LAPORAN
PRAKTIKUM
laporan ini di ajukan untuk Memenihi Salah Satu Praktikum
Kecerdasan Buatan
Disusun oleh :
Asep muharam (0606012)
JURUSAN TEKNIK INFORMATIKA
SEKOLAH TINGGI TEKNOLOGI GARUT (STTG)
2009
Modul 1
Landasan Teori:
Fuzzy logic pertama kali dikenalkan kepada publik oleh Lotfi Zadeh, seorang profesor di University of California di Berkeley. Fuzzy logic digunakan untuk menyatakan hukum operasional dari suatu sistem dengan ungkapan bahasa, bukan dengan persamaan matematis Banyak sistem yang terlalu kompleks untuk. dimodelkan secara akurat, meskipun dengan persamaan matematis yang kompleks. Dalam kasus seperti itu, ungkapan bahasa yang digunakan dalam Fuzzy logic dapat membantu mendefinisikan karakteristik operasional sistem dengan lebih baik Ungkapan bahasa untuk karakteristik sistem biasanya dinyatakan dalam bentuk implikasi logika
Jawaban Pertanyaan
1. Cara-cara memasuki tool box fuzzy pada MATLAB 6.5 :
Membuka program MATLAB, kemudian kita mengklik menu start-toolboxes-fuzzy
Command line
Atau menuliskan fuzzy pada command line
System penalaran fuzzy yang baru pada command line, maka ketikan. >>Fuzzy, kemudian pada layer akan tampak FIS editor
2) 1. Fuzzy Inference System (FIS) Editor;
2. Membership Function Editor;
3. Rule Editor;
4. Rule Viewer;
5. Surface Viewer
3) Yang terdapat pada pop up menu And Method yaitu min, prod, custom
Menu pop up pada impilication sama dengan menu And method yaitu : min, prod, custom
Menu pop up pada agregation yaitu: max, sum, probor, Custom
Menu pop up yang terdapat pada defuzzyfication yaitu: centroid, bisector, mom, lom, som, custom
4) Untuk mengubah antar muka FIS Editor menjadi Membership function Editor yaitu dengan cara memilih menu Edit - Membership (ctrl+2) atau menekan double clik ikon variable input
Variabel input
5) Langkah untuk membuat grafik fungsi keanggotaan pada Membership function Editor yaitu ;
• Klik variable input atau output sampai ada warna merah pada bingkainya
• Isikan Rangenya sesuai dengan panjang jumlah data yang akan dimasukan
• Klik garis yang akan dibuat grafik hingga berwarna merah
• Tentukan fungsi keanggotannya
• Ubah paramsnya sesuai dengan tiap data yang akan dimasukan
7) a). Untuk membuat aturan pada rule editor yang telah dibuat maka proses yang harus dilakukan yaitu:
• Double klik kotak pada kotak aturan © FIS Editor atau pilih Edit rules pada menu view maka akan muncul rule editor
• Buat aturan yang telah dibuat pada rule Editor dengan cara klik untuk fungsi if, and, then pada kolom yang telah tersedia, sesuai dengan aturan yang dibuat
b) Untuk menambah aturan dengan cara mengklik tombol add rule dan untuk menghilangkan sebuah aturan pada rule editor yaitu dengan cara klik aturan yang akan dihapus kemudian klik tombol delete rule pada rule editor
8) Rule Viewer berfungsi untuk melihat alur penalaran fuzzy pada system, cara untuk memasuki rule viewer yaitu dengan memilih menu-view-rules atau menekan tombol ctrl+5
9) Surface Viewer berfungsi untuk melihat gambar pemetaan antara variabel-variabel input dan variable-variabel output.Untuk memasuki menu Surface Viewer yaitu dengan memilih menu view-view surface atau menekan tombol Ctrl+6
Analisis Modul 1 :
Kelebihan :
• Software matlab ini dapat membantu seorang user dalam memecahkan suatu masalah khususnya dalam logika fuzzy, dimana software ini menyediakan fasilitas jenis-jenis toolbox yang dapat mempermudah pekerjaan seorang user.
• Data yang dimasukan disajikan dalam bentuk kurva, sehingga dapat mempermudah dalam melihat akan hasil dari data yang dibuat.
Kelemahan :
• Di dalam mtlab membuat program berupa grafik, kurva
• Tidak bias membuat program bisnis
• Tidak bias membuat sebuah program animasi
MODUL 2
Landasan Teori
Fungsi keanggotaan adalah suatu fungsi yang mendefinisikan bagaimana memetakan titik-titik dalam ruang masukan ke dalam derajat keanggotaannya antara nilai 0 dan 1. Ruang masukan biasanya disebut juga sebagai semesta pembicaraan. Set fuzzy merupakan pengembangan dari set klasik jika X adalah semesta pembicaraan dan x menyatakan elemennya, maka set fuzzy A dalam X dinyatakan sebagai berikut [3] :
A = {X ,μ A (x) / x∈ X} (2.11)
μ A (x) disebut fungsi keanggotaan dari x dalam A. fungsi keanggotaan memetakan setiap elemen di dalam A. Fungsi keanggotaan memetaan setiap elemen dari X ke nilai keanggotaan antara 0 dan 1, secara matematis dinyatakan sebagai
:
μ A (x) :U→[0,1] (2.12)
Suatu set fuzzy A, dibentuk oleh gabungan dari xI yang masing-masing berderajat μ A (x) , dinyatakan sebagai :
Semua elemen dalam setiap x∈U yang memberikan nilai μ A (x) > 0 disebut support
dari himpunan fuzzy yang bersangkutan. jika μ A (x) = 0.5 maka x disebut titik crossover.
LISTING PROGRAM dan GRAFIK FUNGSI
1. Fungsi segitiga dengan parameter 5, 10, 15 dengan jarak 1
>> x=0:0.1:20;
>> y=trimf(x,[5 10 15]);
>> plot(x,y);grid;title;('FungsiSegitiga');xlabel('x');ylabel('Mu[x]');
>> trimf(5.25,[5 10 15])
ans =
0.0500
>> trimf(8.75,[5 10 15])
ans =
0.7500
>> trimf(12.5,[5 10 15])
ans =
0.5000
>> trimf(14.65,[5 10 15])
ans =
0.0700
Gambar Fungsi Segitiga
2. Fungsi trapesium dengan parameter 2, 6, 10, 14 dengan jarak 1
>> x=0:0.1:20;
>> y=trapmf(x,[2 6 10 14]);
>> plot(x,y);grid;title;('FungsiTrapesium');xlabel('x');ylabel('Mu[x]');
>> trapmf(5.25,[2 6 10 15)
>> trapmf(5.25,[2 6 10 15])
ans =
0.8125
>> trapmf(5.25,[2 6 10 14])
ans =
0.8125
>> trapmf(8.76,[2 6 10 14])
ans =
1
>> trapmf(12.5,[2 6 10 14])
ans =
0.3750
>> trapmf(8.75,[2 6 10 14])
ans =
1
Gambar Trapesium
3. Fungsi Keanggotaan Gausian bell dengan parameter 5, 8, 10 dengan jarak 0,5
>> x=0:0.5:25;
>> y=gbellmf(x,[5 8 10]);
>> plot(x,y);grid;title;('FungsigBell');xlabel('x');ylabel('Mu[x]');
>> gbellmf(5,[5 8 10])
ans =
0.5000
>> gbellmf(6.85,[5 8 10])
ans =
0.9994
>> gbellmf(8.58,[5 8 10])
ans =
1.0000
>> gbellmf(9.75,[5 8 10])
ans =
1
Gambar Gaussian Bell
4. Fungsi Keanggotaan Gausian dengan parameter 5, 8, 10 dengan jarak 0,5
>> x=0:0.1:20;
>> y=gaussmf(x,[6 10]);
>> plot(x,y);grid;title;('Fungsigauss');xlabel('x');ylabel('Mu[x]');
>> gaussmf(6.25,[6 10])
ans =
0.8226
>> gaussmf(6.85,[6 10])
ans =
0.8713
>> gaussmf(6.95,[6 10])
ans =
0.8788
>> gaussmf(9.15,[6 10])
ans =
0.9900
Gambar Gaussian
5. Fungsi Keanggotaan Gaussian2 dengan parameter sig1=4, c1=6, sig2=8, c2=10 dengan jarak 0,2
>> x=0:0.2:30;
>> y=gauss2mf(x,[4 6 8 10]);
>> plot(x,y);grid;title;('Fungsigauss2');xlabel('x');ylabel('Mu[x]');
>> gaussmf(4.55,[4 6 8 10])
ans =
0.9364
>> gaussmf(5.35,[4 6 8 10])
ans =
0.9869
>> gaussmf(7.75,[4 6 8 10])
ans =
0.9087
>> gaussmf(9.25,[4 6 8 10])
ans =
0.7189
Gambar Gaussian2
6. Fungsi Keanggotaan Phi dengan parameter 4, 5, 6, 9 dengan jarak 0,5
>> x=0:0.5:20;
>> y=pimf(x,[4 5 6 9]);
>> x=0:0.5:10;
>> y=pimf(x,[4 5 6 9]);
>> plot(x,y);grid;title;('Fungsipi');xlabel('x');ylabel('Mu[x]');
>> pimf(4.5,[4 5 6 9])
ans =
0.5000
>> pimf(5.25,[4 5 6 9])
ans =
1
>> pimf(7.45,[4 5 6 9])
ans =
0.5328
>> pimf(9.25,[4 5 6 9])
ans =
0
Gambar Phi
7. Fungsi Keanggotaan Sigmoid dengan parameter 4, 5, 6, 9 dengan jarak 0,5
>> x=0:0.5:40;
>> y=sigmf(x,[3 9]);
>> plot(x,y);grid;title;('Fungsisig');xlabel('x');ylabel('Mu[x]');
>> sigmf(4,[3 9])
ans =
3.0590e-007
>> sigmf(5.2,[3 9])
ans =
1.1195e-005
>> sigmf(6.25,[3 9])
ans =
2.6119e-004
>> sigmf(8.35,[3 9])
ans =
0.1246
Gambar Sigmoid
8. Fungsi Keanggotaan KurvaS dengan parameter 4, 9 dengan jarak 0,2
>> x=0:0.2:30;
>> y=kurv5mf(x,[4 9]);
>> y=smf(x,[4 9]);
>> plot(x,y);grid;title;('Fungsis');xlabel('x');ylabel('Mu[x]');
>> smf(5.2,[4 9])
ans =
0.1152
>> smf(7.34,[4 9])
ans =
0.7796
>> smf(8,[4 9])
ans =
0.9200
>> smf(8.75,[4 9])
ans =
0.9950
Gambar Kurva S
9. Fungsi Keanggotaan KurvaZ dengan parameter 2, 8 dengan jarak 0,2
>> x=0:0.2:10;
>> y=zmf(x,[2 8]);
>> plot(x,y);grid;title;('Fungsiz');xlabel('x');ylabel('Mu[x]');
>> zmf(3.5,[2 8])
ans =
0.8750
>> zmf(5.5,[2 8])
ans =
0.3472
>> zmf(6.25,[2 8])
ans =
0.1701
>> zmf(7.85,[2 8])
ans =
0.0013
>> zmf(8.75,[2 8])
ans =
0
Gambar Kurva Z
10. Fungsi Keanggotaan Sigmoid Ganda dengan parameter 6, 3, 6, 8 dengan jarak 0,2
>> x=0:0.2:30;
>> y=sigmf(x,[6 3 6 8]);
>> plot(x,y);grid;title;('Fungsisig');xlabel('x');ylabel('Mu[x]');
>> sigmf(6.5,[6 3 6 8])
ans =
1.0000
>> sigmf(6.35,[6 3 6 8])
ans =
1.0000
>> sigmf(7.25,[6 3 6 8])
ans =
1.0000
>> sigmf(7.65,[6 3 6 8])
ans =
1.0000
Gambar Sigmoid Ganda
11. Fungsi Keanggotaan Phi Sigmoid dengan parameter 6, 3, 6, 8 dengan jarak 0,2
>> x=0:0.2:10;
>> y=psigmf(x,[6 3 6 8]);
>> plot(x,y);grid;title;('Fungsipsig');xlabel('x');ylabel('Mu[x]');
>> psigmf(6.5,[6 3 6 8])
ans =
1.2339e-004
>> psigmf(6.35,[6 3 6 8])
ans =
5.0172e-005
>> psigmf(7.25,[6 3 6 8])
ans =
0.0110
>> psigmf(7.65,[6 3 6 8])
ans =
0.1091
Gambar Phi Sigmoid
Analisis :
Logika fuzzy menunjukkan bahwa bahwa pada fungsi keanggotaan tidak terpengaruh induksi medan manget. Hal ini juga ini perkuat dengan dengan hasil pengukuran, dimana nilai kuat medan magnet di tempat sampel berada masih tergolong aman.
MODUL 3
Landasan Teori
Salah satu sistem logika fuzzy yang paling banyak digunakan adalah sistem logika fuzy
Mamdani. Sistem fuzzy Mamdani terdiri dari [3] :
- basis aturan yang berisi sekumpulan aturan if-then
- basis data yang mendefinisikan fungsi keanggotaan himpunan fuzzy
- mesin inferensi yang melakukan operasi inferensi
- fuzzifikasi dan defuzzifikasi
Sistem fuzzy Mamdani menggunakan basis aturan seperti pada persamaan (2.25). Pada sistem fuzzy yang tertera pada gambar 2.5, terdapat banyak kebebasan dalam memilih jenis fuzzifikasi, defuzzifikasi dan mesin inferensi beserta operatornya sesuai dengan masalah yang dihadapi
.
