Articles

Found 31 Documents
Search

Prediksi Jumlah Nilai Impor Sumatera Utara Menurut Negara Asal Menggunakan Algoritma Backpropagation Purba, Indri Sriwahyuni; Wanto, Anjar
Techno.Com Vol 17, No 3 (2018): Agustus 2018
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (429.148 KB)

Abstract

Dalam memenuhi kebutuhan dalam negeri, pemerintah mesti melakukan kegiatan ekonomi Internasional salah satunya impor. Impor adalah proses transportasi barang atau komoditas dari suatu Negara ke Negara lain secara legal. Terkhusus di provinsi Sumatera Utara selalu terjadi kenaikan jumlah impor tiap tahunnya terhitung pada tahun 2014-2016 di Badan Pusat Statistik ( BPS ) Sumatera Utara. Pada penelitian ini, penulis akan memprediksi jumah nilai impor untuk 5 tahun kedepan dengan menggunakan algoritma backpropagation. Backpropagation merupakan salah satu metode Jaringan Syaraf Tiruan (Artificial Neural Network), yang cukup handal dalam memecahkan masalah. Salah satunya adalah prediksi jumlah nilai impor di Sumatera Utara. Penelitian ini menggunakan 5 model arsitektur : 4-12-1, 4-15-1,4-18-1, 4-19-1, 4-20-1, dari kelima model tersebut akurasi terbaik  diperoleh dari model arsitekktur 4-19-1 dengan nilai akurasi 100%, epoch 2807 iterasi, dan MSE yaitu 0.00099930653.
Pelatihan Pemanfaatan Mendeley Desktop Sebagai Program Istimewa Untuk Akademisi Dalam Membuat Citasi Karya Ilmiah Windarto, Agus Perdana; Hartama, Dedy; Wanto, Anjar; Parlina, Iin
AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Vol 2, No 2 (2018): Agustus
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/aks.v2i2.1319

Abstract

Desktop mendeley application is actually an application intended to facilitate the creation of citations and a list of libraries commonly used by the authors, so the authors will be pressed error in making the bibliography and facilitate in obtaining the writings to be cited. In addition to creating scientific papers, this application can also be used to manage the files of online journal articles that are the output of a scientific work. Furthermore, participants can utilize this application for the purpose of making a bibliography or collection of abstracts of certain fields of journal articles subscribed. Training activities undertaken in Community Service activities show that participants have a material understanding and the potential to make refernsi managers better and maximum by utilizing mendeley desktop applications.
ANALISIS ALGORITMA BACKPROPAGATION DALAM PREDIKSI NILAI EKSPOR (JUTA USD) Saragih, Jonas Rayandi; Saragih, Mhd. Billy Sandi; Wanto, Anjar
Jurnal Pendidikan Teknologi dan Kejuruan Vol 15, No 2 (2018): Edisi Juli 2018
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (71.575 KB) | DOI: 10.23887/jptk-undiksha.v15i2.14362

Abstract

In a study, the analysis is necessary for the accuracy and accuracy of an education. So also in prediction Export Value (Million USD). This research will discuss the value of export in general in North Sumatra based on Million USD. This research is conducted to know the export development in North Sumatera in the future. This research uses Artificial Neural Network with Backpropagation algorithm. The research data used comes from the Central Bureau of Statistics of North Sumatra from 2012 until 2017. This research will use five architectural models namely 4-5-1, 4-7-1, 4-9-1, 4-10-1 and 4-11-1. The best model of the five models is 4-7-1 with a 100% accuracy rate, with a time of 27 seconds. The error rate used is 0.001 - 0.05. Thus, this model is good enough to predict Export Value in North Sumatra, because its accuracy reaches 100%.
SELEKSI PENERIMAAN ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA AHP PADA AMIK-STIKOM TUNAS BANGSA PEMATANGSIANTAR Wanto, Anjar; Kurniawan, Eko
JURNAL INFORMATIKA DAN KOMPUTER Vol 3, No 1 (2018): FEBRUARI - AGUSTUS 2018
Publisher : Puslit dan PPM STMIK AKAKOM Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (369.019 KB) | DOI: 10.26798/jiko.2018.v3i1.106

