinisikan sistem saraf buatan sebagai berikut: "Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matopiktis yang diinginkan. Seluruh proses yang berlangsung pada setiap

Menurut Haykin, S. (1994), Neural Networks: A Comprehensive Foundation, NY, Macmillan, mendefinisikan jaringan saraf sebagai berikut: “Sebuah jaringan saraf adalah sebuah prosesor yang terdistribusi paralel dan

`dari pengalaman dan membuatnya tetap tersedia untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1. Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. 2. Kekuatan hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk menyimpan pengetahuan ”.

Dan menurut Zurada, J.M. (1992), Introduction To Artificial Neural Sistems, Boston: PWS Publishing Company, mendefinisikan sebagai berikut:

“Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman”.

DARPA Neural Network Study (1988, AFCEA International Press, p. 60) mendefinisikan jaringan syaraf buatan sebagai berikut :

“Sebuah jaringan syaraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya “Sebuah jaringan syaraf adalah sebuah sistem yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara paralel dimana fungsinya

d. Kegunaan Neural Network

Jaringan saraf tiruan pada umumnya digunakan untuk tugas atau pekerjaan yang kurang praktis jika dikerjakan secara manual.

e. Kegunaan Dalam Kehidupan Nyata

Perkiraan Fungsi, atau Analisis Regresi, termasuk prediksi time series dan modeling.

a) Klasifikasi, termasuk pengenalan pola dan pengenalan urutan, serta

pengambil keputusan dalam pengurutan juga berguna untuk robotik.

b) Pengolahan data, termasuk penyaringan, pengelompokan, dan kompresi.

f. Jaringan Syaraf Tiruan Kohonen Self Organizing Maps (SOM) JST Kohonen-SOM merupakan salah satu model JST yang

menggunakan metode unsupervised learning artinya jaringan dibekali dengan pengetahuan dasar (parameter-parameter jaringan) dan kemudian mengorganisasikan sendiri hubungan-hubungan interkoneksi dalam dirinya atas masukan yang diberikan sehingga dengan demikian target tidak dibutuhkan.

Jaringan ini terdiri dari dua lapisan (layer), yaitu lapisan input dan lapisan output. Setiap neuron dalam lapisan input terhubung dengan setiap Jaringan ini terdiri dari dua lapisan (layer), yaitu lapisan input dan lapisan output. Setiap neuron dalam lapisan input terhubung dengan setiap

Input

Self Organizing Map Layer

IW i,j P 1 N C

R x I ||ndist|| S i xi S xi R i

1 N 1,1

i = -||i|W -P||

1 a i =compet(n )

Gambar 2.1 Arsitektur SOM

Misalkan masukan berupa vektor yang tediri dari n komponen yang akan dikelompokkan dalam maksimum 28 buah kelompok. Keluaran jaringan adalah kelompok yang paling dekat/mirip dengan masukan yang diberikan. Ada beberapa ukuran kedekatan yang dapat dipakai. Ukuran yang paling sering digunakan adalah jarak Eucledian yang paling minimum.

Bobot vektor-vektor contoh berfungsi sebagai penentu kedekatan antara vektor tersebut dengan masukan yang diberikan. Selama proses pengaturan, vektor contoh yang pada saat itu paling dekat dengan masukan akan muncul sebagai pemenang, kemudian vektor pemenang dan vektor-vektor sekitarnya akan dimodifikasi bobotnya(Larose,2005).

3. Cluster Analysis

Clustering adalah pengelompokan dari record, observasi-observasi atau kasus-kasus ke kelas yang memiliki kemiripan objek-objeknya. Cluster adalah koleksi dari record yang mirip, dan tidak mirip dengan record dari cluster lain.

Clustering berbeda dengan klasifikasi, dalam hal tidak ada variabel target untuk clustering. Clustering tidak mengklasifikasikan, meramalkan, atau memprediksi nilai dari sebuah variabel target. Algoritma-algoritma clustering digunakan untuk menentukan segmen keseluruhan himpunan data menjadi subgroup yang relatif sama atau cluster dengan kesamaan record dalam cluster dimaksimumkan dan kesamaan record diluar cluster diminimumkan (Larose 2005).