Modul 3a
No Tingkat Pelayanan Tingkat Harga Kamar Tingkat Kepuasan Konsumen Kategori Tingkat Kepuasan
1 6 2,57 50 Cukup Puas
2 3,25 9,15 50 Puas
3 5,2 5,4 33,8 Cukup Puas
4 2,18 8,35 50 Cukup Puas
5 8,4 5,15 46,9 Cukup Puas
6 10 7,75 65 Puas
7 5,75 9,00 65 Puas
8 4,25 5,27 30 Cukup Puas
9 7,74 6,25 54,4 Puas
10 8,58 8,07 50 Puas
11 9,25 4,5 45 Cukup Puas
12 4,35 9,85 50 Puas
Modul3 B
Analisis :
Dari hasil dari pengolahan dengan menggunakan logika fuzzy ditunjukkan bahwa penduduk yang menjadi sampel tergolong pada fungsi keanggotaan yang tidak terpengaruh pada b. Maksudnya adalah pengaruh b disini tidak terlalu signifikan terdapat pola penyakit yang dapat membahayakan jiwa. Dari data riwayat kesehatan penduduk setempat (yang menjadi sampel) juga ditunjukkan tidak terlalu signifikannya perbedaan pola penyakit antara penduduk yang berada dibawah b dan di luar b.
Modul4
Landasan Teori
Pengenalan pola (pattern recognition) sesungguhnya telah lama ada dan telah mengalami perkembangan terus menerus dimulai dari pengenalan pola tradisional kemudian menjadi pengenalan pola modern. Pada mulanya pengenalan pola berbasis pada kemampuan alat indera manusia, dimana manusia mampu mengingat suatu informasi pola secara menyeluruh hanya berdasarkan sebagian informasi pola yang tersimpan di dalam ingatannya. Misalnya sebuah nada pendek yang dibunyikan dapat membuat kita mengingat sebuah lagu secara keseluruhan
Inti dari pengenalan pola adalah proses pengenalan suatu objek dengan menggunakan berbagai metode dimana dalam proses pengenalannya memiliki tingkat akurasi yang tinggi. Memiliki tingkat akurasi yang tinggi mengandung pengertian bahwa suatu objek yang secara manual (oleh manusia) tidak dapat dikenali tetapi bila menggunakan salah suatu metode pengenalan yang diaplikasikan pada komputer masih dapat dikenali
1)
2)
Analisis :
Fuzzifikasi memetakan titik crisp x di U ke dalam himpunan fuzzy A' pada U. Fuzzifikasi yang paling banyak digunakan adalah fuzzifikasi singleton dimana titik crisp x dipetakan menjadi himpunan fuzzy yang supportnya hanya pada satu titik x. Sedangkan fuzzifikasi non-singleton mempunyai support lebih dari satu titik [2]. Defuzzifikasi memetakan kembali besaran yang berupa himpunan fuzzy menjadi titik crisp. Defuzzifikasi dibutuhkan dalam penerapan sistem fuzzy karena yang digunakan dalam aplikasi adalah besaran crisp.
Modul 5
Landasan Teori
Perceptron adalah bentuk paling sederhana dari JST yang digunakan untuk pengklasifikasian jenis pola khusus yang biasa disebut linearly separable (pola-pola yang terletak pada sisi yang berlawanan pada suatu bidang).
Perceptron menggambarkan suatu usaha untuk membangun kecerdasan dan system pembelajaran-sendiri menggunakan komponen sederhana yang berasal dari model jaringan biologi yang diperkenalkan oleh McCuulloch dan Pitts (1943). Berikutnya Rosenblatt (1950) merancang perceptron dengan menguraikan pemodelan kemampuan sistim pengenalan pola untuk sistem penggambaran biologi.
Metode perceptron merupakan metode pembelajaran dengan pengawasan dalam sistim jaringan neural, sehingga jaringan yang dihasilkan harus mempunyai parameter yang dapat diatur dengan cara mengubah melalui aturan pembelajaran dengan pengawasan.
1. Perceptron mengenal fungsi logika AND 3 input dengan inisialisasi bobot bilangan Random.
Input Target
X1 X2 X3 T
0 0 0 0
0 0 1 0
0 1 0 0
0 1 1 0
1 0 0 0
1 0 1 0
1 1 0 0
1 1 1 1
2 Listing Program
>> nntwarn off
>> p=[0 0 0 0 1 1 1 1; 0 0 1 1 0 0 1 1; 0 1 0 1 0 1 0 1]
p =
0 0 0 0 1 1 1 1
0 0 1 1 0 0 1 1
0 1 0 1 0 1 0 1
>> t=[0 0 0 0 0 0 0 1]
t =
0 0 0 0 0 0 0 1
>> [w,b,]=initp(p,t)
>> [w,b,]=initp(p,t)
w =
0.6428 -0.1106 0.2309
b =
0.5839
>> tp=[1 275]
tp =
1 275
3)
>> [w,b]=trainp(w,b,p,t,tp)
TRAINP: 0/275 epochs, SSE = 7.
TRAINP: 1/275 epochs, SSE = 1.
TRAINP: 2/275 epochs, SSE = 1.
TRAINP: 3/275 epochs, SSE = 1.
TRAINP: 4/275 epochs, SSE = 1.
TRAINP: 5/275 epochs, SSE = 2.
TRAINP: 6/275 epochs, SSE = 1.
TRAINP: 7/275 epochs, SSE = 1.
TRAINP: 8/275 epochs, SSE = 3.
TRAINP: 9/275 epochs, SSE = 1.
TRAINP: 10/275 epochs, SSE = 1.
TRAINP: 11/275 epochs, SSE = 3.
TRAINP: 12/275 epochs, SSE = 1.
TRAINP: 13/275 epochs, SSE = 1.
TRAINP: 14/275 epochs, SSE = 0.
w =
1.6428 1.8894 2.2309
b =
-4.4161
3Inisialisasi Bobot dan Bias
A. Bobot awal dan Bias awal
w =
0.6428 -0.1106 0.2309
b =
0.5839
B. Bobot dan Bias Akhir
w =
1.6428 1.8894 2.2309
b =
-4.4161
4Gambar
5
Input T Perhitungan Jaringan
X1 X2 X3 T Net=X1W1+X2W2+b Fnet= 1 jika net >0
0 jika net <0
0 0 0 0 0 0
0 0 1 0 1 0
0 1 0 0 0 0
0 1 1 0 1 0
1 0 0 0 0 0
1 0 1 0 1 0
1 1 0 0 0 0
1 1 1 1 1 1
6analisis:
Proses pembelajaran merupakan suatu metoda untuk proses pengenalan suatu objek yang sifatnya kontinuitas yang selalu direspon secara berbeda dari setiap proses pembelajaran tersebut. Tujuan dari pembelajaran ini sebenarnya untuk memperkecil tingkat suatu error dalam pengenalan suatu objek.
1. Perceptron untuk Mengenal Fungsi logika OR 3 input dengan inisialisasi bilangan random
Input Target
X1 X2 X3 1
1 1 1 1
1 1 0 1
1 0 1 1
1 0 0 1
0 1 1 1
0 1 0 1
0 0 1 1
0 0 0 0
2. Listing Program
>> nntwarn off
>> p=[1 1 1 1 0 0 0 0; 1 1 0 0 1 1 0 0; 1 0 1 0 1 0 1 0]
p =
1 1 1 1 0 0 0 0
1 1 0 0 1 1 0 0
1 0 1 0 1 0 1 0
>> t=[1 1 1 1 1 1 1 0]
t =
1 1 1 1 1 1 1 0
>> [w,b,]=initp(p,t)
w =
0.9003 -0.5377 0.2137
b =
-0.0280
>> tp=[1 50]
tp =
1 50
>> [w,b]=trainp(w,b,p,t,tp)
TRAINP: 0/50 epochs, SSE = 2.
TRAINP: 1/50 epochs, SSE = 1.
TRAINP: 2/50 epochs, SSE = 1.
TRAINP: 3/50 epochs, SSE = 0.
w =
0.9003 1.4623 1.2137
b =
-0.0280
3Inisialisasi Bobot dan Bias
C. Bobot awal dan Bias awal
w =
0.9003 -0.5377 0.2137
b =
-0.0280
D. Bobot dan Bias Akhir
w =
0.9003 1.4623 1.2137
b =
-0.0280
4. Gambar
Input T Perhitungan Jaringan
X1 X2 X3 T Net=X1W1+X2W2+b Fnet= 1 jika net >0
0 jika net <0
0 0 0 0 0 0
0 0 1 0 1 0
0 1 0 0 0 0
0 1 1 0 1 0
1 0 0 0 0 0
1 0 1 0 1 0
1 1 0 0 0 0
1 1 1 1 1 1
Analisis :]
Sistem pembelajaran pada metoda Supervised learning adalah system pembelajaran yang mana, setiap pengetahuan yang akan diberikan kepada sistem, pada awalnya diberikan suatu acuan untuk memetakan suatu masukan menjadi suatu keluaran yang diinginkan. Proses pembelajaran ini akan terus dilakukan selama kondisi error atau kondisi yang diinginkan belum tercapai. Adapun setiap perolehan error akan dikalkulasikan untuk setiap pemrosesan hingga data atau nilai yang diinginkan telah tercapai.
1. 1Perceptron mengenal Pola 3 input dengan inisialisasi bobot bilangan Random.
Input Target
X1 X2 X3 T
1 0 1 1
1 0 0 0
0 1 0 0
0 0 1 0
0 0 1 0
0 1 0 1
1 1 1 1
1 1 0 1
2. Listing Program
>> nntwarn off
>> p=[1 1 0 0 0 0 1 1; 0 0 1 0 0 1 1 1; 1 0 0 1 1 0 1 0]
p =
1 1 0 0 0 0 1 1
0 0 1 0 0 1 1 1
1 0 0 1 1 0 1 0
>> t=[1 0 0 0 0 1 1 1]
t =
1 0 0 0 0 1 1 1
>> [w,b,]=initp(p,t)
w =
0.9003 -0.5377 0.2137
b =
-0.0280
>> tp=[1 150]
>> tp=[1 20]
tp =
1 20
>> [w,b]=trainp(w,b,p,t,tp)
TRAINP: 0/20 epochs, SSE = 1.
TRAINP: 1/20 epochs, SSE = 1.
TRAINP: 2/20 epochs, SSE = 1.
TRAINP: 3/20 epochs, SSE = 1.
TRAINP: 4/20 epochs, SSE = 1.
TRAINP: 5/20 epochs, SSE = 1.
TRAINP: 6/20 epochs, SSE = 1.
TRAINP: 7/20 epochs, SSE = 1.
TRAINP: 8/20 epochs, SSE = 1.
TRAINP: 9/20 epochs, SSE = 1.
TRAINP: 10/20 epochs, SSE = 1.
TRAINP: 11/20 epochs, SSE = 1.
TRAINP: 12/20 epochs, SSE = 1.
TRAINP: 13/20 epochs, SSE = 1.
TRAINP: 14/20 epochs, SSE = 1.
TRAINP: 15/20 epochs, SSE = 1.
TRAINP: 16/20 epochs, SSE = 1.
TRAINP: 17/20 epochs, SSE = 1.
TRAINP: 18/20 epochs, SSE = 1.
TRAINP: 19/20 epochs, SSE = 1.
TRAINP: 20/20 epochs, SSE = 1.
w =
3.9003 3.4623 1.2137
b =
-5.0280
Tidak Mengenal Target
3 Inisialisasi Bobot dan Bias
E. Bobot awal dan Bias awal
w =
0.9003 -0.5377 0.2137
b =
-0.0280
F. Bobot dan Bias Akhir
w =
3.9003 3.4623 1.2137
b =
-5.0280
4. Gambar
5)
Input T Perhitungan Jaringan
X1 X2 X3 T Net=X1W1+X2W2+b Fnet= 1 jika net >0
0 jika net <0
0 0 0 0 0 0
0 0 1 0 1 0
0 1 0 0 0 0
0 1 1 0 1 0
1 0 0 0 0 0
1 0 1 0 1 0
1 1 0 0 0 0
1 1 1 1 1 1
Analisis :
Sistem pembelajaran pada neural network, yang mana sistem ini memberikan sepenuhnya pada hasil komputasi dari setiap pemrosesan, sehingga pada sistem ini tidak membutuhkan adanya acuan awal agar perolehan nilai dapat dicapai. Meskipun secara mendasar, proses ini tetap mengkalkulasikan setiap langkah pada setiap kesalahannya dengan mengkalkulasikan setiap nilai weight yang didapat.
4)
>> nntwarn off
>> p=[[9;6] [7;2] [4;5] [3;10] [1;8] [1;7] [8;4] [5;6]]
p =
9 7 4 3 1 1 8 5
6 2 5 10 8 7 4 6
>> t=[0 1 1 0 1 1 0 0]
t =
0 1 1 0 1 1 0 0
>> [w,b]=initp(p,t)
w =
0.9003 -0.5377
b =
0.2137
>> tp=[1 500]
tp =
1 500
>> [w,b]=trainp(w,b,p,t,tp)
TRAINP: 0/500 epochs, SSE = 4.
TRAINP: 1/500 epochs, SSE = 4.
TRAINP: 2/500 epochs, SSE = 5.
TRAINP: 3/500 epochs, SSE = 4.
TRAINP: 4/500 epochs, SSE = 3.
TRAINP: 5/500 epochs, SSE = 2.
TRAINP: 6/500 epochs, SSE = 4.
TRAINP: 7/500 epochs, SSE = 4.
TRAINP: 8/500 epochs, SSE = 2.
TRAINP: 9/500 epochs, SSE = 4.
TRAINP: 10/500 epochs, SSE = 4.
TRAINP: 11/500 epochs, SSE = 3.
TRAINP: 12/500 epochs, SSE = 3.
TRAINP: 13/500 epochs, SSE = 4.
TRAINP: 14/500 epochs, SSE = 4.
TRAINP: 15/500 epochs, SSE = 4.
TRAINP: 16/500 epochs, SSE = 4.
TRAINP: 17/500 epochs, SSE = 4.
TRAINP: 18/500 epochs, SSE = 3.
TRAINP: 19/500 epochs, SSE = 2.
TRAINP: 20/500 epochs, SSE = 4.
TRAINP: 21/500 epochs, SSE = 4.