Abstract

Penelitian ini bertujuan untuk membangun sistem pendukung keputusan yang mempunyai kemampuan menganalisa dalam pemilihan asisten laboratorium menggunakan Algoritma Analytical Hierarchy Process (AHP) pada AMIK-STIKOM Tunas Bangsa pematangsiantar. Karena selama ini belum adanya sistem yang dapat membantu manajemen dalam menentukan calon asisten laboratorium yang layak untuk dipekerjakan. Diharapkan dengan adanya sistem ini dapat membantu pihak Yayasan dalam melakukan penilaian dan dapat dijadikan masukan (Referensi) oleh pihak Yayasan untuk mengambil keputusan dalam menyeleksi calon asisten laboratorium yang layak diterima. Seleksi penerimaan asisten laboratorium menggunakan Algoritma Analytical Hierarchy Process (AHP) ini nantinya dapat menghasilkan alternatif terbaik, dengan kriteria-kriteria yang telah ditentukan berupa wawancara, ujian tertulis, ujian praktek, dan IPK. Sehingga seleksi penerimaan asisten laboratorium dapat berjalan secara tepat dan sesuai dengan yang diharapkan. Sistem ini nantinya akan dibangun menggunakan pemrograman web agar proses seleksi menjadi lebih efektif dan efisien.
Analisis Jaringan Saraf Dalam Estimasi Tingkat Pengangguran Terbuka Penduduk Sumatera Utara Wahyuni, Juli; Paranthy, Yuri Widya; Wanto, Anjar
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 3, No 1 (2018): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (812.071 KB) | DOI: 10.30811/jim.v3i1.624

Abstract

Abstrak — Pengangguran merupakan salah satu masalah ekonomi yang mempengaruhi kehidupan manusia secara langsung. Di Indonesia tingkat persentase pengangguran cukup tinggi, khususnya pada provinsi Sumatera Utara. Contohnya tercatat pada tahun 2010, kota sibolga memilik tingkat pengangguran yang paling tinggi yaitu berada di angka 17.50% dari total penduduknya. Berbeda dengan Samosir yang hanya memilik 0.55% pengangguran dari total penduduknya. Untuk dapat mengurangi jumlah pengangguran, khususnya di Sumatera Utara maka perlu dilakukan estimasi tingkat pengangguran untuk tahun-tahun mendatang, agar pemerintah memiliki acuan dalam menentukan kebijakan sehingga dapat melakukan penanggulangan terhadap jumlah pengangguran. Data yang digunakan pada penelitian ini terfokus pada data tingkat pengangguran terbuka penduduk umur 15 tahun keatas dari tahun 2010-2015 di Sumatera Utara. Metode yang digunakan dalam penelitian ini yaitu Jaringan Saraf Tiruan Backpropagation. Analisa data dilakukan dengan algoritma backpropagation menggunakan Matlab. Arsitektur jaringan yang digunakan ada 5 model (4-55-1, 4-57-1, 4-59-1, 4-61-1 dan 4-77-1), dengan model yang terbaik adalah 4-55-1 dengan Learning Rate yang digunakan 0.01. Sehingga menghasilkan tingkat akurasi 88% dengan nilai Mean Squared Error (MSE) adalah 0,55701127.Kata kunci— Pengangguran, Estimasi, Penduduk, Jaringan Saraf, Sumatera Utara.Abstract — Unemployment is one of the economic problems that affect human life directly. In Indonesia the level of unemployment is quite high, especially in North Sumatra province. For example, recorded in 2010, sibolga city has the highest unemployment rate that is at 17.50% of the total population. In contrast to Samosir who only have 0.55% unemployment out of the total population. In order to reduce the number of unemployment, especially in North Sumatra, it is necessary to estimate the unemployment rate for the coming years, so that the government has a reference in determining the policy so that it can handle the number of unemployed. The data used in this study focuses on open unemployment rate data of the population aged 15 years and over from 2010-2015 in North Sumatra. The method used in this research is Artificial Neural Network Backpropagation. Data analysis is done by backpropagation algorithm using Matlab. Network architecture used there are 5 models (4-55-1, 4-57-1, 4-59-1, 4-61-1 and 4-77-1), with the best model is 4-55-1 with Learning Rate used 0.01. So as to produce an accuracy of 88% with the Mean Squared Error (MSE) is 0.55701127.Keywords— Unemployment, Estimation, Population, Neural Network, North Sumatera.
Optimasi Prediksi Dengan Algoritma Backpropagation Dan Conjugate Gradient Beale-Powell Restarts Wanto, Anjar
Jurnal Nasional Teknologi dan Sistem Informasi Vol 3, No 3 (2017): Desember 2017
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v3i3.2017.370-380

Abstract

Optimization of a prediction (forecasting) is very important to do so that the predicted results obtained to be better and quality. In this study, the authors optimize previous research that has been done by the author using backpropagation algorithm. The optimization process will use Conjugate Gradient Beale-Powell Restarts. Data to be predicted is Consumer Price Index data based on health group from Medan Central Bureau of Statistics from 2014 until 2016. Previous research using 8 architectural models, namely: 12-5-1, 12-26-1, 12-29 -1, 12-35-1, 12-40-1, 12-60-1, 12-70-1 and 12-75-1 with best architectural models 12-70-1 with an accuracy of 92%. In contrast to previous research concentrating on finding accuracy using backpropagation, this study will optimize the backpropagation with Conjugate Gradient Beale-Powell Restart, which not only focuses on accuracy but also the convergence of the two algorithms and the translation of predicted results, which is not done in a previous study. This research will use the same architectural model as the previous research and will get the result with the accuracy of 92% with the best architectural model that is 12-70-1 (same as previous research). Thus, this model is good enough for prediction even with different algorithms, since the accuracy of converging backpropagation with Conjugate Gradient Beale-Powell Restarts.
PENERAPAN JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI JUMLAH KEMISKINAN PADA KABUPATEN/KOTA DI PROVINSI RIAU Wanto, Anjar
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 1 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i1.129