Pada dasamya clustering terhadap data adalah suatu proses

untuk mengelompokkan sekumpulan data tanpa suatu atribut kelas yang telah didefinisikan sebelumnya, berdasarkan pada prinsip konseptual clustering yaitu memaksimalkan dan juga meminimalkan kemiripan intra kelas. Misalnya, sekumpulan obyek-obyek komoditi pertama-tama dapat di clustering menjadi sebuah himpunan kelas-kelas dan lalu menjadi sebuah himpunan aturan-aturan yang dapat diturunkan berdasarkan suatu klasifikasi tertentu.

Proses untuk mengelompokkan secara fisik atau abstrak obyek-

obyek ke dalam bentuk kelas-kelas atau obyek-obyek yang serupa,disebut dengan clustering atau unsupervised classification. Melakukan analisa dengan clustering, akan sangat membantu untuk membentuk partisi-partisi yang berguna terhadap sejumlah besar himpunan obyek dengan obyek ke dalam bentuk kelas-kelas atau obyek-obyek yang serupa,disebut dengan clustering atau unsupervised classification. Melakukan analisa dengan clustering, akan sangat membantu untuk membentuk partisi-partisi yang berguna terhadap sejumlah besar himpunan obyek dengan

Perbedaan utama antara Clustering Analysis dan klasifikasi adalah

bahwa Clustering Analysis digunakan untuk memprediksi kelas dalam format bilangan real dad pada format katagorikal atau Boolean.

Secara umum metode utama clustering dapat diklasifikasikan menjadi kategori-kategori berikut (Han & Kamber 2001):

1) Metode partisi. Misalkan ada sebuah basis data berisi n objek. Metode partisimembangun k partisi pada basis data tersebut, dengan tiap partisi merepresentasikan cluster dan k ≤n. Partisi yang terbentuk harus memenuhi syarat yaitu setiap cluster harus berisi minimal satu objek dan setiap objek harus termasuk tepat satu cluster.

2) Metode hirarkhi, yaitu membuat sebuah dekomposisi berhirarki dari himpunan data (atau objek) menggunakan beberapa kriteria. Metode ini memiliki dua jenis pendekatan yaitu :

a) Agglomerative, dimulai dengan titik-titik sebagai cluster individu. Pada setiap tahap dilakukan penggabungan setiap pasangan titik pada cluster sampai hanya satu titik (atau cluster) yang tertinggal.

b) Divisive, dimulai dengan satu cluster besar yang berisi semua titik data.Pada setiap langkah, dilakukan pemecahan sebuah cluster sampai setiap cluster berisi sebuah titik (atau terdapat k -cluster)

3) Metode berdasarkan kepekatan,merupakan pendekatan yang berdasarkan pada konektivitas dan fungsi kepadatan.

4) Metode berdasarkan grid, merupakan pendekatan yang berdasarkan pada struktur multiple-level granularity.

5) Metode berdasarkan model, yaitu: sebuah model yang dihipotesis untuk tiap cluster dan ide dasarnya adalah untuk menemukan model yang cocok untuk tiap cluster.

4. Self Organizing Map (SOM)

Jaringan Kohonen diperkenalkan oleh Teuvo Kohonen seorang ilmuwan Finlandia pada tahun 1982. Jaringan Kohonen memberikan sebuah tipe dari SOM, kelas khusus dari jaringan syaraf tiruan (Larose 2004). SOM merupakan metode berdasarkan model dari pendekatan jaringan syaraf tiruan (Han & Kamber 2001). SOM adalah metode terkemuka pendekatan jaringan syaraf tiruan untuk clustering, setelah competitive learning (Han & Kamber 2001).

SOM berbeda dengan competitive learning yaitu syaraf dalam satu lingkungan belajar untuk mengenali bagian lingkungan dari ruang input. SOM mengenali distribusi (seperti competitive learning) dan topologi dari vektor input yang melalui proses training(Demuth & Beale 2003).

SOM memperlihatkan tiga karakteristik: kompetisi yaitu setiap vektor

bobot saling berlomba untuk menjadi simpul pemenang, kooperasi yaitu setiap simpul pemenang bekerjasama dengan lingkungannya, dan adaptasi yaitu perubahan simpul pemenang dan lingkungannya (Larose 2004).

