Jurnal CyberTech Vol.
No.
September 2021, pp.
P-ISSN : 1978-6603
E-ISSN : 2615-3475
PENERAPAN NEURAL NETWORK DALAM MEREKOMENDASI MODEL
PANGKAS KEPADA PELANGGAN DENGAN MENGGUNAKAN METODE
PERCEPTRON
Setia*.
Zulfian Azmi**.
Tugiono** *Sistem Informasi.
STMIK Triguna Dharma **Sistem Informasi.
STMIK Triguna Dharma
Article Info
ABSTRACT
Article history:
Setiap gaya rambut terdiri dari berbagai ciri khas yang dikombinasikan.
Banyak masyarakat yang tidak mengerti akan hal ini dan hanya mengikuti trend rambut yang ada.
Hal ini memberikan hasil yang tidak sesuai dengan Selain itu, untuk gaya rambut tertentu memiliki cara tersendiri untuk menjaganya agar tetap pada bentuk yang kita inginkan, contohnya gelombang pada rambut.
Oleh karena itu, tidak hanya tukang gunting tetapi juga costumer perlu mengetahui cara untuk membentuk rambut mereka.
Julles Pangkas adalah tempat pangkas pria yang beroperasi sejak 15 agustus 2015 dan terletak di jl.
bunga cempaka padang bulan pasar 3 No.
(Medan Selayan.
Julles Pangkas terkadang memiliki permasalahan terkait seringkali pelanggan yang masih kebingungan dalam menentukan model Apabila model rambut yang dipilihkan tidak sesusai biasanya membuat turunnya nilai penampilan seseorang.
Karena rambut merupakan salah satu faktor utama dalam nilai penampilan.
Untuk dapat menentukan model rambut yang sesuai, menurut pendapat dari bentuk wajah merupakan faktor yang sangat penting dalam penentuan model rambut, ketidak samaan model rambut dan bentuk wajah akan menyebabkan rendahnya nilai penampilan seseorang Maka dari itu dibutuhkan sebuah sistem yang membantu pelanggan yang ada pada Julles Pangkas dalam memilih potongan rambut yang cocok Dalam ilmu komputer, dikenal sebuah cara untuk melakukan rekomendasi gaya rambut berdasarkan faktor tertentu di Julles Pangkas yang selama ini menjadi permasalahan yang ditemui.
Ilmu tersebut adalah penerapan Jaringan Syaraf Tiruan atau terkadang disebut Neural Network, dimana Neural Network merupakan sebuah sistem yang cara kerjanya seperti jaringan syaraf yang ada pada manusia, dan bekerja sebagai mana otak manusia mengolah sebuah informasi.
Hasil penelitian merupakan terciptanya sebuah aplikasi Jaringan Syaraf Tiruan dengan Metode Perceptron yang dapat membantu pihak Julles pangkas dalam merekomendasikan model rambut ke pelanggan.
Received Jun 12th, 201x Revised Aug 20th, 201x Accepted Aug 26th, 201x Keyword:
Rekomendasi Model Rambut.
Julles Pangkas.
Jaringan Syaraf Tiruan.
Perceptron Copyright A 2019 STMIK Triguna Dharma.
All rights reserved.
Corresponding Author: *First Author Nama : Setia Program Studi STMIK Triguna Dharma Email: Setia21@gmail.
PENDAHULUAN
Seiring berkembangnya tren dan gaya hidup, terkadang menuntut manusia untuk mengutamakan Saat sekarang ini penampilan sangatlah berperan penting dalam kehidupan sehari-hari.
Penampilan yang menarik dapat meningkatkan rasa kepercayaan diri.
Penampilan yang menarik, tidak hanya dapat dilihat dari satu faktor saja tapi banyak faktor yang mempengaruhinya antara lain faktor busana, aksesoris, pemilihan sepatu, parfum, tata rias wajah, dan tata rambut pun tidak luput dari faktor penunjang Rambut merupakan bagian tubuh yang sangat penting bagi sebagian orang, baik perempuan Journal homepage: https://ojs.
P-ISSN : 1978-6603
E-ISSN : 2615-3475
maupun laki-laki.
Setiap tahunnya, trend potongan rambut manusia berubah-ubah.
Masyarakat akhirnya mengikuti trend tersebut dan melupakan gaya rambut yang lainnya.