Abstract

Provinsi Riau yang kaya akan Sumber Daya Alam ternyata tidak sebanding dengan jumlah penduduk miskin yang menempati di sejumlah kabupaten/kota di Riau. Contohnya seperti pada tahun 2013 terdapat ± 68.600 penduduk miskin di kabupaten Kampar, atau merupakan yang tertinggi dibandingkan kabupaten/kota lainnya. Oleh karena itu dibutuhkan langkah-langkah strategis agar jumlah penduduk miskin tidak bertambah sepanjang tahun, salah satu nya adalah dengan melakukan prediksi jumlah penduduk miskin untuk tahun-tahun selanjutnya. Cara ini dilakukan agar angka kemiskinan bisa semakin ditekan dengan cara melakukan penganggulangan sejak dini. Data yang akan diprediksi adalah data jumlah kemiskinan kabupaten/kota di Provinsi Riau yang bersumber dari Badan Pusat Statistik Provinsi Riau tahun 2010 sampai dengan 2015. Algoritma yang digunakan untuk melakukan prediksi adalah jaringan saraf tiruan Backpropagation. Algoritma ini memiliki kemampuan untuk mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya. Ada 5 model arsitektur yang digunakan pada algoritma backpropagation ini, antara lain 4-2-5-1 yang nanti nya akan menghasilkan prediksi dengan tingkat akurasi 8%, 4-5-6-1=25%, 4-10-12-1=92%, 4-10-15-1=100% dan 4-15-18-1=33%. Arsitektur terbaik dari ke 5 model ini adalah 4-10-12-1 dengan tingkat keakurasian mencapai 100% dan tingkat error yang digunakan 0,001-0,05. Sehingga model arsitektur ini cukup baik digunakan untuk memprediksi jumlah kemiskinan. Keywords: Penerapan, Jaringan Saraf Tiruan, Backpropagation, Prediksi, KemiskinanRiau is rich in Natural Resources is not comparable with the number of poor people who occupy in a number of districts/cities in Riau. For example, in 2013 there were ± 68,600 poor people in Kampar district, or the highest compared to other districts. Therefore, strategic steps are needed so that the number of poor people will not increase throughout the year, one of them is to predict the number of poor people for the next years. This way is done so that the poverty rate can be further suppressed by doing the countermeasures early on. The data to be predicted is the data of the number of poverty districts/cities in Riau Province sourced from the Central Bureau of Statistics of Riau Province in 2010 until 2015. Algorithm used to make prediction is the Backpropagation. This algorithm has the ability to remember and make generalizations of what has been there before. There are 5 architectural models, among others 4-2-5-1 which later will produce predictions with an accuracy rate of 8%, 4-56-1=25%, 4-10-12-1=92%, 4-10-15-1=100% and 4-15-18-1=33%. The best architecture of the 5 models is 4-10-12-1 with 100% accuracy and error rate of 0.001-0.05. So this model of architecture is good enough used to predict the amount of poverty. Kata kunci: Implementation, Artificial Neural Network, Backpropagation, Prediction, Poverty
MEMANFAATKAN ALGORITMA K-MEANS DALAM MENENTUKAN PEGAWAI YANG LAYAK MENGIKUTI ASESSMENT CENTER UNTUK CLUSTERING PROGRAM SDP Parlina, Iin; Windarto, Agus Perdana; Wanto, Anjar; Lubis, M.Ridwan
CESS (Journal of Computer Engineering, System and Science) Vol 3, No 1 (2018): Januari 2018
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v3i1.8192