Metode learning Self Organizing Maps (SOM) bertujuan untuk mengklasifikasikan suatu vektor-vektor input berdasarkan bagaimana mereka mengelompok sesuai dengan karakteristik inputnya. Learning self organizing maps (SOM) bekerja dengan cara menggabungkan proses competitive layers dengan topologi vektor-vektor input yang dimasukkan dalam proses iterasi. Jaringan SOM terdiri dari dua lapisan (layer), yaitu lapisan input dan lapisan output. Setiap neuron dalam lapisan input terhubung dengan setiap neuron pada lapisan output. Setiap neuron dalam lapisan output merepresentasikan kelas dari input yang diberikan. Selama proses penyusunan diri, cluster yang memiliki vektor bobot paling cocok dengan pola input (memiliki jarak paling dekat) akan terpilih sebagai pemenang. Neuron yang menjadi pemenang beserta neuron-neuron tetangganya akan memperbaiki bobot-bobotnya. Apabila kita ingin membagi data-data menjadi K cluster, maka lapisan kompetitif akan terdiri atas K buah neuron. Arsitektur Self Organizing Map (SOM)

Gambar 2.2 Bagan Arsitektur SOM

Penulisan istilah :

X : vektor input pembelajaran. Yj : neuron/node output ke-j X i : neuron input.

w 0 : bias pada neuron 𝛼: learning rate

X = (x1,x2,…,xj,…,xn).

C : konstanta

R : radius neighborhood

output ke-j

CONTOH : Algoritma pengelompokkan pola jaringan SOM adalah sebagai berikut: Step 0 : Inisialisasi bobot (Wij)

Tentukan parameter jarak (R) Tentukan learning rate ( ∝)

Step 1 : Jika kondisi stop salah, lakukan step 2 –8 Step 2 : untuk semua input vektor x lakukan step 3 –5 Step 3 : untuk setiap j

D(j) =∑ (Wij – Xi) 2

Step 4 : dapatkan j sehingga D(j) minimal Step 5 : untuk semua j yang berada dalam jarak dan untuk semua i

Wij (baru) = Wij (lama) + ∝(Xi – Wij) lama Step 6 : update learning rate Step 7 : Update jarak Step 8 : Uji kondisi stop

(Stop jika − 𝑊𝑖𝑗 (𝑙𝑎𝑚𝑎) ≤ 𝜀 )

Kondisi penghentian iterasi adalah selisih antara wij saat itu dengan wij pada iterasi sebelumnya. Apabila semua wij hanya berubah sedikit saja, berarti iterasi sudah mencapai konvergensi sehingga dapat dihentikan. Simulasi perhitungan sederhana dalam penggunaan algoritma Self Organizing Map (SOM) : Clustering 4 vector ke dalam 2 cluster Tentukan vektor yang akan di cluster adalah : (1,1,0,0); (0,0,0,1); (1,0,0,0); (0,0,1,1); Maximum Cluster yang akan dibentuk adalah 2 cluster m = 2 Learning rate terjadi penurunan secara geometri ALPHA(0)= 0.6 |ALPHA(t+1)=0.5 ALPHA(t) Step 0 : Inisialisasi matrik bobotnya .2 .8

.9 . 3 Inisial radiusnya R = 0 Inisial learning rate nya ALPHA (0) = 0.6 Step 1 : Training dimulai Step 2 : Untuk vektor pertama (1,1,0,0) ,kerjakan step 3 -5 Step 3 :

2 2 2 2 D(1) = (.2 -1) +(.6-1) + (.5-0) +(.9-0) = 1.86

2 2 2 2 D(2) = (.8 -1) +(.4-1) + (.7-0) +(.3-0) = 0.98

Step 4 : ambil yang minimum berarti J = 2 Step 5 : Wij(new) = W i2 (Old) +.6[Xi –W i2 (old]

=.4 W i2 (old) +.6[Xi-W i2 (old)] Menghasilkan bobot matrik : .2 . 92

.9 .12 Ulangi Untuk Vektor yang lain Step 6 : ALPHA = 0.5(0.6) = 0.3 Update Bobot : Wij(new) = Wij (old)+.3[Xi – Wij(old)] = .7Wij(old) + .3Xi. Iterasi sampai mencapai batas yang diinginkan. Berikut adalah hasil training untuk 100 iterasi :

1.5 𝑒 − 7 1.0000 Iterasi 10 : bobot matriks = 4.6 𝑒 − 7 0.3700

1.95 𝑒 − 19 1.0000 Iterasi 50 : bobot matriks = 4.6 𝑒 − 15

6.5 𝑒 − 17 1.0000 Iterasi 100 : bobot matriks = 5.7 𝑒 − 16 0.3700

1000 2.3e-7 1000 2.3e-7

Dan dapatkan hasilnya terminimum sebagai cluster akhir dari vektor tersebut.