TRAINP: 22/500 epochs, SSE = 3.
TRAINP: 23/500 epochs, SSE = 2.
TRAINP: 24/500 epochs, SSE = 4.
TRAINP: 25/500 epochs, SSE = 4.
TRAINP: 26/500 epochs, SSE = 4.
TRAINP: 27/500 epochs, SSE = 4.
TRAINP: 28/500 epochs, SSE = 4.
TRAINP: 29/500 epochs, SSE = 3.
TRAINP: 30/500 epochs, SSE = 4.
TRAINP: 31/500 epochs, SSE = 4.
TRAINP: 32/500 epochs, SSE = 4.
TRAINP: 33/500 epochs, SSE = 3.
TRAINP: 34/500 epochs, SSE = 4.
TRAINP: 35/500 epochs, SSE = 4.
TRAINP: 36/500 epochs, SSE = 4.
TRAINP: 37/500 epochs, SSE = 3.
TRAINP: 38/500 epochs, SSE = 2.
TRAINP: 39/500 epochs, SSE = 4.
TRAINP: 40/500 epochs, SSE = 4.
TRAINP: 41/500 epochs, SSE = 3.
TRAINP: 42/500 epochs, SSE = 3.
TRAINP: 43/500 epochs, SSE = 4.
TRAINP: 44/500 epochs, SSE = 4.
TRAINP: 45/500 epochs, SSE = 4.
TRAINP: 46/500 epochs, SSE = 3.
TRAINP: 47/500 epochs, SSE = 4.
TRAINP: 48/500 epochs, SSE = 4.
TRAINP: 49/500 epochs, SSE = 4.
TRAINP: 50/500 epochs, SSE = 4.
TRAINP: 51/500 epochs, SSE = 4.
TRAINP: 52/500 epochs, SSE = 3.
TRAINP: 53/500 epochs, SSE = 2.
TRAINP: 54/500 epochs, SSE = 4.
TRAINP: 55/500 epochs, SSE = 4.
TRAINP: 56/500 epochs, SSE = 4.
TRAINP: 57/500 epochs, SSE = 4.
TRAINP: 58/500 epochs, SSE = 4.
TRAINP: 59/500 epochs, SSE = 3.
TRAINP: 60/500 epochs, SSE = 4.
TRAINP: 61/500 epochs, SSE = 4.
TRAINP: 62/500 epochs, SSE = 4.
TRAINP: 63/500 epochs, SSE = 3.
TRAINP: 64/500 epochs, SSE = 2.
TRAINP: 65/500 epochs, SSE = 4.
TRAINP: 66/500 epochs, SSE = 4.
TRAINP: 67/500 epochs, SSE = 2.
TRAINP: 68/500 epochs, SSE = 4.
TRAINP: 69/500 epochs, SSE = 4.
TRAINP: 70/500 epochs, SSE = 3.
TRAINP: 71/500 epochs, SSE = 2.
TRAINP: 72/500 epochs, SSE = 4.
TRAINP: 73/500 epochs, SSE = 4.
TRAINP: 74/500 epochs, SSE = 4.
TRAINP: 75/500 epochs, SSE = 4.
TRAINP: 76/500 epochs, SSE = 4.
TRAINP: 77/500 epochs, SSE = 2.
TRAINP: 78/500 epochs, SSE = 2.
TRAINP: 79/500 epochs, SSE = 4.
TRAINP: 80/500 epochs, SSE = 4.
TRAINP: 81/500 epochs, SSE = 2.
TRAINP: 82/500 epochs, SSE = 3.
TRAINP: 83/500 epochs, SSE = 4.
TRAINP: 84/500 epochs, SSE = 4.
TRAINP: 85/500 epochs, SSE = 3.
TRAINP: 86/500 epochs, SSE = 4.
TRAINP: 87/500 epochs, SSE = 4.
TRAINP: 88/500 epochs, SSE = 4.
TRAINP: 89/500 epochs, SSE = 3.
TRAINP: 90/500 epochs, SSE = 2.
TRAINP: 91/500 epochs, SSE = 4.
TRAINP: 92/500 epochs, SSE = 4.
TRAINP: 93/500 epochs, SSE = 2.
TRAINP: 94/500 epochs, SSE = 4.
TRAINP: 95/500 epochs, SSE = 4.
TRAINP: 96/500 epochs, SSE = 2.
TRAINP: 97/500 epochs, SSE = 3.
TRAINP: 98/500 epochs, SSE = 4.
TRAINP: 99/500 epochs, SSE = 4.
TRAINP: 100/500 epochs, SSE = 3.
TRAINP: 101/500 epochs, SSE = 4.
TRAINP: 102/500 epochs, SSE = 4.
TRAINP: 103/500 epochs, SSE = 4.
TRAINP: 104/500 epochs, SSE = 4.
TRAINP: 105/500 epochs, SSE = 4.
TRAINP: 106/500 epochs, SSE = 3.
TRAINP: 107/500 epochs, SSE = 2.
TRAINP: 108/500 epochs, SSE = 2.
TRAINP: 109/500 epochs, SSE = 4.
TRAINP: 110/500 epochs, SSE = 4.
TRAINP: 111/500 epochs, SSE = 1.
TRAINP: 112/500 epochs, SSE = 4.
TRAINP: 113/500 epochs, SSE = 4.
TRAINP: 114/500 epochs, SSE = 2.
TRAINP: 115/500 epochs, SSE = 4.
TRAINP: 116/500 epochs, SSE = 4.
TRAINP: 117/500 epochs, SSE = 2.
TRAINP: 118/500 epochs, SSE = 4.
TRAINP: 119/500 epochs, SSE = 4.
TRAINP: 120/500 epochs, SSE = 2.
TRAINP: 121/500 epochs, SSE = 3.
TRAINP: 122/500 epochs, SSE = 4.
TRAINP: 123/500 epochs, SSE = 4.
TRAINP: 124/500 epochs, SSE = 3.
TRAINP: 125/500 epochs, SSE = 4.
TRAINP: 126/500 epochs, SSE = 4.
TRAINP: 127/500 epochs, SSE = 4.
TRAINP: 128/500 epochs, SSE = 3.
TRAINP: 129/500 epochs, SSE = 2.
TRAINP: 130/500 epochs, SSE = 4.
TRAINP: 131/500 epochs, SSE = 4.
TRAINP: 132/500 epochs, SSE = 2.
TRAINP: 133/500 epochs, SSE = 4.
TRAINP: 134/500 epochs, SSE = 4.
TRAINP: 135/500 epochs, SSE = 2.
TRAINP: 136/500 epochs, SSE = 2.
TRAINP: 137/500 epochs, SSE = 4.
TRAINP: 138/500 epochs, SSE = 4.
TRAINP: 139/500 epochs, SSE = 2.
TRAINP: 140/500 epochs, SSE = 4.
TRAINP: 141/500 epochs, SSE = 4.
TRAINP: 142/500 epochs, SSE = 2.
TRAINP: 143/500 epochs, SSE = 3.
TRAINP: 144/500 epochs, SSE = 4.
TRAINP: 145/500 epochs, SSE = 4.
TRAINP: 146/500 epochs, SSE = 2.
TRAINP: 147/500 epochs, SSE = 4.
TRAINP: 148/500 epochs, SSE = 4.
TRAINP: 149/500 epochs, SSE = 4.
TRAINP: 150/500 epochs, SSE = 3.
TRAINP: 151/500 epochs, SSE = 4.
TRAINP: 152/500 epochs, SSE = 4.
TRAINP: 153/500 epochs, SSE = 4.
TRAINP: 154/500 epochs, SSE = 3.
TRAINP: 155/500 epochs, SSE = 2.
TRAINP: 156/500 epochs, SSE = 4.
TRAINP: 157/500 epochs, SSE = 4.
TRAINP: 158/500 epochs, SSE = 2.
TRAINP: 159/500 epochs, SSE = 4.
TRAINP: 160/500 epochs, SSE = 4.
TRAINP: 161/500 epochs, SSE = 2.
TRAINP: 162/500 epochs, SSE = 2.
TRAINP: 163/500 epochs, SSE = 4.
TRAINP: 164/500 epochs, SSE = 4.
TRAINP: 165/500 epochs, SSE = 2.
TRAINP: 166/500 epochs, SSE = 4.
TRAINP: 167/500 epochs, SSE = 4.
TRAINP: 168/500 epochs, SSE = 1.
TRAINP: 169/500 epochs, SSE = 2.
TRAINP: 170/500 epochs, SSE = 4.
TRAINP: 171/500 epochs, SSE = 4.
TRAINP: 172/500 epochs, SSE = 4.
TRAINP: 173/500 epochs, SSE = 3.
TRAINP: 174/500 epochs, SSE = 4.
TRAINP: 175/500 epochs, SSE = 4.
TRAINP: 176/500 epochs, SSE = 4.
TRAINP: 177/500 epochs, SSE = 3.
TRAINP: 178/500 epochs, SSE = 2.
TRAINP: 179/500 epochs, SSE = 3.
TRAINP: 180/500 epochs, SSE = 4.
TRAINP: 181/500 epochs, SSE = 2.
TRAINP: 182/500 epochs, SSE = 4.
TRAINP: 183/500 epochs, SSE = 4.
TRAINP: 184/500 epochs, SSE = 4.
TRAINP: 185/500 epochs, SSE = 3.
TRAINP: 186/500 epochs, SSE = 3.
TRAINP: 187/500 epochs, SSE = 4.
TRAINP: 188/500 epochs, SSE = 4.
TRAINP: 189/500 epochs, SSE = 2.
TRAINP: 190/500 epochs, SSE = 2.
TRAINP: 191/500 epochs, SSE = 4.
TRAINP: 192/500 epochs, SSE = 4.
TRAINP: 193/500 epochs, SSE = 1.
TRAINP: 194/500 epochs, SSE = 3.
TRAINP: 195/500 epochs, SSE = 4.
TRAINP: 196/500 epochs, SSE = 2.
TRAINP: 197/500 epochs, SSE = 4.
TRAINP: 198/500 epochs, SSE = 4.
TRAINP: 199/500 epochs, SSE = 4.
TRAINP: 200/500 epochs, SSE = 3.
TRAINP: 201/500 epochs, SSE = 4.
TRAINP: 202/500 epochs, SSE = 4.
TRAINP: 203/500 epochs, SSE = 4.
TRAINP: 204/500 epochs, SSE = 3.
TRAINP: 205/500 epochs, SSE = 2.
TRAINP: 206/500 epochs, SSE = 3.
TRAINP: 207/500 epochs, SSE = 4.
TRAINP: 208/500 epochs, SSE = 3.
TRAINP: 209/500 epochs, SSE = 4.
TRAINP: 210/500 epochs, SSE = 2.
TRAINP: 211/500 epochs, SSE = 4.
TRAINP: 212/500 epochs, SSE = 4.
TRAINP: 213/500 epochs, SSE = 4.
TRAINP: 214/500 epochs, SSE = 3.
TRAINP: 215/500 epochs, SSE = 2.
TRAINP: 216/500 epochs, SSE = 2.
TRAINP: 217/500 epochs, SSE = 4.
TRAINP: 218/500 epochs, SSE = 4.
TRAINP: 219/500 epochs, SSE = 4.
TRAINP: 220/500 epochs, SSE = 3.
TRAINP: 221/500 epochs, SSE = 4.
TRAINP: 222/500 epochs, SSE = 4.
TRAINP: 223/500 epochs, SSE = 4.
TRAINP: 224/500 epochs, SSE = 3.
TRAINP: 225/500 epochs, SSE = 2.
TRAINP: 226/500 epochs, SSE = 3.
TRAINP: 227/500 epochs, SSE = 4.
TRAINP: 228/500 epochs, SSE = 3.
TRAINP: 229/500 epochs, SSE = 4.
TRAINP: 230/500 epochs, SSE = 2.
TRAINP: 231/500 epochs, SSE = 4.
TRAINP: 232/500 epochs, SSE = 4.
TRAINP: 233/500 epochs, SSE = 4.
TRAINP: 234/500 epochs, SSE = 3.
TRAINP: 235/500 epochs, SSE = 2.
TRAINP: 236/500 epochs, SSE = 2.
TRAINP: 237/500 epochs, SSE = 4.
TRAINP: 238/500 epochs, SSE = 4.
TRAINP: 239/500 epochs, SSE = 4.
TRAINP: 240/500 epochs, SSE = 3.
TRAINP: 241/500 epochs, SSE = 4.
TRAINP: 242/500 epochs, SSE = 4.
TRAINP: 243/500 epochs, SSE = 4.
TRAINP: 244/500 epochs, SSE = 3.
TRAINP: 245/500 epochs, SSE = 2.
TRAINP: 246/500 epochs, SSE = 3.
TRAINP: 247/500 epochs, SSE = 4.
TRAINP: 248/500 epochs, SSE = 3.
TRAINP: 249/500 epochs, SSE = 4.
TRAINP: 250/500 epochs, SSE = 2.
TRAINP: 251/500 epochs, SSE = 4.
TRAINP: 252/500 epochs, SSE = 4.
TRAINP: 253/500 epochs, SSE = 4.
TRAINP: 254/500 epochs, SSE = 3.
TRAINP: 255/500 epochs, SSE = 2.
TRAINP: 256/500 epochs, SSE = 2.
TRAINP: 257/500 epochs, SSE = 4.
TRAINP: 258/500 epochs, SSE = 4.
TRAINP: 259/500 epochs, SSE = 4.
TRAINP: 260/500 epochs, SSE = 3.
TRAINP: 261/500 epochs, SSE = 4.
TRAINP: 262/500 epochs, SSE = 4.
TRAINP: 263/500 epochs, SSE = 4.
TRAINP: 264/500 epochs, SSE = 2.
TRAINP: 265/500 epochs, SSE = 4.
TRAINP: 266/500 epochs, SSE = 4.
TRAINP: 267/500 epochs, SSE = 4.
TRAINP: 268/500 epochs, SSE = 3.
