Please use this identifier to cite or link to this item:
http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5549
Title: | PEMODELAN ARTIFICIAL NEURAL NETWORK PERAMALAN TINGKAT KENAIKAN JABATAN BERDASARKAN KINERJA PEGAWAI MENGGUNAKAN BACKPROPAGATION |
Authors: | Dr. B. Herawan, Hayadi |
Keywords: | JNE, Performance, Prediction, Employee, Backpropagation, Artificial Neural Network |
Issue Date: | Jun-2022 |
Publisher: | Yayasan Adwitiya Basurata Inovasi |
Series/Report no.: | ;73-84 |
Abstract: | At PT JNE Pematangsiantar, this large capacity for delivery and service of goods and services clearly requires good human resources. Information about organizational performance is a very important thing used to evaluate whether the performance process carried out by the organization so far has been in line with the expected goals or not. In this study, a prediction system for the level of promotion based on performance will be designed by taking into account the factors of the work of the employee and the results of the assessment will be used to calculate the eligibility of an employee, intended to provide employee incentives or to retain the employee. An artificial neural network is an information processing system that is designed to imitate the workings of the human brain in solving a problem by carrying out the learning process through changes in the weight of its synapses. In this study the author uses the Backpropagation algorithm. Backpropagation gradient descent algorithm to minimize the square of the output error. There are three stages that must be carried out in network training, namely the forward propagation stage, the reverse propagation stage, and the weight and bias change stage. The results of this study indicate that the best architectural model (5-2-1) with MSE 0.004865154, epoch 126 with an accuracy rate of 70%. With the best prediction in predicting the promotion of employee positions at JNE. |
Description: | Jaringan syaraf tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. Jaringan syaraf tiruan mampu mengenali kegiatan dengan berbasis masa lalu [1]. Jaringan saraf tiruan (JST) pada dasarnya merupakan fungsi model matematika yang mendefinisikan fungsi f : X – Y. Jaringan saraf tiruan termasuk sistem kecerdasan buatan yang merupakan dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain[2]. Jaringan saraf tiruan adalah paradigma pengolahan informasi yang terinspirasi oleh sistem Saraf secara biologis, seperti proses informasi pada otak manusia [3]. Elemen kunci dari paradigma ini adalah struktur dari system pengolahan informasi yang terdiri dari sejumlah besar elemen pemrosesan yang saling berhubungan, bekerja serentak untuk menyelesaikan masalah tertentu. Cara kerja JST seperti cara kerja manusia. Sebuah JST dikonfigurasikan untuk aplikasi tertentu, seperti pengenalan pola atau aplikasi data. Ada banyak teknik yang dapat digunakan untuk implementasi Jaringan saraf tiruan yaitu Perceptron dan Backpropagation[4]. Dalam penelitian ini penulis menggunakan algoritma Backpropagation. Backpropagation algoritma penurunan gradient untuk meminimilkan kuadrat error keluaran. Ada tiga tahap yang harus dilakukan dalam pelatihan jaringan, yaitu tahap perambatan maju (forward propagation), tahap perambatan balik, dan tahap perubahan bobot dan bias[5]. Arsitektur jaringan ini tediri dari input layer, hidden layer, dan output layer [6] |
URI: | http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5549 |
ISSN: | 2828-8025 |
Appears in Collections: | Untitled |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DOC-20220621-WA0017_230227_084437.pdf | 1.06 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.