DESKRIPSI KINERJA SATPAM MENGGUNAKAN METODE MLP

Deskripsi Kinerja Satpam Menggunakan Metode MLP

 

Penelitian yang melibatkan Jaringan Syaraf Tiruan (JST), apapun arsitektur jaringannya, membutuhkan sekumpulan data histori yang digunakan sebagai bahan pembelajaran (learning) bagi JST untuk mengenali pola- pola datanya. Semakin besar jumlah data yang digunakan, tentunya waktu komputasi pada tahap learning pun akan bertambah, namun performa sistem akan cenderung lebih baik.

Pengaruh jaringan saraf tiruan terhadap kinerja satpam

Abstrak: 
Penilaian kinerja karyawan merupakan salah satu hal yang sangat penting dilakukan oleh pihak manajemen Sumber Daya Manusia (SDM) dalam suatu instansi, sebab aspek tersebut menjadi faktor penentu bagi para pengambil kebijakan untuk menaikkan jenjang karier dari para karyawannya atau tidak. Artikel ini menyajikan analisis terhadap penggunaan Multi Layer Perceptron (MLP) untuk memprediksi kinerja Satuan Pengamanan (Satpam) yang telah dididik oleh suatu instansi resmi. Data yang digunakan diperoleh secara langsung dari PT. Garuda Merah Indonesia, yakni lembaga pendidik dan pelatih calon Satpam, sebanyak 175 record dengan 10 atribut yang meliputi penilaian terhadap individu dalam aspek kemampuan kognitif, kepribadian, dan keterampilan. MLP memprediksi kinerja Satpam ke dalam tiga kategori, yakni “Baik”, “Cukup”, dan “Kurang”. Teknik Cross Validation sebanyak 10 fold juga digunakan pada tahap pengujian sistem untuk mengukur performa sistem secara komprehensif dengan keluaran berupa tingkat akurasi terbaik sebesar 97,75%.

 Apa itu JSF ??  

pengertian JSF : Jaringan saraf tiruan atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem saraf manusia.

 Metode : Multi Layer Perceptron

Multilayer Perceptron (MLP) merupakan model Artificial Neural Network (ANN) yang sudah sangat popular digunakan oleh banyak peneliti untuk berbagai keperluan, seperti pengenalan tulisan tangan, pengenalan wajah, pengenalan suara, prediksi timeseries, dsb. Arsitektur dari sebuah MLP, terdiri dari tiga lapisan neuron, yakni -secara terurut- input layer, hidden layer, dan output layer, dimana di setiap layer tersebut berisi sejumlah neuron yang saling terhubung dengan neuron lainnya pada lapisan setelahnya.

 Deksripsi kinerja satpam menggunakan metode MLP :

Penelitian yang melibatkan Jaringan Syaraf Tiruan (JST), apapun arsitektur jaringannya, membutuhkan sekumpulan data histori yang digunakan sebagai bahan pembelajaran (learning) bagi JST untuk mengenali pola- pola datanya. Semakin besar jumlah data yang digunakan, tentunya waktu komputasi pada tahap learning pun akan bertambah, namun performa sistem akan cenderung lebih baik.

 

Pada penelitian ini, data mentah yang digunakan diperoleh dari penelitian sebelumnya yang dilakukan oleh Wibowo dan Hartati [4], yakni berupa data kinerja Satpam dari PT. Garuda Merah Indonesia sebanyak 175 record dan 12 atribut/ kolom yang terdiri dari aspek penilaian kemampuan individu Satpam meliputi kecerdasan kognitif, kepribadian, dan keterampilan.

KESIMPULAN

Penelitian ini, menggunakan metode MLP untuk mengetahui kepribadian kinerja satpam. Karena pendeskripsian kualitas satpam dapat di ukur secara teliti melalui metode MLP yaitu Multilayer Perceptron (MLP) merupakan model Artificial Neural Network (ANN) yang sudah sangat popular digunakan oleh banyak peneliti untuk berbagai keperluan, seperti pengenalan tulisan tangan, pengenalan wajah, pengenalan suara, prediksi timeseries, dsb.