Hal yang terjadi adalah banyaknya dijumpai gaya rambut yang sama di dalam kerumunan masyarakat karena kurangnya referensi tentang beragam gaya rambut.
Beberapa dari mereka ingin mengubah gaya rambut tetapi tidak mengetahui cara menjelaskan hal tersebut kepada tukang guntingnya dan tidak mengetahui nama dari gaya rambut yang Melihat dari pengalaman di lokasi, masyarakat hanya mengajukan tiga macam permintaan, yaitu:
meminta untuk dipendekkan, mengikuti trend terbaru atau menunjukkan foto .
Setiap gaya rambut terdiri dari berbagai ciri khas yang dikombinasikan.
Banyak masyarakat yang tidak mengerti akan hal ini dan hanya mengikuti trend rambut yang ada.
Hal ini memberikan hasil yang tidak sesuai dengan ekspektasi Selain itu, untuk gaya rambut tertentu memiliki cara tersendiri untuk menjaganya agar tetap pada bentuk yang kita inginkan, contohnya gelombang pada rambut.
Oleh karena itu, tidak hanya tukang gunting tetapi juga costumer perlu mengetahui cara untuk membentuk rambut mereka .
Julles Pangkas adalah tempat pangkas pria yang beroperasi sejak 15 agustus 2015 dan terletak di bunga cempaka padang bulan pasar 3 No.
35 (Medan Selayan.
Julles Pangkas terkadang memiliki permasalahan terkait seringkali pelanggan yang masih kebingungan dalam menentukan model rambut.
Apabila model rambut yang dipilihkan tidak sesusai biasanya membuat turunnya nilai penampilan seseorang.
Karena rambut merupakan salah satu faktor utama dalam nilai penampilan.
Untuk dapat menentukan model rambut yang sesuai, menurut pendapat dari bentuk wajah merupakan faktor yang sangat penting dalam penentuan model rambut, ketidak samaan model rambut dan bentuk wajah akan menyebabkan rendahnya nilai penampilan seseorang.
Maka dari itu dibutuhkan sebuah sistem yang membantu pelanggan yang ada pada Julles Pangkas dalam memilih potongan rambut yang cocok untuknya.
Dalam ilmu komputer, dikenal sebuah cara untuk melakukan rekomendasi gaya rambut berdasarkan faktor tertentu di Julles Pangkas yang selama ini menjadi permasalahan yang ditemui.
Ilmu tersebut adalah penerapan Jaringan Syaraf Tiruan atau terkadang disebut Neural Network, dimana Neural Network merupakan sebuah sistem yang cara kerjanya seperti jaringan syaraf yang ada pada manusia, dan bekerja sebagai mana otak manusia mengolah sebuah informasi .
Tanpa menggunakan metode.
Jaringan Syaraf Tiruan tidak akan dapat memecahkan permasalahan terkait merekomendasikan model potongan rambut.
Untuk itu maka digunakanlah algoritma Perceptron .
Neural Network dengan Perceptron adalah jaringan syaraf tiruan yang mekanismenya dilakukan dengan cara melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali, mengetahui atau merekam suatu pola yang digunakan pada proses pelatihan jaringan serta kemampuan untuk memberi respon yang tepat terhadap suatu pola masukan yang serupa dengan pola yang digunakan pada saat proses pelatihan .
Pemilihan penggunaan metode Perceptron disebabkan karena proses pembelajaran yang dilakukan dari metode ini sangat baik dan bobot pembelajaran sistem dilakukan secara baik, sehingga hasil dari metode Perceptron akan lebih akurat dalam merekomendasikan model rambut di Julles Pangkas.
Jaringan Syaraf Tiruan (JST) atau Neural Network adalah pemproses sistem informasi dengan karakteristik tertentu dan performa yang mendekati syaraf biologi.
Artificial Neural Network (ANN) adalah model komputasi, yang didasarkan pada jaringan syaraf biologi.
Jaringan Syaraf Tiruan sering disebut sebagai Neural Network (NN) .
Gambar 1 Layer JST Jurnal CyberTech Vol.
No.
April 2021 : xx Ae xx
Jurnal CyberTech
P-ISSN : 1978-6603 E-ISSN : 2615-3475
Jaringan Syaraf Tiruan dikembangkan berdasarkan struktur otak.
Seperti otak, jaringan syaraf tiruan dapat mengenali pola, mengelola data, dan belajar.
