Penerapan Jaringan Saraf Tiruan Algoritma Backpropagation Untuk Penyusunan Jadwal Mata Kuliah di Jurusan Matematika FMIPA USU

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Di zaman sekarang sebuah jadwal yang tersusun rapi merupakan kebutuhan bagi
setiap individu. Namun masalah penyusunan sebuah jadwal merupakan sebuah
masalah umum yang terjadi, seperti jadwal dari dua kegiatan pada satu waktu yang
sama (jadwal yang bentrok). Jika dilihat secara individu, penyusunan jadwal secara
manual bukanlah hal yang sulit karena adanya toleransi waktu dan jadwal
perseorangan yang berbeda-beda.Namun jika masalah penjadwalan tersebut
menyangkut banyak orang, maka ada faktor-faktor yang menyebabkan adanya
bentrokan tersebut. Contohnya seperti adanya berbagai kepentingan yang berbeda
pada tiap orang dengan lokasi yang berbeda namun pada waktu yang sama. Selain itu,
faktor human error (kesalahan manusia) juga sangat menentukan bagaimana proses
penyusunan jadwal tersebut dapat terlaksana. Kesulitan dalam menyusun sebuah
jadwal juga semakin dipersulit jika terdapat perubahan atau penambahan jadwal.

Contoh konkritnya, dalam menentukan jadwal perkuliahan. Terdapat
mahasiswa yang mengambil lebih dari satu mata kuliah, oleh karena itu penyusunan
jadwal ujian suatu mata kuliah tidak boleh berbentrokan dengan jadwal ujian mata
kuliah lain.

Algoritma Backpropagation adalah suatu algoritma Jaringan Saraf Tiruan yang
baik digunakan dalam suatu pengoptimalan, karena algoritma ini dapat menghitung
kembali suatu dari hasil suatu output guna meminimalkan error yang timbul.

Di dalam skripsi ini penulis mencoba menerapkan Algoritma Bakpropagation
dalam Jaringan Saraf Tiruan untuk membuat pengoptimalan jadwal perkuliahan.

Universitas Sumatera Utara

2

1.2 Perumusan Masalah

Permasalahan yang akan dibahas adalah membuat jadwal perkuliahan di
departemenMatematika FMIPA USU yang optimal dengan menerapkan Jaringan

Saraf Tiruan dengan Algoritma pembelajaran Backpropagation.

1.3 Batasan Masalah

Dalam penulisan ini, penulis memberikan batasan yang akan dilakukan, yaitu:
1. Tidak ada perubahan atau pergantian jadwal secara mendadak
2. Durasi masing-masing perkuliahan dianggap sama.

1.4 Tinjauan Pustaka

(Ross, Dave, Hasiao, 1994) Penjadwalan kuliah (Lecture Timetabling) adalah masalah
menempatkan waktu dan ruangan kepada sejumlah matakuliah, tutorial, dan kegiatan
akademik sejenis dengan memperhatikan sejumlah aturan yang berhubungan dengan
kapasitas dan lokasi dari ruangan yang tersedia, waktu yang diperlukan dan sejumlah
aturan lain yang berkaitan dengan toleransi untuk dosen, dan hubungan antara mata
kuliah pilihan.

(Kusumadewi, 2003) Jaringan Saraf Tiruan adalah merupakan salah satu
representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan
proses pembelajaran pada otak manusia tersebut. Istilah buatan di sini digunakan

karena jaringan saraf ini diimplementasikan dengan menggunakan program komputer
yang

mampu

menyelesaikan

sejumlah

proses

perhitungan

selama

proses

pembelajaran.

(F. Suhandi, 2009) Backpropagation adalah pelatihan jenis terkontrol

(supervised) dimana menggunakan pola penyesuaian bobot untuk mencapai nilai
kesalahan yang minimum antara keluaran hasil prediksi dengan keluaran yang nyata.

Universitas Sumatera Utara

3

(Puspitaningrum, 2006) Algoritma pembelajaran Backpropagation dengan
sebuah lapisan tersembunyi sebagai berikut:
Langkah 1 : Inisialisasi bobot-bobot. Tentukan angka pembelajaran (  ).Tentukan
juga nilai toleransi error, atau tentukan maksimal epoch (bila
digunakan sebagai kondisi berhenti).

Langkah 2 : Ketika kondisi berhenti tidak terpenuhi, lakukan langkah 3 sampai
langkah 10.