TRAINP: 269/500 epochs, SSE = 2.
TRAINP: 270/500 epochs, SSE = 2.
TRAINP: 271/500 epochs, SSE = 4.
TRAINP: 272/500 epochs, SSE = 4.
TRAINP: 273/500 epochs, SSE = 4.
TRAINP: 274/500 epochs, SSE = 2.
TRAINP: 275/500 epochs, SSE = 1.
TRAINP: 276/500 epochs, SSE = 1.
TRAINP: 277/500 epochs, SSE = 2.
TRAINP: 278/500 epochs, SSE = 4.
TRAINP: 279/500 epochs, SSE = 4.
TRAINP: 280/500 epochs, SSE = 1.
TRAINP: 281/500 epochs, SSE = 2.
TRAINP: 282/500 epochs, SSE = 4.
TRAINP: 283/500 epochs, SSE = 4.
TRAINP: 284/500 epochs, SSE = 4.
TRAINP: 285/500 epochs, SSE = 3.
TRAINP: 286/500 epochs, SSE = 3.
TRAINP: 287/500 epochs, SSE = 4.
TRAINP: 288/500 epochs, SSE = 4.
TRAINP: 289/500 epochs, SSE = 2.
TRAINP: 290/500 epochs, SSE = 1.
TRAINP: 291/500 epochs, SSE = 1.
TRAINP: 292/500 epochs, SSE = 3.
TRAINP: 293/500 epochs, SSE = 4.
TRAINP: 294/500 epochs, SSE = 4.
TRAINP: 295/500 epochs, SSE = 2.
TRAINP: 296/500 epochs, SSE = 4.
TRAINP: 297/500 epochs, SSE = 4.
TRAINP: 298/500 epochs, SSE = 4.
TRAINP: 299/500 epochs, SSE = 2.
TRAINP: 300/500 epochs, SSE = 1.
TRAINP: 301/500 epochs, SSE = 1.
TRAINP: 302/500 epochs, SSE = 2.
TRAINP: 303/500 epochs, SSE = 4.
TRAINP: 304/500 epochs, SSE = 4.
TRAINP: 305/500 epochs, SSE = 1.
TRAINP: 306/500 epochs, SSE = 1.
TRAINP: 307/500 epochs, SSE = 3.
TRAINP: 308/500 epochs, SSE = 4.
TRAINP: 309/500 epochs, SSE = 4.
TRAINP: 310/500 epochs, SSE = 2.
TRAINP: 311/500 epochs, SSE = 4.
TRAINP: 312/500 epochs, SSE = 4.
TRAINP: 313/500 epochs, SSE = 4.
TRAINP: 314/500 epochs, SSE = 3.
TRAINP: 315/500 epochs, SSE = 3.
TRAINP: 316/500 epochs, SSE = 3.
TRAINP: 317/500 epochs, SSE = 4.
TRAINP: 318/500 epochs, SSE = 3.
TRAINP: 319/500 epochs, SSE = 4.
TRAINP: 320/500 epochs, SSE = 2.
TRAINP: 321/500 epochs, SSE = 2.
TRAINP: 322/500 epochs, SSE = 2.
TRAINP: 323/500 epochs, SSE = 4.
TRAINP: 324/500 epochs, SSE = 4.
TRAINP: 325/500 epochs, SSE = 4.
TRAINP: 326/500 epochs, SSE = 3.
TRAINP: 327/500 epochs, SSE = 3.
TRAINP: 328/500 epochs, SSE = 3.
TRAINP: 329/500 epochs, SSE = 4.
TRAINP: 330/500 epochs, SSE = 3.
TRAINP: 331/500 epochs, SSE = 4.
TRAINP: 332/500 epochs, SSE = 3.
TRAINP: 333/500 epochs, SSE = 4.
TRAINP: 334/500 epochs, SSE = 2.
TRAINP: 335/500 epochs, SSE = 2.
TRAINP: 336/500 epochs, SSE = 2.
TRAINP: 337/500 epochs, SSE = 4.
TRAINP: 338/500 epochs, SSE = 4.
TRAINP: 339/500 epochs, SSE = 4.
TRAINP: 340/500 epochs, SSE = 2.
TRAINP: 341/500 epochs, SSE = 1.
TRAINP: 342/500 epochs, SSE = 1.
TRAINP: 343/500 epochs, SSE = 1.
TRAINP: 344/500 epochs, SSE = 1.
TRAINP: 345/500 epochs, SSE = 2.
TRAINP: 346/500 epochs, SSE = 3.
TRAINP: 347/500 epochs, SSE = 4.
TRAINP: 348/500 epochs, SSE = 3.
TRAINP: 349/500 epochs, SSE = 4.
TRAINP: 350/500 epochs, SSE = 2.
TRAINP: 351/500 epochs, SSE = 3.
TRAINP: 352/500 epochs, SSE = 3.
TRAINP: 353/500 epochs, SSE = 4.
TRAINP: 354/500 epochs, SSE = 3.
TRAINP: 355/500 epochs, SSE = 4.
TRAINP: 356/500 epochs, SSE = 2.
TRAINP: 357/500 epochs, SSE = 2.
TRAINP: 358/500 epochs, SSE = 1.
TRAINP: 359/500 epochs, SSE = 1.
TRAINP: 360/500 epochs, SSE = 1.
TRAINP: 361/500 epochs, SSE = 3.
TRAINP: 362/500 epochs, SSE = 4.
TRAINP: 363/500 epochs, SSE = 4.
TRAINP: 364/500 epochs, SSE = 2.
TRAINP: 365/500 epochs, SSE = 4.
TRAINP: 366/500 epochs, SSE = 3.
TRAINP: 367/500 epochs, SSE = 4.
TRAINP: 368/500 epochs, SSE = 3.
TRAINP: 369/500 epochs, SSE = 4.
TRAINP: 370/500 epochs, SSE = 2.
TRAINP: 371/500 epochs, SSE = 2.
TRAINP: 372/500 epochs, SSE = 2.
TRAINP: 373/500 epochs, SSE = 4.
TRAINP: 374/500 epochs, SSE = 4.
TRAINP: 375/500 epochs, SSE = 4.
TRAINP: 376/500 epochs, SSE = 3.
TRAINP: 377/500 epochs, SSE = 3.
TRAINP: 378/500 epochs, SSE = 3.
TRAINP: 379/500 epochs, SSE = 4.
TRAINP: 380/500 epochs, SSE = 3.
TRAINP: 381/500 epochs, SSE = 4.
TRAINP: 382/500 epochs, SSE = 3.
TRAINP: 383/500 epochs, SSE = 3.
TRAINP: 384/500 epochs, SSE = 2.
TRAINP: 385/500 epochs, SSE = 4.
TRAINP: 386/500 epochs, SSE = 3.
TRAINP: 387/500 epochs, SSE = 3.
TRAINP: 388/500 epochs, SSE = 2.
TRAINP: 389/500 epochs, SSE = 3.
TRAINP: 390/500 epochs, SSE = 2.
TRAINP: 391/500 epochs, SSE = 3.
TRAINP: 392/500 epochs, SSE = 3.
TRAINP: 393/500 epochs, SSE = 4.
TRAINP: 394/500 epochs, SSE = 3.
TRAINP: 395/500 epochs, SSE = 4.
TRAINP: 396/500 epochs, SSE = 2.
TRAINP: 397/500 epochs, SSE = 2.
TRAINP: 398/500 epochs, SSE = 1.
TRAINP: 399/500 epochs, SSE = 1.
TRAINP: 400/500 epochs, SSE = 1.
TRAINP: 401/500 epochs, SSE = 3.
TRAINP: 402/500 epochs, SSE = 4.
TRAINP: 403/500 epochs, SSE = 4.
TRAINP: 404/500 epochs, SSE = 1.
TRAINP: 405/500 epochs, SSE = 1.
TRAINP: 406/500 epochs, SSE = 0.
w =
-24.0997 -20.5377
b =
239.2137
3Inisialisasi Bobot dan Bias
G. Bobot awal dan Bias awal
w =
0.9003 -0.5377
b =
0.2137
H. Bobot dan Bias Akhir
w =
-24.0997 -20.5377
b =
239.2137
Input T Perhitungan Jaringan
X1 X2 X3 T Net=X1W1+X2W2+b Fnet= 1 jika net >0
0 jika net <0
0 0 0 0 O 0
0 0 1 0 0 0
0 1 0 0 0 0
0 1 1 0 0 0
1 0 0 0 0 0
1 0 1 0 0 0
1 1 0 0 0 0
1 1 1 1 1 1
Analisis :
Proses ini merupakan bagian dari sistem kerja secara keseluruhan, karena proses masukan digunakan untuk menunjang pada proses pembelajaran serta proses pengujian. Pada proses ini, masukan diklasifikasikan berdasarkan keinginan dari pembuat, dimana bentuk masukan dapat berupa nilai logic atau bilangan biner ( 1 atau 0 ),
Modul 6
Jaringan syaraf tiruan telah dikembangkan sejak tahun 1940. Pada tahun 1943 McCulloch dan W.H.Pitts memperkenalkan pemodelan matematis neuron. Tahun 1949, Hebb mencoba mengkaji proses belajar yang dilakukan oleh neuron. Teori ini dikenal sebagai Hebbian Law. Tahun 1958, Rosenblatt memperkenalkan konsep perseptron suatu jaringan yang terdiri dari beberapa lapisan yang saling berhubunganmelalui umpan maju (feed foward). Konsep ini dimaksudkan untuk memberikan ilustrasi tentang dasar-dasar intelejensia secara umum. Hasil kerja Rosenblatt yang sangat penting adalah perceptron convergence theorem (tahun 1962) yang membuktikan bahwa bila setiap perseptron dapat memilah-milah dua buah pola yang berbeda maka siklus pelatihannya dapat dilakukan dalam jumlah yang ter batas.
1)
>> nntwarn off
>> p=[0 0 1 1;0 1 0 1]
p =
0 0 1 1
0 1 0 1
>> t=[0 1 1 0]
t =
0 1 1 0
>> tp=[1 2000 0.35 0.01]
tp =
1.0e+003 *
0.0010 2.0000 0.0004 0.0000
tp =
1.0e+003 *
0.0010 2.0000 0.0004 0.0000
w1 =
2.2404 1.6795
-1.7588 -2.1786
-0.4883 2.7571
2.6840 0.7976
b1 =
-2.9854
1.1487
-0.8343
-1.3771
w2 =
-0.1879 0.1090 -0.0705 -0.6617
b2 =
-0.6619
TRAINBP: 0/2000 epochs, SSE = 5.85043.
TRAINBP: 1/2000 epochs, SSE = 5.68409.
TRAINBP: 2/2000 epochs, SSE = 5.51676.
TRAINBP: 3/2000 epochs, SSE = 5.34976.
TRAINBP: 4/2000 epochs, SSE = 5.18419.
TRAINBP: 5/2000 epochs, SSE = 5.02085.
TRAINBP: 6/2000 epochs, SSE = 4.86023.
TRAINBP: 7/2000 epochs, SSE = 4.70245.
TRAINBP: 8/2000 epochs, SSE = 4.54735.
TRAINBP: 9/2000 epochs, SSE = 4.39453.
TRAINBP: 10/2000 epochs, SSE = 4.24343.
TRAINBP: 11/2000 epochs, SSE = 4.09338.
TRAINBP: 12/2000 epochs, SSE = 3.94369.
TRAINBP: 13/2000 epochs, SSE = 3.7937.
TRAINBP: 14/2000 epochs, SSE = 3.64283.
TRAINBP: 15/2000 epochs, SSE = 3.49063.
TRAINBP: 16/2000 epochs, SSE = 3.33683.
TRAINBP: 17/2000 epochs, SSE = 3.18135.
TRAINBP: 18/2000 epochs, SSE = 3.02431.
TRAINBP: 19/2000 epochs, SSE = 2.86611.
TRAINBP: 20/2000 epochs, SSE = 2.70734.
TRAINBP: 21/2000 epochs, SSE = 2.54884.
TRAINBP: 22/2000 epochs, SSE = 2.39159.
TRAINBP: 23/2000 epochs, SSE = 2.23674.
TRAINBP: 24/2000 epochs, SSE = 2.08546.
TRAINBP: 25/2000 epochs, SSE = 1.93894.
TRAINBP: 26/2000 epochs, SSE = 1.79827.
TRAINBP: 27/2000 epochs, SSE = 1.66439.
TRAINBP: 28/2000 epochs, SSE = 1.53806.
TRAINBP: 29/2000 epochs, SSE = 1.41983.
TRAINBP: 30/2000 epochs, SSE = 1.31002.
TRAINBP: 31/2000 epochs, SSE = 1.20874.
TRAINBP: 32/2000 epochs, SSE = 1.11591.
TRAINBP: 33/2000 epochs, SSE = 1.03129.
TRAINBP: 34/2000 epochs, SSE = 0.954509.
TRAINBP: 35/2000 epochs, SSE = 0.885129.
TRAINBP: 36/2000 epochs, SSE = 0.822634.
TRAINBP: 37/2000 epochs, SSE = 0.766485.
TRAINBP: 38/2000 epochs, SSE = 0.716133.
TRAINBP: 39/2000 epochs, SSE = 0.671037.
TRAINBP: 40/2000 epochs, SSE = 0.63068.
TRAINBP: 41/2000 epochs, SSE = 0.594572.
TRAINBP: 42/2000 epochs, SSE = 0.562261.
TRAINBP: 43/2000 epochs, SSE = 0.53333.
TRAINBP: 44/2000 epochs, SSE = 0.507403.
TRAINBP: 45/2000 epochs, SSE = 0.484139.
TRAINBP: 46/2000 epochs, SSE = 0.463234.
TRAINBP: 47/2000 epochs, SSE = 0.444417.
TRAINBP: 48/2000 epochs, SSE = 0.427447.
TRAINBP: 49/2000 epochs, SSE = 0.412111.
TRAINBP: 50/2000 epochs, SSE = 0.398222.