Mereka dibuat oleh neuron buatan yang mengimplementasikan inti dari neuron biologis.
ANN merupakan metode yang terdapat dalam soft Perceptron merupakan salah satu bentuk JST yang sederhana.
Perceptron biasanya digunakan untuk mengklasifikasikan suatu pola tentu yang sering di kenal dengan pemisahan secara linear.
Perceptron memiliki kecendrungan yang sama dengan jenis JST lainnya, namun setiap jenis memiliki karateristik masing-masing.
Model jaringan perceptron ditemukan pertama kali oleh Rosenbatt .
dan MinskyPapert .
Model tersebut merupakan model yang memiliki aplikasi dan pelatihan yang paling baik pada era tersebut.
Perceptron merupakan salah satu bentuk jaringan sederhana, perceptron biasanya digunakan untuk mengklasifikasikan suatu pola tipe Tertentu yang sering dikenal dengan pemisahaan secara linear.
Pada dasarnya perceptron pada jaringan syaraf dengan suatu lapisan memiliki bobot yang dapat diatur.
Dapat digunakan dalam kasus untuk mengenali fungsi logika AudanAy dengan masukan dan keluaran bipolar.
Arsitektur jaringan perceptron mirip dengan arsitektur jaringan Hebb.
Jaringan tersebut dari beberapa unit masukkan .
itambah sebuah bia.
, dan memiliki sebuah keluaran.
Hanya saja fungsi aktivasi bukan merupakan fungsi biner .
tau bipola.
, tetapi memiliki kemungkinan nilai - 1, 0 atau 1.
Algoritma yang digunakan oleh aturan perceptron ini akan mengkatur parameter-parameter bebasnya melalui proses pembelajaran.
Fungsi aktivasinya dibuat sedemikian rupa sehingga terjadi pembatasan antara daerah positif dan negatif Algoritma pelatihan digunakan untuk melatih jaringan syaraf tiruan, yaitu dengan cara mengajarkannya dengan contoh-contoh kasuas/pola sampai jaringan syaraf tiruan berhasil mengenali pola tersebut.
Setiap kali Output yang dihasilkan oleh jaringan tidak sesuai dengan target yang diharapkan maka setiap kali pula bobotnya diupdate.
Hal ini terus-menerus dilakukan sampai tidak ada lagi bobot yang berubah untuk setiap pasangan latihan sensor dan target.
Bobot-bobot terakhir yang diperoleh pada saat pelatihan jaringan syaraf tiruan inilah yang akan digunakan pada saat pengaplikasikan .
engan menggunakan algoritma aplikasi perceptro.
Algoritma pelatihan perceptron adalah sebagai berikut .
Inisialisasi semua bobot dan bias, (Agar perhitungan menjadi sederhana, set bobot dan bias sama dengan no.
Set learning rate () dengan 0 < O 1 .
(Agar sederhana, set = .
Selama kondisi berhenti bernilai false, lakukan langkah-lanhkah berikut: Untuk setiap pasangan pembelajaran set.
Kerjakan .
Set input dengan nilai yang sama dengan vector input.
Xi=Si Hitung respon untuk unit Output net = b Oc XiWi yaycnycoyca ycAyceyc > OI yaycnycoyca ycAyceyc Oe OI < OI y = f .
= { Oe1 yaycnycoyca ycAyceyc < OeOI Perbaiki bobot dan bias jika terjadi error:5 jika y O t maka :
= wi.
* t * Xi b.
= b.
* t jika tidak, maka wi.
= wi.
= b.
Tes kondisi berhenti.
Kondisi berhenti adalah kondisi dimana semua pola memiliki keluaran jaringan yang sama dengan targetnya atau kondisi dimana tidak terdapat bobot yang berubah suatu iterasi/epoch.
Keterangan :
: sensor : target : unit input ke-i : bias : bobot ke-i : unit respon (Outpu.
: angka pembelajaran : nilai ambang Title of manuscript is short and clear, implies research results (First Autho.
A : 1,A, n dinilai n adalah banyaknya unit input Epoch : satu kali presentasi yang mencakup seluruh pola pelatihan.
P-ISSN : 1978-6603
E-ISSN : 2615-3475
Proses pengujian merupakan tahap penyesuaian terhadap bobot yang telah terbentuk pada proses pelatihan.