Abstract

Data mining merupakan teknik pengolahan data dalam jumlah besar untuk pengelompokan. Teknik Data mining mempunyai beberapa metode dalam  mengelompokkan salah satu teknik yang dipakai penulis saat ini adalah K-Means. Dalam hal ini penulis mengelompokan data daftar program SDP tahun 2017 untuk mengetahui manakah pegawai yang layak lolos dalam program SDP sehingga dapat melakukan Registrasi Asessment Center. Pengelompokan tersebut berdasarkan kriteria – kriteria data Program SDP. Pada penelitian ini, penulis menerapkan algoritma K-Means Clustering untuk pengelompokan data Program SDP di PT.Bank Syariah. Dalam hal ini, pada umumnya untuk memamasuki program SDP tersebut disesuaikan dengan ketentuan dan parameter Program SDP saja, namun dalam penelitian ini pengelompokan disesuaikan dengan kriteria – kriteria Program SDP seperti kedisiplinan pegawai, Target Kerja Pegawai, Kepatuhan Program SDP. Penulis menggunakan beberapa kriteria tersebut agar pengelompokan yang dihasilkan menjadi lebih optimal. Tujuan dari pengelompokan ini adalah terbentuknya kelompok SDP pada Program SDP yang menggunakan algoritma K-Means clustering. Hasil dari pengelompokan tersebut diperoleh tiga kelompok yaitu kelompok Lolos, Hampir Lolos dan Tidak Lolos. Terdapat pusat cluster dengan Cluster-1= 8;66;13, Cluster-2= 10;71;14 dan Cluster-3=7;60;12. Pusat cluster tersebut didapat dari beberapa iterasi sehingga mengahasilakan pusat cluster yang optimal.
Analisis JST Dalam Memprediksi Jumlah Tamu Pada Hotel NonBintang Sihotang, Bil Klinton; Wanto, Anjar
Techno.Com Vol 17, No 4 (2018): November 2018
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (593.997 KB)

Abstract

Analysis on a prediction (forecasting) is very important to do in a study, So with this data analysis will be obtained a clear picture of the issues discussed. As well as in predicting the number of  guests in non-star hotels. This research is expected to be useful for both Government and private parties as one of the study materials in the development of hotel business, as well as for academics as study material / research especially related to tourism and hospitality field. The data used in this study is data on the number of guests in non-star hotels by province from the Central Bureau of Statistics Indonesia from 2011 to 2016. This study uses the method of artificial neural network Backpropagation using 5 architectural models, those are 4-19-1, 4-50-1, 4-17-1, 4-16-1, 4-22-. From  architecture, the best architecture is 12-19-1 with an accuracy of 88.2%, MSE 0.10206089 with error rate used 0.001 - 0.05. Thus, this model is good enough to predict the number of guests indonesia in non-star hotels
Analisis Jaringan Syaraf Tiruan untuk prediksi volume ekspor dan impor migas di Indonesia Andriani, Yuli; Silitonga, Hotmalina; Wanto, Anjar
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 4, No 1 (2018): January-June
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1572.598 KB) | DOI: 10.26594/register.v4i1.1157

Abstract

Analisis pada penelitian penting dilakukan untuk tujuan mengetahui ketepatan dan keakuratan dari penelitian itu sendiri. Begitu juga dalam prediksi volume ekspor dan impor migas di Indonesia. Dilakukannya penelitian ini untuk mengetahui seberapa besar perkembangan ekspor dan impor Indonesia di bidang migas di masa yang akan datang. Penelitian ini menggunakan Jaringan Syaraf Tiruan (JST) atau Artificial Neural Network (ANN) dengan algoritma Backpropagation. Data penelitian ini bersumber dari dokumen kepabeanan Ditjen Bea dan Cukai yaitu Pemberitahuan Ekspor Barang (PEB) dan Pemberitahuan Impor Barang (PIB). Berdasarkan data ini, variabel yang digunakan ada 7, antara lain: Tahun, ekspor minyak mentah, impor minyak mentah, ekspor hasil minyak, impor hasil minyak, ekspor gas dan impor gas. Ada 5 model arsitektur yang digunakan pada penelitian ini, 12-5-1, 12-7-1, 12-8-1, 12-10-1 dan 12-14-1. Dari ke 5 model yang digunakan, yang terbaik adalah 12-5-1 dengan menghasilkan tingkat akurasi 83%, MSE 0,0281641257 dengan tingkat error yang digunakan 0,001-0,05. Sehingga model ini bagus untuk memprediksi volume ekspor dan impor migas di Indonesia, karena akurasianya antara 80% hingga 90%.   Analysis of the research is Imporant used to know precision and accuracy of the research itself. It is also in the prediction of Volume Exports and Impors of Oil and Gas in Indonesia. This research is conducted to find out how much the development of Indonesias exports and Impors in the field of oil and gas in the future. This research used Artificial Neural Network with Backpropagation algorithm. The data of this research have as a source from custom documents of the Directorate General of Customs and Excise (Declaration Form/PEB and Impor Export Declaration/PIB). Based on this data, there are 7 variables used, among others: Year, Crude oil exports, Crude oil Impors, Exports of oil products, Impored oil products, Gas exports and Gas Impors. There are 5 architectural models used in this study, 12-5-1, 12-7-1, 12-8-1, 12-10-1 and 12-14-1. Of the 5 models has used, the best models is 12-5-1 with an accuracy 83%, MSE 0.0281641257 with error rate 0.001-0.05. So this model is good to predict the Volume of Exports and Impors of Oil and Gas in Indonesia, because its accuracy between 80% to 90%.