24 digunakan dalam tugas akhir ini adalah operator
intensification
. Operator
intensification
dirumuskan sebagai Sri Kusumadewi, dkk, 2006: 33,
�
��
�
ℎ
= 2
�
�
ℎ
2
; 0 ≤ �
�
ℎ
≤ 0,5 1
− 2 1 − �
�
ℎ
2
; 0,5 ≤ �
�
ℎ
≤ 1
2.21
3. Metode Defuzzifikasi
Defuzzifikasi adalah pemetaan himpunan
fuzzy
ke himpunan
crisp
Wang, 1997: 108. Salah satu metode defuzifikasi adalah
Largest of Maximum
Defuzzifier
. Solusi
crisp
ini diperoleh dengan mengambil nilai terbesar dari domain yang memiliki derajat keanggotaan maksimum Wang, 1997: 112.
E.
Artificial Neural Network
Artificial Neural Network
ANN pertama kali diperkenalkan oleh McCulloch dan Pitts pada tahun 1940. McCulloch dan Pitts mengatakan bahwa
kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya. Kemudian pada tahun 1958, Rosenblatt
mulai mengembangkan model jaringan yang disebut
perceptron
. Widrow dan Hoff 1960 memperkenalkan
Adaptive Linea r Neuron
ADALINE yang arsitekturnya
mirip
perceptron
. Penelitian-penelitian
terdahulu hanya
menggunakan jaringan dengan layer tunggal, sehingga pada tahun 1986, Rumelhart, Hinton dan Williams memperkenalkan
Multilayer Perceptron
MLP, yaitu
backpropagation
. Kemudian pada tahun 1988 dikembangkan model MLP, yaitu
Radial Basis Function
. Sejak tahun 1990 dilakukan penelitian untuk pengembangan
neural network
Yeung et al, 2010: 3.
25 Model ANN adalah sistem pemroses informasi yang memiliki
karakteristik mirip dengan jaringan syaraf biologi Fausett, 1994: 3. Model ANN baik digunakan untuk klasifikasi, pendekatan fungsi, optimisasi, dan
clustering
data Lin Lee, 1996: 205. Model ANN ditentukan oleh tiga hal Fausett, 1997: 3, yaitu:
a. Pola hubungan antar neuron yang disebut arsitektur jaringan.
b. Metode untuk menentukan bobot penghubung yang disebut metode
learning
algoritma pembelajaran. c.
Fungsi aktivasi yang dijalankan masing-masing neuron pada
input
jaringan untuk menentukan
output
.
Artificial Neural Network
ANN terdiri dari beberapa neuron. Neuron- neuron tersebut akan mentransformasikan
input
yang diterima ke neuron-neuron yang lain.
Input
ini dikirim ke neuron dengan bobot kedatangan tertentu dan diproses oleh fungsi perambatan yang akan menjumlahkan semua nilai bobot yang
datang. Hasil penjumlahan semua nilai bobot akan dibandingkan dengan nilai ambang
threshold
tertentu melalui fungsi aktivasi setiap neuron. Jika
input
tidak melewati suatu nilai ambang tertentu, maka neuron tersebut tidak akan diaktifkan.
Jika
input
melewati suatu nilai ambang tertentu, maka neuron tersebut akan diaktifkan sehingga neuron tersebut akan mengirimkan
output
melalui bobot- bobot
output
nya ke semua neuron yang berhubungan dengannya. Lapisan-lapisan penyusun ANN antara lain lapisan
input Input layer
, lapisan tersembunyi
Hidden layer
, dan lapisan
Output Output layer
. Lapisan
input
merupakan tempat memasukkan data. Lapisan tersembunyi terletak antara