SMART CITY

MEIKARTA SMART CITY

 

ABSTRAK

Smart city merupakan wilayah kota yang telah mengintegrasikan teknologi informasi dan komunikasi dalam tata kelola sehari-hari, dengan tujuan untuk mempertinggi efisiensi, memperbaiki pelayanan publik, dan meningkatkan kesejahteraan warga, Jurnal ini di buat supaya kota yang belum menjadi kota smart city bisa menjadi kota smart city supaya warga yang ada dilingkungan smart city tersebut mersa nyaman dan tentram.

METODE PENELITIAN

•Pengukuran dilakukan secara fakta karena mendapatkan info dari internet dan media social

•Data yang diperoleh dari penelitian melalui cara pengumpulan data terhadap objek penelitian terbagi menjadi dua data yaitu data primer dan data sekunder  

•Data primer adalah : data pokok atau data utama dalam penelitian ini madia sosial dan media cetak yang membahas tentang smart city di meikarta sedangkan  

•Data sekunder adalah : data yang diperoleh dalam penelitian ini berasal dari sumber-sumber lain antara lain pendapat masyarakat yang sudah tinggal di meikarta serta orang yang berkunjung ke meikarta 

 Internet of Things sebagai Pendukung Smart City

Semua benda yang ditambatkan sensor kemudian melalui jaringan internet akan dapat terhubung dengan user interface seperti mobile applications ataupun web, jadi masing-masing benda akan memiliki alamatIP sendiri. Contoh sebuah sepeda pintar(smartbicycle) yang ditanamkan beragam sensor dan GPS yang terhubung dengan ponsel pengguna,sepeda tersebut dapat merekam rute perjalanan dan juga   mendeteksi kendaraan lain di sekitar untuk meminimalkan kecelakaan.

Beberapa penerapan benda “Smart” yang berbasis IoT antara lain:

•Smart TV

•Smart Refrigerator

•Smart AC

•Smart Watch

•Smart Car

•Smart Home

•Smart City

 Dalam membangun sebuah Smart City harus memperhatikan beberapa aspek utama yaitu:

•Smart Governance (Layanan Pemerintah berbasis IT)

•Smart Citizen (Masyarakat yang melek IT)

•Smart Technology (didukung Teknologi yang baik)

•Smart Infrastructure (Infrastruktur IT yang memadai)

•Smart Building (Bangunan dan Rumah yang berbasis IoT)

•Smart Energy (Pemenuhan energi yang berbasis IT)

•Smart Mobility (Jaringan Transportasi berbasis IoT)

•Smart Healthcare (Layanan Kesehatan berbasis IT)

•Smart Education (Layanan Pendidikan berbasis IT)

KELEBIHAN DAN KEKURANGAN  

•Kelebihan jurnal ini adalah jurnal ini mampu menjelaskan bagaimana konsep smart city dan tujuan mengapa setiap kota memilih smart city sebagai konsep utama untuk dijadikan pembangunan.

•Kekurangannya ialah meikarta pembangunannya terhenti karna masalah izin dicabut dan itu menjadikan kami tidak megetahui secara rinci sudah sampai mana arah pembangunannya.

 KESIMPULAN

Smart city,merupakan kota yang pastinya ingin dimiliki didalam semua kota yang ada di indonesia. Bekasi merupakan salah satu contoh smartcity dengan membangun meikarta sebagai smartcitynya. Dari namapun sudah smart pastinya itu sangat dibutuhkan disetiap daerah-daerah dan menjadi konsep utama dalam pembangunan disetiap kota.

Jaringan Saraf Tiruan

JARINGAN SARAF TIRUAN

Jaringan Saraf Tiruan dibuat pertama kali pada tahun 1943 oleh neurophysiologist Waren cCulloch dan logician Walter Pits, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi.