Langkah 3 : Untuk setiap pasangan pelatihan, lakukan langkah 4 sampai langkah 9.

Tahap Feedforward
Langkah 4 : Setiap unit input xi (dari unit ke-1 sampai ke-n pada lapisan input)

mengirimkan sinyal input ke semua lapisan yang ada di lapisan atasnya
(lapisan tersembunyi).
Langkah 5 : Pada setiap unit di lapisan tersembunyi z j (dari unit ke-1 sampai unit
ke-p; i=1,2,…,n; j=1,2,…,p) sinyal output lapisan tersembunyinya
dihitung dengan menerapkan fungsi aktivasi terhadap penjumlahan
sinyal-sinyal input berbobot xi :
n


z j  f  v0 j   vij 
i 1



Kemudian dikirim ke semua unit di lapisan atasnya.

Langkah 6 : Setiap unit di lapisan output yk (dari unit ke-1 sampai unit ke-m;
i=1,2,…,n; k=1,2,…,m) dihitung sinyal outputnya dengan menerapkan
fungsi aktivasi terhadap penjumlahan sinyal-sinyal input berbobot z j
bagi lapisan ini:

p


yk  f  w0 k   z j w jk 
i 1



Universitas Sumatera Utara

4

Tahap Backpropagation
Langkah 7 : Setiap unit output yk (k=1, 2, 3, …,m) menerima pola target tk lalu
informasi kesalahan lapisan output (  k ) dihitung.  k dikirim ke lapisan
di bawahnya dan digunakan untuk menghitung besar koreksi bobot dan
bias ( w jk dan w0k ) antara lapisan tersembunyi dengan lapisan
output.


p





j 1



 k   tk  yk  f '  w0 k   w jk 
w jk   k z j

w0k   k

Langkah 8 : Pada setiap unit di lapisan tersembunyi dilakukan perhitungan
informasi kesalahan lapisan tersembunyi (  j ).  j kemudian digunakan
untuk menghitung besar koreksi bobot dan bias ( vij dan v0 j ) antara
lapisan input dan lapisan tersembunyi.



m





n







i 1



 j     k w jk  f '  v0 j   xi vij 
 k 1

vij   j xi
v0 j   j

Tahap Memperbaharui Nilai Bobot dan Bias
Langkah 9 : Pada setiap unit output yk dilakukan pembaharuan nilai bias dan bobot
sehingga bias dan bobot yang baru menjadi:
w jk (baru) = w jk (lama) + w jk

Dari unit ke-1 sampai unit ke-p di lapisan tersembunyi juga dilakukan pembaharuan
pada bias dan bobotnya (i=0,1,…,n;j=1,2,…,p):
vij (baru) = vij (lama) + vij

Langkah 10 : Tes kondisi berhenti.

Universitas Sumatera Utara

5

1.5 Tujuan Penelitian

Tujuan

dari

penelitian

ini

adalah

untuk

melihat

penggunaan

Algoritma

Backpropagation dalam Jaringan Saraf Tiruan untuk persoalan mengoptimalkan
jadwal perkuliahan, serta untuk mencoba membuat susunan-susunan kode programnya
dalam suatu bahasa pemrograman.

1.6 Kontribusi Penelitian

Manfaat dari penelitian ini adalah sebagai berikut.

1. Membantu penulis menerapkan ilmu-ilmunya yang telah didapat diperkuliahan ke
dunia nyata.
2. Meneliti penggunaan Algoritma Backpropagation dalam membuat jadwal yang
optimal.
3. Dapat

digunakan

sebagai

tambahan

untuk

mahasiswa

Matematika,

informasi

terlebih

bagi

dan

referensi

mahasiswa

yang

bacaan
hendak

melakukan penelitian serupa.

1.7 Metode Penelitian

Penelitian ini disusun dengan langkah-langkah sebagai berikut:

1. Mencari literatur dari beberapa buku dan jurnal tentang Algoritma pembelajaran
Backpropagation

dalam

Jaringan

Saraf

Tiruan,

tentang

Penjadwalan

(Schedulling), serta tentang bahasa pemrograman Java.

2. Membuat pengoptimalan jadwal mata kuliah dengan penerapan Algoritma
Backpropagation.

3. Menyusunnya ke dalam bahasa program mengunakan bahasa pemrograman Java.

Universitas Sumatera Utara