TRAINBP: 51/2000 epochs, SSE = 0.385613.
TRAINBP: 52/2000 epochs, SSE = 0.37414.
TRAINBP: 53/2000 epochs, SSE = 0.363674.
TRAINBP: 54/2000 epochs, SSE = 0.354102.
TRAINBP: 55/2000 epochs, SSE = 0.345325.
w1 =
2.1330 1.6388
-1.8304 -2.1898
-0.4893 2.7566
2.6162 0.7092
b1 =
-3.1092
1.0802
-0.8348
-1.5167
w2 =
-0.4818 -0.5585 -0.0283 -0.1979
b2 =
-0.0072
2)
>> clear
>> nntwarn off
>> p= [0 1 2 1 10 12 -5 -8 -10 -15; 0 1 -1 6 3 -1 -2 2 -5 2]
p =
Columns 1 through 9
0 1 2 1 10 12 -5 -8 -10
0 1 -1 6 3 -1 -2 2 -5
Column 10
-15
2
>> t=[0 0 1 1 2 2 -1 -1 -2 -2];
>> net=newff(minmax(p),[5 1],{'tansig' 'purelin'});
> BobotAwal_Input=net.IW{1,1}
BobotAwal_Input =
0.2004 0.2864
-0.2289 -0.0910
0.0502 -0.5557
-0.0101 0.5686
0.2296 -0.0796
>> BobotAwal_Bias_Input=net.b{1,1}
BobotAwal_Bias_Input =
-2.9731
1.2674
0.3532
-1.8647
3.5147
>> BobotAwal_Lapisan=net.LW{2,1}
BobotAwal_Lapisan =
0.2309 0.5839 0.8436 0.4764 -0.6475
>> BobotAwal_Bias_Lapisan=net.b{2,1}
BobotAwal_Bias_Lapisan =
-0.1886
>> net.adaptFcn='adaptwb';
>> net.inputWeights{1, 1}. learnFcn='learngdm';
>> net.layerWeights{2, 1}. learnFcn='learngdm';
>> net.biases{1, 1}. learnFcn='learngdm';
>> net.biases{2, 1}. learnFcn='learngdm';
>> net.inputWeights{1, 1}. learnParam.ir=0.02;
>> net.layerWeights{2, 1}. learnParam.ir=0.02;
>> net.biases{1, 1}. learnParam.ir=0.02;
>> net.inputWeights{1, 1}. learnParam.mc=0.3;
>> net.layerWeights{2, 1}. learnParam.mc=0.3;
>> net.biases{1, 1}. learnParam.mc=0.3;
>> net.adaptParam.passes=100;
>> p=num2cell(p,1);
>> t=num2cell(t,1);
>> [net, Y, e]=adapt(net,p,t)
net =
Neural Network object:
architecture:
numInputs: 1
numLayers: 2
biasConnect: [1; 1]
inputConnect: [1; 0]
layerConnect: [0 0; 1 0]
outputConnect: [0 1]
targetConnect: [0 1]
numOutputs: 1 (read-only)
numTargets: 1 (read-only)
numInputDelays: 0 (read-only)
numLayerDelays: 0 (read-only)
subobject structures:
inputs: {1x1 cell} of inputs
layers: {2x1 cell} of layers
outputs: {1x2 cell} containing 1 output
targets: {1x2 cell} containing 1 target
biases: {2x1 cell} containing 2 biases
inputWeights: {2x1 cell} containing 1 input weight
layerWeights: {2x2 cell} containing 1 layer weight
functions:
adaptFcn: 'adaptwb'
initFcn: 'initlay'
performFcn: 'mse'
trainFcn: 'trainlm'
parameters:
adaptParam: .passes
initParam: (none)
performParam: (none)
trainParam: .epochs, .goal, .max_fail, .mem_reduc,
.min_grad, .mu, .mu_dec, .mu_inc,
.mu_max, .show, .time
weight and bias values:
IW: {2x1 cell} containing 1 input weight matrix
LW: {2x2 cell} containing 1 layer weight matrix
b: {2x1 cell} containing 2 bias vectors
other:
userdata: (user stuff)
Y =
Columns 1 through 4
[0.1458] [0.2512] [0.6202] [0.8446]
Columns 5 through 8
[2.1124] [2.0153] [-0.9614] [-1.0532]
Columns 9 through 10
[-2.0249] [-1.9689]
e =
Columns 1 through 4
[-0.1458] [-0.2512] [0.3798] [0.1554]
Columns 5 through 8
[-0.1124] [-0.0153] [-0.0386] [0.0532]
Columns 9 through 10
[0.0249] [-0.0311]
>> BobotAkhir_Input=net.IW{1, 1}
BobotAkhir_Input =
0.3577 0.5412
0.1812 0.1579
0.3866 -0.4315
0.3197 0.5335
0.0683 -0.0673
>> BobotAkhir_Bias_Input=net.b{1, 1}
BobotAkhir_Bias_Input =
-2.9254
1.4874
0.0651
-1.9595
3.5236
>> BobotAkhir_Lapisan=net.LW{2, 1}
BobotAkhir_Lapisan =
0.0881 0.9112 0.5924 0.5876 -0.3127
>> BobotAkhir_Bias_Lapisan=net.b{2, 1}
BobotAkhir_Bias_Lapisan =
0.2490
>> a=sim(net,p)
a =
Columns 1 through 4
[0.1456] [0.2571] [0.6469] [0.8529]
Columns 5 through 8
[2.1029] [2.0107] [-0.9545] [-1.0188]
Columns 9 through 10
[-2.0221] [-1.9857]
>> subplot(211)
3) nntwarn off
p=[7500 7500
7500 8000
6500 7750
8500 7500
5500 9000
7500 7500]
t=[0 1
1 0
0 1
1 0
1 0
0 1]
p=p/9000
p=p'
t=t'
tp=[1 5000 0.1 0.1]
[w1,b1,w2,b2]=initff(p,10,'tansig',t,'tansig')
[w1,b1,w2,b2]=trainbp(w1,b1,'tansig',w2,b2,'tansig',p,t,tp)
TRAINBP: 912/5000 epochs, SSE = 0.121904.
TRAINBP: 913/5000 epochs, SSE = 0.123948.
TRAINBP: 914/5000 epochs, SSE = 0.121815.
TRAINBP: 915/5000 epochs, SSE = 0.123858.
TRAINBP: 916/5000 epochs, SSE = 0.121727.
TRAINBP: 917/5000 epochs, SSE = 0.123767.
TRAINBP: 918/5000 epochs, SSE = 0.121638.
TRAINBP: 919/5000 epochs, SSE = 0.123677.
TRAINBP: 920/5000 epochs, SSE = 0.121551.
TRAINBP: 921/5000 epochs, SSE = 0.123587.
TRAINBP: 922/5000 epochs, SSE = 0.121463.
TRAINBP: 923/5000 epochs, SSE = 0.123497.
TRAINBP: 924/5000 epochs, SSE = 0.121376.
TRAINBP: 925/5000 epochs, SSE = 0.123408.
TRAINBP: 926/5000 epochs, SSE = 0.121289.
TRAINBP: 927/5000 epochs, SSE = 0.123319.
TRAINBP: 928/5000 epochs, SSE = 0.121202.
TRAINBP: 929/5000 epochs, SSE = 0.12323.
TRAINBP: 930/5000 epochs, SSE = 0.121116.
TRAINBP: 931/5000 epochs, SSE = 0.123142.
TRAINBP: 932/5000 epochs, SSE = 0.12103.
TRAINBP: 933/5000 epochs, SSE = 0.123054.
TRAINBP: 934/5000 epochs, SSE = 0.120944.
TRAINBP: 935/5000 epochs, SSE = 0.122966.
TRAINBP: 936/5000 epochs, SSE = 0.120859.
TRAINBP: 937/5000 epochs, SSE = 0.122879.
TRAINBP: 938/5000 epochs, SSE = 0.120774.
TRAINBP: 939/5000 epochs, SSE = 0.122792.
TRAINBP: 940/5000 epochs, SSE = 0.120689.
TRAINBP: 941/5000 epochs, SSE = 0.122705.
TRAINBP: 942/5000 epochs, SSE = 0.120605.
TRAINBP: 943/5000 epochs, SSE = 0.122619.
TRAINBP: 944/5000 epochs, SSE = 0.12052.
TRAINBP: 945/5000 epochs, SSE = 0.122532.
TRAINBP: 946/5000 epochs, SSE = 0.120437.
TRAINBP: 947/5000 epochs, SSE = 0.122447.
TRAINBP: 948/5000 epochs, SSE = 0.120353.
TRAINBP: 949/5000 epochs, SSE = 0.122361.
TRAINBP: 950/5000 epochs, SSE = 0.12027.
TRAINBP: 951/5000 epochs, SSE = 0.122276.
TRAINBP: 952/5000 epochs, SSE = 0.120187.
TRAINBP: 953/5000 epochs, SSE = 0.122191.
TRAINBP: 954/5000 epochs, SSE = 0.120104.
TRAINBP: 955/5000 epochs, SSE = 0.122106.
TRAINBP: 956/5000 epochs, SSE = 0.120021.
TRAINBP: 957/5000 epochs, SSE = 0.122022.
TRAINBP: 958/5000 epochs, SSE = 0.119939.
TRAINBP: 959/5000 epochs, SSE = 0.121937.
TRAINBP: 960/5000 epochs, SSE = 0.119857.
TRAINBP: 961/5000 epochs, SSE = 0.121854.
TRAINBP: 962/5000 epochs, SSE = 0.119776.
TRAINBP: 963/5000 epochs, SSE = 0.12177.
TRAINBP: 964/5000 epochs, SSE = 0.119694.
TRAINBP: 965/5000 epochs, SSE = 0.121687.
TRAINBP: 966/5000 epochs, SSE = 0.119613.
TRAINBP: 967/5000 epochs, SSE = 0.121604.
TRAINBP: 968/5000 epochs, SSE = 0.119532.
TRAINBP: 969/5000 epochs, SSE = 0.121521.
TRAINBP: 970/5000 epochs, SSE = 0.119452.
TRAINBP: 971/5000 epochs, SSE = 0.121438.
TRAINBP: 972/5000 epochs, SSE = 0.119372.
TRAINBP: 973/5000 epochs, SSE = 0.121356.
TRAINBP: 974/5000 epochs, SSE = 0.119292.
TRAINBP: 975/5000 epochs, SSE = 0.121274.
TRAINBP: 976/5000 epochs, SSE = 0.119212.
TRAINBP: 977/5000 epochs, SSE = 0.121193.
TRAINBP: 978/5000 epochs, SSE = 0.119132.
TRAINBP: 979/5000 epochs, SSE = 0.121111.
TRAINBP: 980/5000 epochs, SSE = 0.119053.
TRAINBP: 981/5000 epochs, SSE = 0.12103.
TRAINBP: 982/5000 epochs, SSE = 0.118974.
TRAINBP: 983/5000 epochs, SSE = 0.120949.
TRAINBP: 984/5000 epochs, SSE = 0.118895.
TRAINBP: 985/5000 epochs, SSE = 0.120868.
TRAINBP: 986/5000 epochs, SSE = 0.118817.
TRAINBP: 987/5000 epochs, SSE = 0.120788.
TRAINBP: 988/5000 epochs, SSE = 0.118739.
TRAINBP: 989/5000 epochs, SSE = 0.120708.
TRAINBP: 990/5000 epochs, SSE = 0.118661.
TRAINBP: 991/5000 epochs, SSE = 0.120628.
TRAINBP: 992/5000 epochs, SSE = 0.118583.
TRAINBP: 993/5000 epochs, SSE = 0.120548.
TRAINBP: 994/5000 epochs, SSE = 0.118505.
TRAINBP: 995/5000 epochs, SSE = 0.120469.
TRAINBP: 996/5000 epochs, SSE = 0.118428.
TRAINBP: 997/5000 epochs, SSE = 0.12039.
TRAINBP: 998/5000 epochs, SSE = 0.118351.
TRAINBP: 999/5000 epochs, SSE = 0.120311.
TRAINBP: 1000/5000 epochs, SSE = 0.118274.
TRAINBP: 1001/5000 epochs, SSE = 0.120232.
TRAINBP: 1002/5000 epochs, SSE = 0.118198.
TRAINBP: 1003/5000 epochs, SSE = 0.120154.
TRAINBP: 1004/5000 epochs, SSE = 0.118121.
TRAINBP: 1005/5000 epochs, SSE = 0.120075.
TRAINBP: 1006/5000 epochs, SSE = 0.118045.
TRAINBP: 1007/5000 epochs, SSE = 0.119997.
TRAINBP: 1008/5000 epochs, SSE = 0.117969.
TRAINBP: 1009/5000 epochs, SSE = 0.11992.
TRAINBP: 1010/5000 epochs, SSE = 0.117894.
TRAINBP: 1011/5000 epochs, SSE = 0.119842.
TRAINBP: 1012/5000 epochs, SSE = 0.117818.
TRAINBP: 1013/5000 epochs, SSE = 0.119765.
TRAINBP: 1014/5000 epochs, SSE = 0.117743.
TRAINBP: 1015/5000 epochs, SSE = 0.119688.
TRAINBP: 1016/5000 epochs, SSE = 0.117668.
TRAINBP: 1017/5000 epochs, SSE = 0.119611.
TRAINBP: 1018/5000 epochs, SSE = 0.117593.
TRAINBP: 1019/5000 epochs, SSE = 0.119534.
TRAINBP: 1020/5000 epochs, SSE = 0.117519.
TRAINBP: 1021/5000 epochs, SSE = 0.119458.
TRAINBP: 1022/5000 epochs, SSE = 0.117445.
TRAINBP: 1023/5000 epochs, SSE = 0.119382.
TRAINBP: 1024/5000 epochs, SSE = 0.11737.
TRAINBP: 1025/5000 epochs, SSE = 0.119306.
TRAINBP: 1026/5000 epochs, SSE = 0.117297.