B. Perangkat Pemodelan Dalam Sistem Pembuatan Program

1. Arti Steer Web Template Designer

Artisteer adalah sebuah program pembuat template web secara otomatis secara instan, tampilan yang fantastis unik yang bisa di export untuk berbagai website template, Artisteer adalah sebuah software yang dirancang khusus untuk memudahkan pekerjaan para blogger/web developer merancang maupun memodifikasi sebuah template. Artisteer adalah software yang compatible untuk berbagai mesin Blog/Web editor. Di antaranya: Blogger, Wordpress, Joomla, Drupal, dan DotNetNuke,juga dapat merancang sebuah template HTML untuk hosting sendiri. Kelebihan lainnya adalah :

 Mendesain template yang menarik hanya dalam waktu beberapa menit  Bisa di eksport ke joomla, wordpress, blogger dan beberapa CMS

lainnya  Tidak perlu penguasaaan teknik pemrograman web maupun desain

grafik semisal photoshop.  Menyenangakan dan user friendly.

Hingga saat ini, artisteer masih merupakan software perancang template terbaik yang pernah ada, hal ini disebabkan oleh kelengkapan fitur dari software ini sendiri.

Berikut ini merupakan fitur-fitur yang dimiliki oleh artisteer template designer :

1. Kemudahan merancang template untuk berbagai blog editor.

2. Memiliki menu-menu yang akan membuat kita leluasa untuk mengedit setiap bagian dari template. Mulai mengedit header hingga ke footer. Di sana sudah termasuk mengedit tampilan blackquote dan tabel serta button.

3. Dapat mengatur sendiri dimana setiap gambar yang digunakan template di hosting

4. Dapat melakukan preview template pada browser-browser berikut : - Internet Explorer ( Ctrl + Shift + I ) - Mozilla ( Ctrl + Shift + M ) - Chrome ( Ctrl + Shift + C ) - Opera ( Ctrl + Shift + O ) - Safari ( Ctrl + Shift + S )

2. Navicat

Navicat adalah tool/alat grafikal yang handal untuk mengelola database MySQL, PostgreSQL dan Oracle, yang memiliki antarmuka yang intuitif. Mendukung dan dapat bekerja pada semua versi MySQL, PostgreSQL dan Oracle, termasuk dukungan untuk sebagian besar fungsi PostgreSQL terbaru. Navicat juga memiliki antarmuka pengguna grafis yang mudah, mengorganisasi data menjadi informasi dalam cara yang aman dan Navicat adalah tool/alat grafikal yang handal untuk mengelola database MySQL, PostgreSQL dan Oracle, yang memiliki antarmuka yang intuitif. Mendukung dan dapat bekerja pada semua versi MySQL, PostgreSQL dan Oracle, termasuk dukungan untuk sebagian besar fungsi PostgreSQL terbaru. Navicat juga memiliki antarmuka pengguna grafis yang mudah, mengorganisasi data menjadi informasi dalam cara yang aman dan

a. Dukungan untuk versi terbaru dari MySQL, PostgreSQL dan Oracle

b. Tools manajemen data yang kuat

c. Built-in Konsol SQL

d. Membuat dan menjalankan query SQL

e. Dukungan untuk beberapa koneksi untuk server lokal dan remote

f. Sinkronisasi dan menstruktur ulang

g. Membackup dan Restore

h. Import dan eksport data dalam format XLS, CSV, TXT, DBF, dan XML

i. Dukungan untuk Unicode j. Desain grafis yang mutakhir Navicat adalah multi-koneksi alat administrasi database yang

memungkinkan untuk menghubungkan ke MySQL, Oracle dan PostgreSQL database secara bersamaan dalam satu aplikasi, membuat administrasi database untuk beberapa jenis database begitu mudah.

Navicat menggabungkan fungsi Navicat lainnya. dengan koneksi yang stabil untuk jenis database yang berbeda, Navicat Premium mendukung Navicat menggabungkan fungsi Navicat lainnya. dengan koneksi yang stabil untuk jenis database yang berbeda, Navicat Premium mendukung