Penggambaran jst dalam kehidupan.

Perbandingan Jaringan Syaraf Tiruan dengan Konvensional Jaringan Syaraf Tiruan memiliki pendekatan yang berbeda untuk memecahkan masalah bila dibandingkan dengan sebuah komputer konvensional. Umumnya komputer konvensional menggunakan pendekatan algoritma (komputer konvensional menjalankan sekumpulan perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahui oleh komputer konvensional maka komputer konvensional tidak dapat memecahkan masalah yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalah pada komputer konvensional dimana komputer konvensional akan sangat bermanfaat jika dapat melakukan sesuatu dimana pengguna belum mengatahui bagaimana melakukannya. Jaringan Syaraf Tiruan dan suatu algoritma komputer konvensional tidak saling bersaing namun saling melengkapi satu sama lain.

CONTOH JST 

Untuk mendeteksi golongan darah manusia Dengan menggunakan pengolahan citra. Manusia berusaha keras dengan segala kemampuannya untuk menirukan kehebatan yang mereka miliki, misalnya seorang dokter dengan keahliannya dapat membedakan golongan darah manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan buatan, manusia berusaha menirukan bagaimana pola- pola dibentuk. Jaringan Syaraf Tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran manusia.

Monitoring Kondisi Mesin. Jaringan Syaraf Tiruan dapat digunakan untuk memangkas biaya dengan memberikan keahlian tambahan untuk menjadwalkan perawatan mesin. Jaringan Syaraf Tiruan dapat dilatih untuk membedakan suara sebuah mesin ketika berjalan normal (“false alarm”) dengan ketika mesin hampir mengalami suatu masalah. Setelah periode pembelajaran, keahlian dari Jaringan Syaraf Tiruan dapat digunakan untuk memperingatkan seorang teknisi terhadap kerusakan yang akan timbul sebelum terjadi yang akan menyebabkan biaya yang tidak terduga.

Jaringan Syaraf Tiruan mulai dilirik banyak kalangan karena mempunyai banyak kelebihan dibandingkan system konvensional. Jaringan Syaraf Tiruan mewakili pikiran manusia untuk mendekatkan diri dengan komputer, maksudnya Jaringan Syaraf Tiruan dirancang agar komputer dapat bekerja seperti/layaknya otak manusia. Berikut ini beberapa keunggulan dari Jaringan Syaraf Tiruan adalah :

1. Adaptive learning: Suatu kemampuan untuk melakukan suatu kegiatan yang didasarkan atas data yang diberikan pada saat pembelajaran atau dari pengalaman sebelumnya.

2. Self-Organisation: Dapat membuat organisasi sendiri atau me-representasikan informasi yang didapat pada saat pembelajaran.

3. Real Time Operation: Dapat menghasilkan perhitungan parallel dan dengan device hardware yang khusus yang dibuat akan memberikan keuntungan dengan adanya kemampuan tersebut.

4. Fault Tolerance melalui Redundant Information Coding: Kerusakan pada bagian tertentu dari jaringan akan mengakibatkan penurunan kemampuan. Beberapa jaringan mempunyai kemampuan untuk menahan kerusakan besar pada jaringan  

5. Kelebihan Jaringan Syaraf Tiruan terletak pada kemampuan belajar yang dimilikinya. Dengan kemampuan tersebut pengguna tidak perlu merumuskan kaidah atau fungsinya. Jaringan Syaraf Tiruan akan belajar mencari sendiri kaidah atau fungsi tersebut. Dengan demikian Jaringan Syaraf Tiruan mampu digunakan untuk menyelesaikan masalah yang rumit dan atau masalah yang terdapat kaidah atau fungsi yang tidak diketahui.

6. Kemampuan Jaringan Syaraf Tiruan dalam menyelesaikan masalah yang rumit telah dibuktikan dalam berbagai macam penelitian.