TRAINBP: 1027/5000 epochs, SSE = 0.11923.
TRAINBP: 1028/5000 epochs, SSE = 0.117223.
TRAINBP: 1029/5000 epochs, SSE = 0.119155.
TRAINBP: 1030/5000 epochs, SSE = 0.117149.
TRAINBP: 1031/5000 epochs, SSE = 0.119079.
TRAINBP: 1032/5000 epochs, SSE = 0.117076.
TRAINBP: 1033/5000 epochs, SSE = 0.119004.
TRAINBP: 1034/5000 epochs, SSE = 0.117003.
TRAINBP: 1035/5000 epochs, SSE = 0.118929.
TRAINBP: 1036/5000 epochs, SSE = 0.11693.
TRAINBP: 1037/5000 epochs, SSE = 0.118855.
TRAINBP: 1038/5000 epochs, SSE = 0.116858.
TRAINBP: 1039/5000 epochs, SSE = 0.11878.
TRAINBP: 1040/5000 epochs, SSE = 0.116785.
TRAINBP: 1041/5000 epochs, SSE = 0.118706.
TRAINBP: 1042/5000 epochs, SSE = 0.116713.
TRAINBP: 1043/5000 epochs, SSE = 0.118632.
TRAINBP: 1044/5000 epochs, SSE = 0.116641.
TRAINBP: 1045/5000 epochs, SSE = 0.118558.
TRAINBP: 1046/5000 epochs, SSE = 0.116569.
TRAINBP: 1047/5000 epochs, SSE = 0.118485.
TRAINBP: 1048/5000 epochs, SSE = 0.116498.
TRAINBP: 1049/5000 epochs, SSE = 0.118411.
TRAINBP: 1050/5000 epochs, SSE = 0.116426.
TRAINBP: 1051/5000 epochs, SSE = 0.118338.
TRAINBP: 1052/5000 epochs, SSE = 0.116355.
TRAINBP: 1053/5000 epochs, SSE = 0.118265.
TRAINBP: 1054/5000 epochs, SSE = 0.116284.
TRAINBP: 1055/5000 epochs, SSE = 0.118192.
TRAINBP: 1056/5000 epochs, SSE = 0.116213.
TRAINBP: 1057/5000 epochs, SSE = 0.11812.
TRAINBP: 1058/5000 epochs, SSE = 0.116143.
TRAINBP: 1059/5000 epochs, SSE = 0.118047.
TRAINBP: 1060/5000 epochs, SSE = 0.116072.
TRAINBP: 1061/5000 epochs, SSE = 0.117975.
TRAINBP: 1062/5000 epochs, SSE = 0.116002.
TRAINBP: 1063/5000 epochs, SSE = 0.117903.
TRAINBP: 1064/5000 epochs, SSE = 0.115932.
TRAINBP: 1065/5000 epochs, SSE = 0.117831.
TRAINBP: 1066/5000 epochs, SSE = 0.115862.
TRAINBP: 1067/5000 epochs, SSE = 0.117759.
TRAINBP: 1068/5000 epochs, SSE = 0.115792.
TRAINBP: 1069/5000 epochs, SSE = 0.117688.
TRAINBP: 1070/5000 epochs, SSE = 0.115723.
TRAINBP: 1071/5000 epochs, SSE = 0.117616.
TRAINBP: 1072/5000 epochs, SSE = 0.115653.
TRAINBP: 1073/5000 epochs, SSE = 0.117545.
TRAINBP: 1074/5000 epochs, SSE = 0.115584.
TRAINBP: 1075/5000 epochs, SSE = 0.117474.
TRAINBP: 1076/5000 epochs, SSE = 0.115515.
TRAINBP: 1077/5000 epochs, SSE = 0.117404.
TRAINBP: 1078/5000 epochs, SSE = 0.115446.
TRAINBP: 1079/5000 epochs, SSE = 0.117333.
TRAINBP: 1080/5000 epochs, SSE = 0.115378.
TRAINBP: 1081/5000 epochs, SSE = 0.117263.
TRAINBP: 1082/5000 epochs, SSE = 0.115309.
TRAINBP: 1083/5000 epochs, SSE = 0.117192.
TRAINBP: 1084/5000 epochs, SSE = 0.115241.
TRAINBP: 1085/5000 epochs, SSE = 0.117122.
TRAINBP: 1086/5000 epochs, SSE = 0.115173.
TRAINBP: 1087/5000 epochs, SSE = 0.117052.
TRAINBP: 1088/5000 epochs, SSE = 0.115105.
TRAINBP: 1089/5000 epochs, SSE = 0.116983.
TRAINBP: 1090/5000 epochs, SSE = 0.115037.
TRAINBP: 1091/5000 epochs, SSE = 0.116913.
TRAINBP: 1092/5000 epochs, SSE = 0.114969.
TRAINBP: 1093/5000 epochs, SSE = 0.116844.
TRAINBP: 1094/5000 epochs, SSE = 0.114902.
TRAINBP: 1095/5000 epochs, SSE = 0.116775.
TRAINBP: 1096/5000 epochs, SSE = 0.114835.
TRAINBP: 1097/5000 epochs, SSE = 0.116706.
TRAINBP: 1098/5000 epochs, SSE = 0.114768.
TRAINBP: 1099/5000 epochs, SSE = 0.116637.
TRAINBP: 1100/5000 epochs, SSE = 0.114701.
TRAINBP: 1101/5000 epochs, SSE = 0.116568.
TRAINBP: 1102/5000 epochs, SSE = 0.114634.
TRAINBP: 1103/5000 epochs, SSE = 0.1165.
TRAINBP: 1104/5000 epochs, SSE = 0.114567.
TRAINBP: 1105/5000 epochs, SSE = 0.116431.
TRAINBP: 1106/5000 epochs, SSE = 0.114501.
TRAINBP: 1107/5000 epochs, SSE = 0.116363.
TRAINBP: 1108/5000 epochs, SSE = 0.114435.
TRAINBP: 1109/5000 epochs, SSE = 0.116295.
TRAINBP: 1110/5000 epochs, SSE = 0.114368.
TRAINBP: 1111/5000 epochs, SSE = 0.116227.
TRAINBP: 1112/5000 epochs, SSE = 0.114302.
TRAINBP: 1113/5000 epochs, SSE = 0.11616.
TRAINBP: 1114/5000 epochs, SSE = 0.114237.
TRAINBP: 1115/5000 epochs, SSE = 0.116092.
TRAINBP: 1116/5000 epochs, SSE = 0.114171.
TRAINBP: 1117/5000 epochs, SSE = 0.116025.
TRAINBP: 1118/5000 epochs, SSE = 0.114105.
TRAINBP: 1119/5000 epochs, SSE = 0.115957.
TRAINBP: 1120/5000 epochs, SSE = 0.11404.
TRAINBP: 1121/5000 epochs, SSE = 0.11589.
TRAINBP: 1122/5000 epochs, SSE = 0.113975.
TRAINBP: 1123/5000 epochs, SSE = 0.115823.
TRAINBP: 1124/5000 epochs, SSE = 0.11391.
TRAINBP: 1125/5000 epochs, SSE = 0.115757.
TRAINBP: 1126/5000 epochs, SSE = 0.113845.
TRAINBP: 1127/5000 epochs, SSE = 0.11569.
TRAINBP: 1128/5000 epochs, SSE = 0.11378.
TRAINBP: 1129/5000 epochs, SSE = 0.115624.
TRAINBP: 1130/5000 epochs, SSE = 0.113716.
TRAINBP: 1131/5000 epochs, SSE = 0.115557.
TRAINBP: 1132/5000 epochs, SSE = 0.113651.
TRAINBP: 1133/5000 epochs, SSE = 0.115491.
TRAINBP: 1134/5000 epochs, SSE = 0.113587.
TRAINBP: 1135/5000 epochs, SSE = 0.115425.
TRAINBP: 1136/5000 epochs, SSE = 0.113523.
TRAINBP: 1137/5000 epochs, SSE = 0.115359.
TRAINBP: 1138/5000 epochs, SSE = 0.113459.
TRAINBP: 1139/5000 epochs, SSE = 0.115294.
TRAINBP: 1140/5000 epochs, SSE = 0.113395.
TRAINBP: 1141/5000 epochs, SSE = 0.115228.
TRAINBP: 1142/5000 epochs, SSE = 0.113331.
TRAINBP: 1143/5000 epochs, SSE = 0.115163.
TRAINBP: 1144/5000 epochs, SSE = 0.113267.
TRAINBP: 1145/5000 epochs, SSE = 0.115097.
TRAINBP: 1146/5000 epochs, SSE = 0.113204.
TRAINBP: 1147/5000 epochs, SSE = 0.115032.
TRAINBP: 1148/5000 epochs, SSE = 0.113141.
TRAINBP: 1149/5000 epochs, SSE = 0.114967.
TRAINBP: 1150/5000 epochs, SSE = 0.113077.
TRAINBP: 1151/5000 epochs, SSE = 0.114902.
TRAINBP: 1152/5000 epochs, SSE = 0.113014.
TRAINBP: 1153/5000 epochs, SSE = 0.114838.
TRAINBP: 1154/5000 epochs, SSE = 0.112951.
TRAINBP: 1155/5000 epochs, SSE = 0.114773.
TRAINBP: 1156/5000 epochs, SSE = 0.112889.
TRAINBP: 1157/5000 epochs, SSE = 0.114708.
TRAINBP: 1158/5000 epochs, SSE = 0.112826.
TRAINBP: 1159/5000 epochs, SSE = 0.114644.
TRAINBP: 1160/5000 epochs, SSE = 0.112764.
TRAINBP: 1161/5000 epochs, SSE = 0.11458.
TRAINBP: 1162/5000 epochs, SSE = 0.112701.
TRAINBP: 1163/5000 epochs, SSE = 0.114516.
TRAINBP: 1164/5000 epochs, SSE = 0.112639.
TRAINBP: 1165/5000 epochs, SSE = 0.114452.
TRAINBP: 1166/5000 epochs, SSE = 0.112577.
TRAINBP: 1167/5000 epochs, SSE = 0.114388.
TRAINBP: 1168/5000 epochs, SSE = 0.112515.
TRAINBP: 1169/5000 epochs, SSE = 0.114325.
TRAINBP: 1170/5000 epochs, SSE = 0.112453.
TRAINBP: 1171/5000 epochs, SSE = 0.114261.
TRAINBP: 1172/5000 epochs, SSE = 0.112391.
TRAINBP: 1173/5000 epochs, SSE = 0.114198.
TRAINBP: 1174/5000 epochs, SSE = 0.11233.
TRAINBP: 1175/5000 epochs, SSE = 0.114134.
TRAINBP: 1176/5000 epochs, SSE = 0.112268.
TRAINBP: 1177/5000 epochs, SSE = 0.114071.
TRAINBP: 1178/5000 epochs, SSE = 0.112207.
TRAINBP: 1179/5000 epochs, SSE = 0.114008.
TRAINBP: 1180/5000 epochs, SSE = 0.112146.
TRAINBP: 1181/5000 epochs, SSE = 0.113945.
TRAINBP: 1182/5000 epochs, SSE = 0.112084.
TRAINBP: 1183/5000 epochs, SSE = 0.113883.
TRAINBP: 1184/5000 epochs, SSE = 0.112023.
TRAINBP: 1185/5000 epochs, SSE = 0.11382.
TRAINBP: 1186/5000 epochs, SSE = 0.111963.
TRAINBP: 1187/5000 epochs, SSE = 0.113758.
TRAINBP: 1188/5000 epochs, SSE = 0.111902.
TRAINBP: 1189/5000 epochs, SSE = 0.113695.
TRAINBP: 1190/5000 epochs, SSE = 0.111841.
TRAINBP: 1191/5000 epochs, SSE = 0.113633.
TRAINBP: 1192/5000 epochs, SSE = 0.111781.
TRAINBP: 1193/5000 epochs, SSE = 0.113571.
TRAINBP: 1194/5000 epochs, SSE = 0.11172.
TRAINBP: 1195/5000 epochs, SSE = 0.113509.
TRAINBP: 1196/5000 epochs, SSE = 0.11166.
TRAINBP: 1197/5000 epochs, SSE = 0.113447.
TRAINBP: 1198/5000 epochs, SSE = 0.1116.
TRAINBP: 1199/5000 epochs, SSE = 0.113385.
TRAINBP: 1200/5000 epochs, SSE = 0.11154.
TRAINBP: 1201/5000 epochs, SSE = 0.113323.
TRAINBP: 1202/5000 epochs, SSE = 0.11148.
TRAINBP: 1203/5000 epochs, SSE = 0.113262.
TRAINBP: 1204/5000 epochs, SSE = 0.11142.
TRAINBP: 1205/5000 epochs, SSE = 0.1132.
TRAINBP: 1206/5000 epochs, SSE = 0.111361.
TRAINBP: 1207/5000 epochs, SSE = 0.113139.
TRAINBP: 1208/5000 epochs, SSE = 0.111301.
TRAINBP: 1209/5000 epochs, SSE = 0.113078.
TRAINBP: 1210/5000 epochs, SSE = 0.111241.
TRAINBP: 1211/5000 epochs, SSE = 0.113017.
TRAINBP: 1212/5000 epochs, SSE = 0.111182.
TRAINBP: 1213/5000 epochs, SSE = 0.112956.
TRAINBP: 1214/5000 epochs, SSE = 0.111123.
TRAINBP: 1215/5000 epochs, SSE = 0.112895.
TRAINBP: 1216/5000 epochs, SSE = 0.111064.
TRAINBP: 1217/5000 epochs, SSE = 0.112834.
TRAINBP: 1218/5000 epochs, SSE = 0.111005.
TRAINBP: 1219/5000 epochs, SSE = 0.112774.
TRAINBP: 1220/5000 epochs, SSE = 0.110946.
TRAINBP: 1221/5000 epochs, SSE = 0.112713.
TRAINBP: 1222/5000 epochs, SSE = 0.110887.