Algoritma untuk proses pengujian adalah sebagai berikut :
Langkah 0 : Ambil bobot dari hasil pembelajaran Langkah 1 : Untuk setiap vektor x, lakukan langkah 2-4.
Langkah 2 : Set nilai aktivasi dari unit masukkan, xi = si.
= 1,A,n.
Langkah 3 : Hitung total masukan ke unit keluaran.
Net = xiwi b.
Langkah 4 : Gunakan fungsi aktivasi.
Y = f.
METODE PENELITIAN
Secara umum, metode penelitian .
esearch metho.
adalah suatu metode atau cara tertentu yang dipilih secara spesifik untuk memecahkan masalah yang diajukan dalam sebuah penelitian, namun untuk memenuhi syarat parsimony .
ara yang paling efisien dalam sebuah penelitia.
untuk mengatasi kendalakendala yang dilakukan penelitian namun masih tetap dijaga ciri khas penelitian yaitu adanya karakter keilmiahan, serta validitas dan reliabilitas, maka metode penelitian tertentu harus dipilih dan diterapkan secara spesifik.
Adapun metode dalam penelitian ini mencakup.
Teknik Pengumpulan Data Teknik pengumpulan data berupa suatu pernyataan tentang sifat, keadaan, kegiatan tertentu dan Pengumpulan data dalam penelitian ini dilakukan di Julles Pangkas menggunakan 2 cara berikut merupakan uraian yang digunakan 1 Observasi Metode pengumpulan data ini digunakan untuk mendapatkan data yang berkaitan dengan peninjauan langsung ke Julles Pangkas maupun terhadap model pangkas di tempat pangkas tersebut dan melakukan survey mengenai faktor-faktor yang berpengaruh terhadap penentuan model pangkas kepada pelanggan di Julles Pangkas Wawancara Pengumpulan data dengan melakukan tanya jawab langsung dengan narasumber dari objek yang diteliti untuk memperoleh yang diinginkan.
Wawancara dilakukan guna mendapatkan alur kerja pada objek yang diteliti yang akan digunakan dalam menentukan fitur-fitur yang akan dibangun.
Pada tahapan wawancara dilakukan dengan cara mewawancarai pihak Julles Pangkas tentang model pangkas yang akan Berdasarkan hasil observasi dan wawancara yang dilakukan berikut ini adalah data model pangkas berdasarkan bentuk kepala yaitu sebagai berikut :
Tabel 3.
1 Data Model Pangkas Nama Usia
Bentuk Kepala
Ketebalan Rambut
Jenis Rambut
Model
Pangkas KORNELIUS
BARUS
Kotak
Tebal
Lurus
Medium Cut
ABDUL KHALIL
Kotak
Tebal
Ikal
Side Swept
Classic
ALI HANAPIAH
ARITONANG
Kotak
Tebal
Lurus
Belah Pinggir
IRFAN ISMAYA
Kotak
Tebal
Kriting Belah Pinggir
RIZKI SIREGAR
Oval Tipis Lurus Messy Jurnal CyberTech Vol.
No.
April 2021 : xx Ae xx
Jurnal CyberTech
P-ISSN : 1978-6603 E-ISSN : 2615-3475
Pompadour
SURI BANGUN
SIREGAR
Oval
Tipis Lurus
Side Parting ABDUL MAJID
Bulat
Tipis Lurus
Classic
Pompadour
ZAINUDDIN
LUBIS
Lonjong
Tebal
Lurus
Slick
Pompadour
RAHMAD SUWITO
Lonjong
Tebal
Ikal
Textured Hair
AMIRUDDIN
Lonjong
Tebal
Ikal
Textured Hair
ANALISA DAN HASIL
Perceptron merupakan salah satu bentuk JST yang sederhana.
Perceptron biasanya digunakan untuk mengklasifikasikan suatu pola tentu yang sering di kenal dengan pemisahan secara linear.
Perceptron memiliki kecendrungan yang sama dengan jenis JST lainnya, namun setiap jenis memiliki karateristik masing-masing Pemilihan algoritma sebuah metode dengan kasus yang diteliti sangat penting dalam pembentukan sebuah sistem yang kemudian dikembangkan dan diimplementasikan dalam sebuah program.
Perceptron merupakan salah satu bentuk JST yang sederhana.
