Implementasi Algoritma Perceptron dalam Penentuan Pola Pemilihan Panitia Pemungutan Suara (Studi Kasus: Kelurahan Pulo Brayan Bengkel)
Kata Kunci:
Pola, Pemilihan, Panitia, Algoritma PerceptronAbstrak
Dalam beberapa pemilu terakhir, baik pemilihan legislatif dan eksekutif (presiden dan kepala daerah), isu penyelenggara yang diduga tidak independen dan kecurangan selalu mewarnai hasil pemilu. Kelurahan Pulo Brayan Bengkel adalah merupakan salah satu kelurahan di Kota Medan yang memiliki KPPS dibawah kendali KPU Kota Medan. Masalah yang terdapat dalam penelitian ini adalah faktor-faktor apa yang menjadi penyebab lemahnya panita pemungutan suara (PPS) dan kelompok penyelenggara pemungutan suara (KPPS), dan bagaimana proses rekrutment PPS dan KPPS untuk memperoleh pemilu yang berkualitas dan berintegrasi dikaitkan dengan pola rekrutmen dari penyelenggra pemilu. Jaringan Saraf Tiruan (Artificial Neural Networks) adalah salah satu cabang ilmu dari bidang ilmu kecerdasan buatan. Salah satu model jaringan JST adalah perceptron yang digunakan untuk mengenali pola karakter, simbol. Dengan menentukan nilai input, bobot, bias dan target atau ouput. Seleksi berkas, ujian tulis dan wawancara merupakan nilai input diubah kedalam bilangan biner yang terdiri dari angka 0 dan 1. Nilai bobot akan berubah pada setiap iterasi perulangan. Nilai bias juga akan berubah pada setiap interasi perulangan sampai target/output tercapai. Target atau target dari pelatihan ini adalah diterima atau tidak diterima yang dikonversikan ke biner menjadi 1 dan 0. Pengujian perceptron menggunakan software Matlab. Hasil dari pengujian target/output tercapai pada epoch ke-3.
Referensi
M. H. Yuhandri and L. Mayola, “Identifikasi Pola Seleksi Penentuan Calon Wali Nagari dengan Menggunakan Artificial Neural Network Algoritma Perceptron,” J. KomtekInfo, pp. 158–165, 2023.
S. Ramadhany, “IDENTIFIKASI POLA KARAKTER ANAK DENGAN ALGORITMA PERCEPTRON,” J. Teknol. Informasi) Vol, vol. 3, no. 1, 2019.
N. Kristianti and others, “PENGGUNAAN ALGORITMA HEBB DALAM POLA PENGENALAN HURUF,” J. Teknol. Inf. J. Keilmuan dan Apl. Bid. Tek. Inform., vol. 18, no. 1, pp. 52–60, 2024.
M. Syarovy, A. P. Nugroho, and L. Sutiarso, “PEMANFAATAN MODEL NEURAL NETWORK DALAM GENERASI BARU PERTANIAN PRESISI DI PERKEBUNAN KELAPA SAWIT,” War. Pus. Penelit. Kelapa Sawit, vol. 28, no. 1, pp. 39–54, 2023.
J. T. Samudra, R. Rosnelly, and Z. Situmorang, “Comparative Analysis of Support Vector Machine And Perceptron Algorithms In Classification Of The Best Work Programs In P2KBP3A,” in Proceeding of International Conference on Information Science and Technology Innovation (ICoSTEC), 2023, pp. 94–103.
S. C. Mita, A. P. Windarto, and others, “Penerapan Teknik Neural Network dalam memprediksi Perkembangan Impor Kelompok Industri Tekstil dengan Metode Backpropagation,” J. Informatics Manag. Inf. Technol., vol. 3, no. 1, pp. 24–34, 2023.
M. I. S. Saad, “Perbandingan Algoritma Extreme Learning Machine dan Multilayer Perceptron Dalam Prediksi Mahasiswa Drop Out,” Bull. Inf. Technol., vol. 4, no. 3, pp. 369–376, 2023.
P. N. Napitupulu, A. R. Damanik, and J. E. Napitupulu, “Implementasi Algoritma Backpropagation Jaringan Syaraf Tiruan Untuk Prediksi Angka Harapan Hidup Di Kota Jambi,” J. Penelit. Ilmu Komput., vol. 1, no. 1, pp. 10–15, 2023.