TRAINBP: 1223/5000 epochs, SSE = 0.112653.
TRAINBP: 1224/5000 epochs, SSE = 0.110828.
TRAINBP: 1225/5000 epochs, SSE = 0.112592.
TRAINBP: 1226/5000 epochs, SSE = 0.11077.
TRAINBP: 1227/5000 epochs, SSE = 0.112532.
TRAINBP: 1228/5000 epochs, SSE = 0.110711.
TRAINBP: 1229/5000 epochs, SSE = 0.112472.
TRAINBP: 1230/5000 epochs, SSE = 0.110653.
TRAINBP: 1231/5000 epochs, SSE = 0.112412.
TRAINBP: 1232/5000 epochs, SSE = 0.110595.
TRAINBP: 1233/5000 epochs, SSE = 0.112352.
TRAINBP: 1234/5000 epochs, SSE = 0.110536.
TRAINBP: 1235/5000 epochs, SSE = 0.112292.
TRAINBP: 1236/5000 epochs, SSE = 0.110478.
TRAINBP: 1237/5000 epochs, SSE = 0.112233.
TRAINBP: 1238/5000 epochs, SSE = 0.11042.
TRAINBP: 1239/5000 epochs, SSE = 0.112173.
TRAINBP: 1240/5000 epochs, SSE = 0.110363.
TRAINBP: 1241/5000 epochs, SSE = 0.112114.
TRAINBP: 1242/5000 epochs, SSE = 0.110305.
TRAINBP: 1243/5000 epochs, SSE = 0.112054.
TRAINBP: 1244/5000 epochs, SSE = 0.110247.
TRAINBP: 1245/5000 epochs, SSE = 0.111995.
TRAINBP: 1246/5000 epochs, SSE = 0.11019.
TRAINBP: 1247/5000 epochs, SSE = 0.111936.
TRAINBP: 1248/5000 epochs, SSE = 0.110132.
TRAINBP: 1249/5000 epochs, SSE = 0.111877.
TRAINBP: 1250/5000 epochs, SSE = 0.110075.
TRAINBP: 1251/5000 epochs, SSE = 0.111818.
TRAINBP: 1252/5000 epochs, SSE = 0.110017.
TRAINBP: 1253/5000 epochs, SSE = 0.111759.
TRAINBP: 1254/5000 epochs, SSE = 0.10996.
TRAINBP: 1255/5000 epochs, SSE = 0.1117.
TRAINBP: 1256/5000 epochs, SSE = 0.109903.
TRAINBP: 1257/5000 epochs, SSE = 0.111642.
TRAINBP: 1258/5000 epochs, SSE = 0.109846.
TRAINBP: 1259/5000 epochs, SSE = 0.111583.
TRAINBP: 1260/5000 epochs, SSE = 0.109789.
TRAINBP: 1261/5000 epochs, SSE = 0.111525.
TRAINBP: 1262/5000 epochs, SSE = 0.109732.
TRAINBP: 1263/5000 epochs, SSE = 0.111466.
TRAINBP: 1264/5000 epochs, SSE = 0.109676.
TRAINBP: 1265/5000 epochs, SSE = 0.111408.
TRAINBP: 1266/5000 epochs, SSE = 0.109619.
TRAINBP: 1267/5000 epochs, SSE = 0.11135.
TRAINBP: 1268/5000 epochs, SSE = 0.109563.
TRAINBP: 1269/5000 epochs, SSE = 0.111292.
TRAINBP: 1270/5000 epochs, SSE = 0.109506.
TRAINBP: 1271/5000 epochs, SSE = 0.111234.
TRAINBP: 1272/5000 epochs, SSE = 0.10945.
TRAINBP: 1273/5000 epochs, SSE = 0.111176.
TRAINBP: 1274/5000 epochs, SSE = 0.109394.
TRAINBP: 1275/5000 epochs, SSE = 0.111118.
TRAINBP: 1276/5000 epochs, SSE = 0.109338.
TRAINBP: 1277/5000 epochs, SSE = 0.11106.
TRAINBP: 1278/5000 epochs, SSE = 0.109281.
TRAINBP: 1279/5000 epochs, SSE = 0.111003.
TRAINBP: 1280/5000 epochs, SSE = 0.109225.
TRAINBP: 1281/5000 epochs, SSE = 0.110945.
TRAINBP: 1282/5000 epochs, SSE = 0.10917.
TRAINBP: 1283/5000 epochs, SSE = 0.110888.
TRAINBP: 1284/5000 epochs, SSE = 0.109114.
TRAINBP: 1285/5000 epochs, SSE = 0.11083.
TRAINBP: 1286/5000 epochs, SSE = 0.109058.
TRAINBP: 1287/5000 epochs, SSE = 0.110773.
TRAINBP: 1288/5000 epochs, SSE = 0.109002.
TRAINBP: 1289/5000 epochs, SSE = 0.110716.
TRAINBP: 1290/5000 epochs, SSE = 0.108947.
TRAINBP: 1291/5000 epochs, SSE = 0.110659.
TRAINBP: 1292/5000 epochs, SSE = 0.108891.
TRAINBP: 1293/5000 epochs, SSE = 0.110602.
TRAINBP: 1294/5000 epochs, SSE = 0.108836.
TRAINBP: 1295/5000 epochs, SSE = 0.110545.
TRAINBP: 1296/5000 epochs, SSE = 0.108781.
TRAINBP: 1297/5000 epochs, SSE = 0.110488.
TRAINBP: 1298/5000 epochs, SSE = 0.108726.
TRAINBP: 1299/5000 epochs, SSE = 0.110431.
TRAINBP: 1300/5000 epochs, SSE = 0.108671.
TRAINBP: 1301/5000 epochs, SSE = 0.110375.
TRAINBP: 1302/5000 epochs, SSE = 0.108615.
TRAINBP: 1303/5000 epochs, SSE = 0.110318.
TRAINBP: 1304/5000 epochs, SSE = 0.108561.
TRAINBP: 1305/5000 epochs, SSE = 0.110262.
TRAINBP: 1306/5000 epochs, SSE = 0.108506.
TRAINBP: 1307/5000 epochs, SSE = 0.110205.
TRAINBP: 1308/5000 epochs, SSE = 0.108451.
TRAINBP: 1309/5000 epochs, SSE = 0.110149.
TRAINBP: 1310/5000 epochs, SSE = 0.108396.
TRAINBP: 1311/5000 epochs, SSE = 0.110093.
TRAINBP: 1312/5000 epochs, SSE = 0.108342.
TRAINBP: 1313/5000 epochs, SSE = 0.110036.
TRAINBP: 1314/5000 epochs, SSE = 0.108287.
TRAINBP: 1315/5000 epochs, SSE = 0.10998.
TRAINBP: 1316/5000 epochs, SSE = 0.108232.
TRAINBP: 1317/5000 epochs, SSE = 0.109924.
TRAINBP: 1318/5000 epochs, SSE = 0.108178.
TRAINBP: 1319/5000 epochs, SSE = 0.109868.
TRAINBP: 1320/5000 epochs, SSE = 0.108124.
TRAINBP: 1321/5000 epochs, SSE = 0.109812.
TRAINBP: 1322/5000 epochs, SSE = 0.10807.
TRAINBP: 1323/5000 epochs, SSE = 0.109757.
TRAINBP: 1324/5000 epochs, SSE = 0.108015.
TRAINBP: 1325/5000 epochs, SSE = 0.109701.
TRAINBP: 1326/5000 epochs, SSE = 0.107961.
TRAINBP: 1327/5000 epochs, SSE = 0.109645.
TRAINBP: 1328/5000 epochs, SSE = 0.107907.
TRAINBP: 1329/5000 epochs, SSE = 0.10959.
TRAINBP: 1330/5000 epochs, SSE = 0.107853.
TRAINBP: 1331/5000 epochs, SSE = 0.109534.
TRAINBP: 1332/5000 epochs, SSE = 0.107799.
TRAINBP: 1333/5000 epochs, SSE = 0.109479.
TRAINBP: 1334/5000 epochs, SSE = 0.107746.
TRAINBP: 1335/5000 epochs, SSE = 0.109424.
TRAINBP: 1336/5000 epochs, SSE = 0.107692.
TRAINBP: 1337/5000 epochs, SSE = 0.109368.
TRAINBP: 1338/5000 epochs, SSE = 0.107638.
TRAINBP: 1339/5000 epochs, SSE = 0.109313.
TRAINBP: 1340/5000 epochs, SSE = 0.107585.
TRAINBP: 1341/5000 epochs, SSE = 0.109258.
TRAINBP: 1342/5000 epochs, SSE = 0.107531.
TRAINBP: 1343/5000 epochs, SSE = 0.109203.
TRAINBP: 1344/5000 epochs, SSE = 0.107478.
TRAINBP: 1345/5000 epochs, SSE = 0.109148.
TRAINBP: 1346/5000 epochs, SSE = 0.107425.
TRAINBP: 1347/5000 epochs, SSE = 0.109093.
TRAINBP: 1348/5000 epochs, SSE = 0.107371.
TRAINBP: 1349/5000 epochs, SSE = 0.109039.
TRAINBP: 1350/5000 epochs, SSE = 0.107318.
TRAINBP: 1351/5000 epochs, SSE = 0.108984.
TRAINBP: 1352/5000 epochs, SSE = 0.107265.
TRAINBP: 1353/5000 epochs, SSE = 0.108929.
TRAINBP: 1354/5000 epochs, SSE = 0.107212.
TRAINBP: 1355/5000 epochs, SSE = 0.108875.
TRAINBP: 1356/5000 epochs, SSE = 0.107159.
TRAINBP: 1357/5000 epochs, SSE = 0.10882.
TRAINBP: 1358/5000 epochs, SSE = 0.107106.
TRAINBP: 1359/5000 epochs, SSE = 0.108766.
TRAINBP: 1360/5000 epochs, SSE = 0.107053.
TRAINBP: 1361/5000 epochs, SSE = 0.108711.
TRAINBP: 1362/5000 epochs, SSE = 0.107.
TRAINBP: 1363/5000 epochs, SSE = 0.108657.
TRAINBP: 1364/5000 epochs, SSE = 0.106947.
TRAINBP: 1365/5000 epochs, SSE = 0.108603.
TRAINBP: 1366/5000 epochs, SSE = 0.106895.
TRAINBP: 1367/5000 epochs, SSE = 0.108549.
TRAINBP: 1368/5000 epochs, SSE = 0.106842.
TRAINBP: 1369/5000 epochs, SSE = 0.108494.
TRAINBP: 1370/5000 epochs, SSE = 0.10679.
TRAINBP: 1371/5000 epochs, SSE = 0.10844.
TRAINBP: 1372/5000 epochs, SSE = 0.106737.
TRAINBP: 1373/5000 epochs, SSE = 0.108386.
TRAINBP: 1374/5000 epochs, SSE = 0.106685.
TRAINBP: 1375/5000 epochs, SSE = 0.108332.
TRAINBP: 1376/5000 epochs, SSE = 0.106632.
TRAINBP: 1377/5000 epochs, SSE = 0.108279.
TRAINBP: 1378/5000 epochs, SSE = 0.10658.
TRAINBP: 1379/5000 epochs, SSE = 0.108225.
TRAINBP: 1380/5000 epochs, SSE = 0.106528.
TRAINBP: 1381/5000 epochs, SSE = 0.108171.
TRAINBP: 1382/5000 epochs, SSE = 0.106476.
TRAINBP: 1383/5000 epochs, SSE = 0.108118.
TRAINBP: 1384/5000 epochs, SSE = 0.106424.
TRAINBP: 1385/5000 epochs, SSE = 0.108064.
TRAINBP: 1386/5000 epochs, SSE = 0.106372.
TRAINBP: 1387/5000 epochs, SSE = 0.10801.
TRAINBP: 1388/5000 epochs, SSE = 0.10632.
TRAINBP: 1389/5000 epochs, SSE = 0.107957.
TRAINBP: 1390/5000 epochs, SSE = 0.106268.
TRAINBP: 1391/5000 epochs, SSE = 0.107904.
TRAINBP: 1392/5000 epochs, SSE = 0.106216.
TRAINBP: 1393/5000 epochs, SSE = 0.10785.
TRAINBP: 1394/5000 epochs, SSE = 0.106164.
TRAINBP: 1395/5000 epochs, SSE = 0.107797.
TRAINBP: 1396/5000 epochs, SSE = 0.106112.
TRAINBP: 1397/5000 epochs, SSE = 0.107744.
TRAINBP: 1398/5000 epochs, SSE = 0.106061.
TRAINBP: 1399/5000 epochs, SSE = 0.107691.
TRAINBP: 1400/5000 epochs, SSE = 0.106009.
TRAINBP: 1401/5000 epochs, SSE = 0.107638.
TRAINBP: 1402/5000 epochs, SSE = 0.105958.
TRAINBP: 1403/5000 epochs, SSE = 0.107584.
TRAINBP: 1404/5000 epochs, SSE = 0.105906.
TRAINBP: 1405/5000 epochs, SSE = 0.107532.
TRAINBP: 1406/5000 epochs, SSE = 0.105855.
TRAINBP: 1407/5000 epochs, SSE = 0.107479.
TRAINBP: 1408/5000 epochs, SSE = 0.105803.
TRAINBP: 1409/5000 epochs, SSE = 0.107426.
TRAINBP: 1410/5000 epochs, SSE = 0.105752.
TRAINBP: 1411/5000 epochs, SSE = 0.107373.
TRAINBP: 1412/5000 epochs, SSE = 0.105701.
TRAINBP: 1413/5000 epochs, SSE = 0.10732.
TRAINBP: 1414/5000 epochs, SSE = 0.10565.
TRAINBP: 1415/5000 epochs, SSE = 0.107268.
TRAINBP: 1416/5000 epochs, SSE = 0.105599.
TRAINBP: 1417/5000 epochs, SSE = 0.107215.
TRAINBP: 1418/5000 epochs, SSE = 0.105547.