Perceptron biasanya digunakan untuk mengklasifikasikan suatu pola tentu yang sering di kenal dengan pemisahan secara linear.
Inisialisasi semua bobot dan bias, (Agar perhitungan menjadi sederhana, set bobot dan bias sama dengan no.
Set learning rate () dengan 0 < O 1 .
(Agar sderhana, set = .
Selama kondisi berhenti bernilai false, lakukan langkah-lanhkah berikut:
Untuk setiap pasangan pembelajaran set.
Kerjakan:
Set input dengan nilai yang sama dengan vector input.
Xi=Si Hitung respon untuk unit Output net = b Oc XiWi ycycnycoyca ycuyceyc > OI ycycnycoyca Oe OI O OI y = f .
= .
Oe1 ycycnycoyca ycuyceyc < OeOI Perbaiki bobot dan bias jika terjadi error:5 jika y O t maka :
= wi.
* t * Xi b.
= b.
* t jika tidak, maka wi.
= wi.
= b.
Tes kondisi berhenti.
Kondisi berhenti adalah kondisi dimana semua pola memiliki keluaran jaringan yang sama dengan targetnya atau kondisi dimana tidak terdapat bobot yang berubah suatu iterasi/epoch Pengujian sistem ini ditujukan untuk mengetahui seberapa akurat dan tepat aplikasi yang telah dirancang dan untuk mengetahui bug- bug yang ditemukan.
Berikut ini adalah data yang akan diproses.
Berikut ini adalah data yang diinputkan kedalam sistem.
Title of manuscript is short and clear, implies research results (First Autho.
A P-ISSN : 1978-6603
E-ISSN : 2615-3475
Gambar 2 Form Data Uji Setelah data sesuai dengan yang diinputkan ke sistem pada Form data uji.
Selanjutnya menghitung nilai hasil keputusan dengan algoritma Perceptron pada form Pengujian, maka diperoleh hasil seperti gambar Gambar 3 Hasil Pengujian KESIMPULAN Berdasarkan analisa pada permasalahan yang terjadi dalam kasus yang diangkat tentang merekomendasikan model pangkas di Julles Pangkas dengan Metode Perceptron, maka dapat ditarik kesimpulan sebagai berikut :
Berdasarkan hasil penelitian yang telah dilakukan sebelumnya, dalam merekomendasikan model pangkas di Julles Pangkas dengan menggunakan jaringan syaraf tiruan dengan algoritma Perceptron dilakukan perancangan struktur jaringan syaraf tiruan dengan model Single Layer yang akan dilatih dengan menggunakan data model pangkas yang biasa di Julles Pangkas, kemudian setelah dilakukannya pelatihan maka dilakukan pula pengujian untuk memperoleh hasil rekomendasi dari pelanggan baru yang ada pada Julles Pangkas.
Dalam menerapkan metode Perceptron mampu merekomendasikan model pangkas di Julles Pangkas dengan akurat berdasarkan data-data yang diperoleh, digunakanlah data binary yang dilatih ke sistem dan akan menghasilkan bobot mutakhir, bobot tersebut lah yang akan membantu dalam merekomendasikan model pangkas.
Jurnal CyberTech Vol.
No.
April 2021 : xx Ae xx
Jurnal CyberTech
P-ISSN : 1978-6603 E-ISSN : 2615-3475
Hasil yang diperoleh selama penelitian ini disimpulkan bahwa penggunaan Artificial Neural Network dapat menyelesaikan permasalahan yang ada pada Julles Pangkas terkait dengan rekomendasi model pangkas yang diolah dengan proses pelatihan jaringan dan pengujian jaringan.
Dalam membangun aplikasi Aplikasi Jaringan Syaraf Tiruan yang dapat membantu di Julles pangkas dalam merekomendasikan model pangkas dapat menggunakan bantuan pemodelan UML terlebih dahulu, dengan kata lain aplikasi digambarkan pada bentuk Use Case Diagram.
Activity Diagram dan Class Diagram.
Kemudian dilakukan pengkodean dengan perancangan tersebut.
UCAPAN TERIMA KASIH
Terima kasih kepada dosen pembimbing Bapak Dr.
Zulfian Azmi.
ST.
Kom dan juga Bapak Tugiono S.
Kom.
Kom dan pihak-pihak yang mendukung penyelesaian jurnal skripsi ini.
REFERENSI