TRAINBP: 1419/5000 epochs, SSE = 0.107162.
TRAINBP: 1420/5000 epochs, SSE = 0.105496.
TRAINBP: 1421/5000 epochs, SSE = 0.10711.
TRAINBP: 1422/5000 epochs, SSE = 0.105445.
TRAINBP: 1423/5000 epochs, SSE = 0.107057.
TRAINBP: 1424/5000 epochs, SSE = 0.105395.
TRAINBP: 1425/5000 epochs, SSE = 0.107005.
TRAINBP: 1426/5000 epochs, SSE = 0.105344.
TRAINBP: 1427/5000 epochs, SSE = 0.106953.
TRAINBP: 1428/5000 epochs, SSE = 0.105293.
TRAINBP: 1429/5000 epochs, SSE = 0.1069.
TRAINBP: 1430/5000 epochs, SSE = 0.105242.
TRAINBP: 1431/5000 epochs, SSE = 0.106848.
TRAINBP: 1432/5000 epochs, SSE = 0.105191.
TRAINBP: 1433/5000 epochs, SSE = 0.106796.
TRAINBP: 1434/5000 epochs, SSE = 0.105141.
TRAINBP: 1435/5000 epochs, SSE = 0.106744.
TRAINBP: 1436/5000 epochs, SSE = 0.10509.
TRAINBP: 1437/5000 epochs, SSE = 0.106692.
TRAINBP: 1438/5000 epochs, SSE = 0.10504.
TRAINBP: 1439/5000 epochs, SSE = 0.10664.
TRAINBP: 1440/5000 epochs, SSE = 0.104989.
TRAINBP: 1441/5000 epochs, SSE = 0.106588.
TRAINBP: 1442/5000 epochs, SSE = 0.104939.
TRAINBP: 1443/5000 epochs, SSE = 0.106536.
TRAINBP: 1444/5000 epochs, SSE = 0.104888.
TRAINBP: 1445/5000 epochs, SSE = 0.106484.
TRAINBP: 1446/5000 epochs, SSE = 0.104838.
TRAINBP: 1447/5000 epochs, SSE = 0.106432.
TRAINBP: 1448/5000 epochs, SSE = 0.104788.
TRAINBP: 1449/5000 epochs, SSE = 0.106381.
TRAINBP: 1450/5000 epochs, SSE = 0.104737.
TRAINBP: 1451/5000 epochs, SSE = 0.106329.
TRAINBP: 1452/5000 epochs, SSE = 0.104687.
TRAINBP: 1453/5000 epochs, SSE = 0.106277.
TRAINBP: 1454/5000 epochs, SSE = 0.104637.
TRAINBP: 1455/5000 epochs, SSE = 0.106226.
TRAINBP: 1456/5000 epochs, SSE = 0.104587.
TRAINBP: 1457/5000 epochs, SSE = 0.106174.
TRAINBP: 1458/5000 epochs, SSE = 0.104537.
TRAINBP: 1459/5000 epochs, SSE = 0.106123.
TRAINBP: 1460/5000 epochs, SSE = 0.104487.
TRAINBP: 1461/5000 epochs, SSE = 0.106071.
TRAINBP: 1462/5000 epochs, SSE = 0.104437.
TRAINBP: 1463/5000 epochs, SSE = 0.10602.
TRAINBP: 1464/5000 epochs, SSE = 0.104387.
TRAINBP: 1465/5000 epochs, SSE = 0.105968.
TRAINBP: 1466/5000 epochs, SSE = 0.104337.
TRAINBP: 1467/5000 epochs, SSE = 0.105917.
TRAINBP: 1468/5000 epochs, SSE = 0.104287.
TRAINBP: 1469/5000 epochs, SSE = 0.105866.
TRAINBP: 1470/5000 epochs, SSE = 0.104238.
TRAINBP: 1471/5000 epochs, SSE = 0.105815.
TRAINBP: 1472/5000 epochs, SSE = 0.104188.
TRAINBP: 1473/5000 epochs, SSE = 0.105763.
TRAINBP: 1474/5000 epochs, SSE = 0.104138.
TRAINBP: 1475/5000 epochs, SSE = 0.105712.
TRAINBP: 1476/5000 epochs, SSE = 0.104089.
TRAINBP: 1477/5000 epochs, SSE = 0.105661.
TRAINBP: 1478/5000 epochs, SSE = 0.104039.
TRAINBP: 1479/5000 epochs, SSE = 0.10561.
TRAINBP: 1480/5000 epochs, SSE = 0.10399.
TRAINBP: 1481/5000 epochs, SSE = 0.105559.
TRAINBP: 1482/5000 epochs, SSE = 0.10394.
TRAINBP: 1483/5000 epochs, SSE = 0.105508.
TRAINBP: 1484/5000 epochs, SSE = 0.103891.
TRAINBP: 1485/5000 epochs, SSE = 0.105458.
TRAINBP: 1486/5000 epochs, SSE = 0.103841.
TRAINBP: 1487/5000 epochs, SSE = 0.105407.
TRAINBP: 1488/5000 epochs, SSE = 0.103792.
TRAINBP: 1489/5000 epochs, SSE = 0.105356.
TRAINBP: 1490/5000 epochs, SSE = 0.103743.
TRAINBP: 1491/5000 epochs, SSE = 0.105305.
TRAINBP: 1492/5000 epochs, SSE = 0.103693.
TRAINBP: 1493/5000 epochs, SSE = 0.105254.
TRAINBP: 1494/5000 epochs, SSE = 0.103644.
TRAINBP: 1495/5000 epochs, SSE = 0.105204.
TRAINBP: 1496/5000 epochs, SSE = 0.103595.
TRAINBP: 1497/5000 epochs, SSE = 0.105153.
TRAINBP: 1498/5000 epochs, SSE = 0.103546.
TRAINBP: 1499/5000 epochs, SSE = 0.105103.
TRAINBP: 1500/5000 epochs, SSE = 0.103497.
TRAINBP: 1501/5000 epochs, SSE = 0.105052.
TRAINBP: 1502/5000 epochs, SSE = 0.103448.
TRAINBP: 1503/5000 epochs, SSE = 0.105002.
TRAINBP: 1504/5000 epochs, SSE = 0.103399.
TRAINBP: 1505/5000 epochs, SSE = 0.104951.
TRAINBP: 1506/5000 epochs, SSE = 0.10335.
TRAINBP: 1507/5000 epochs, SSE = 0.104901.
TRAINBP: 1508/5000 epochs, SSE = 0.103301.
TRAINBP: 1509/5000 epochs, SSE = 0.10485.
TRAINBP: 1510/5000 epochs, SSE = 0.103252.
TRAINBP: 1511/5000 epochs, SSE = 0.1048.
TRAINBP: 1512/5000 epochs, SSE = 0.103203.
TRAINBP: 1513/5000 epochs, SSE = 0.10475.
TRAINBP: 1514/5000 epochs, SSE = 0.103154.
TRAINBP: 1515/5000 epochs, SSE = 0.1047.
TRAINBP: 1516/5000 epochs, SSE = 0.103106.
TRAINBP: 1517/5000 epochs, SSE = 0.104649.
TRAINBP: 1518/5000 epochs, SSE = 0.103057.
TRAINBP: 1519/5000 epochs, SSE = 0.104599.
TRAINBP: 1520/5000 epochs, SSE = 0.103008.
TRAINBP: 1521/5000 epochs, SSE = 0.104549.
TRAINBP: 1522/5000 epochs, SSE = 0.10296.
TRAINBP: 1523/5000 epochs, SSE = 0.104499.
TRAINBP: 1524/5000 epochs, SSE = 0.102911.
TRAINBP: 1525/5000 epochs, SSE = 0.104449.
TRAINBP: 1526/5000 epochs, SSE = 0.102862.
TRAINBP: 1527/5000 epochs, SSE = 0.104399.
TRAINBP: 1528/5000 epochs, SSE = 0.102814.
TRAINBP: 1529/5000 epochs, SSE = 0.104349.
TRAINBP: 1530/5000 epochs, SSE = 0.102765.
TRAINBP: 1531/5000 epochs, SSE = 0.104299.
TRAINBP: 1532/5000 epochs, SSE = 0.102717.
TRAINBP: 1533/5000 epochs, SSE = 0.104249.
TRAINBP: 1534/5000 epochs, SSE = 0.102668.
TRAINBP: 1535/5000 epochs, SSE = 0.104199.
TRAINBP: 1536/5000 epochs, SSE = 0.10262.
TRAINBP: 1537/5000 epochs, SSE = 0.10415.
TRAINBP: 1538/5000 epochs, SSE = 0.102572.
TRAINBP: 1539/5000 epochs, SSE = 0.1041.
TRAINBP: 1540/5000 epochs, SSE = 0.102523.
TRAINBP: 1541/5000 epochs, SSE = 0.10405.
TRAINBP: 1542/5000 epochs, SSE = 0.102475.
TRAINBP: 1543/5000 epochs, SSE = 0.104.
TRAINBP: 1544/5000 epochs, SSE = 0.102427.
TRAINBP: 1545/5000 epochs, SSE = 0.103951.
TRAINBP: 1546/5000 epochs, SSE = 0.102379.
TRAINBP: 1547/5000 epochs, SSE = 0.103901.
TRAINBP: 1548/5000 epochs, SSE = 0.102331.
TRAINBP: 1549/5000 epochs, SSE = 0.103851.
TRAINBP: 1550/5000 epochs, SSE = 0.102282.
TRAINBP: 1551/5000 epochs, SSE = 0.103802.
TRAINBP: 1552/5000 epochs, SSE = 0.102234.
TRAINBP: 1553/5000 epochs, SSE = 0.103752.
TRAINBP: 1554/5000 epochs, SSE = 0.102186.
TRAINBP: 1555/5000 epochs, SSE = 0.103703.
TRAINBP: 1556/5000 epochs, SSE = 0.102138.
TRAINBP: 1557/5000 epochs, SSE = 0.103654.
TRAINBP: 1558/5000 epochs, SSE = 0.10209.
TRAINBP: 1559/5000 epochs, SSE = 0.103604.
TRAINBP: 1560/5000 epochs, SSE = 0.102042.
TRAINBP: 1561/5000 epochs, SSE = 0.103555.
TRAINBP: 1562/5000 epochs, SSE = 0.101994.
TRAINBP: 1563/5000 epochs, SSE = 0.103505.
TRAINBP: 1564/5000 epochs, SSE = 0.101946.
TRAINBP: 1565/5000 epochs, SSE = 0.103456.
TRAINBP: 1566/5000 epochs, SSE = 0.101899.
TRAINBP: 1567/5000 epochs, SSE = 0.103407.
TRAINBP: 1568/5000 epochs, SSE = 0.101851.
TRAINBP: 1569/5000 epochs, SSE = 0.103358.
TRAINBP: 1570/5000 epochs, SSE = 0.101803.
TRAINBP: 1571/5000 epochs, SSE = 0.103308.
TRAINBP: 1572/5000 epochs, SSE = 0.101755.
TRAINBP: 1573/5000 epochs, SSE = 0.103259.
TRAINBP: 1574/5000 epochs, SSE = 0.101707.
TRAINBP: 1575/5000 epochs, SSE = 0.10321.
TRAINBP: 1576/5000 epochs, SSE = 0.10166.
TRAINBP: 1577/5000 epochs, SSE = 0.103161.
TRAINBP: 1578/5000 epochs, SSE = 0.101612.
TRAINBP: 1579/5000 epochs, SSE = 0.103112.
TRAINBP: 1580/5000 epochs, SSE = 0.101564.
TRAINBP: 1581/5000 epochs, SSE = 0.103063.
TRAINBP: 1582/5000 epochs, SSE = 0.101517.
TRAINBP: 1583/5000 epochs, SSE = 0.103014.
TRAINBP: 1584/5000 epochs, SSE = 0.101469.
TRAINBP: 1585/5000 epochs, SSE = 0.102965.
TRAINBP: 1586/5000 epochs, SSE = 0.101422.
TRAINBP: 1587/5000 epochs, SSE = 0.102916.
TRAINBP: 1588/5000 epochs, SSE = 0.101374.
TRAINBP: 1589/5000 epochs, SSE = 0.102867.
TRAINBP: 1590/5000 epochs, SSE = 0.101327.
TRAINBP: 1591/5000 epochs, SSE = 0.102818.
TRAINBP: 1592/5000 epochs, SSE = 0.101279.
TRAINBP: 1593/5000 epochs, SSE = 0.102769.
TRAINBP: 1594/5000 epochs, SSE = 0.101232.
TRAINBP: 1595/5000 epochs, SSE = 0.10272.
TRAINBP: 1596/5000 epochs, SSE = 0.101184.
TRAINBP: 1597/5000 epochs, SSE = 0.102672.
TRAINBP: 1598/5000 epochs, SSE = 0.101137.
TRAINBP: 1599/5000 epochs, SSE = 0.102623.
TRAINBP: 1600/5000 epochs, SSE = 0.10109.
TRAINBP: 1601/5000 epochs, SSE = 0.102574.
TRAINBP: 1602/5000 epochs, SSE = 0.101042.
TRAINBP: 1603/5000 epochs, SSE = 0.102525.
TRAINBP: 1604/5000 epochs, SSE = 0.100995.
TRAINBP: 1605/5000 epochs, SSE = 0.102477.
TRAINBP: 1606/5000 epochs, SSE = 0.100948.
TRAINBP: 1607/5000 epochs, SSE = 0.102428.
TRAINBP: 1608/5000 epochs, SSE = 0.100901.
TRAINBP: 1609/5000 epochs, SSE = 0.10238.
TRAINBP: 1610/5000 epochs, SSE = 0.100854.
TRAINBP: 1611/5000 epochs, SSE = 0.102331.
TRAINBP: 1612/5000 epochs, SSE = 0.100806.
TRAINBP: 1613/5000 epochs, SSE = 0.102282.
TRAINBP: 1614/5000 epochs, SSE = 0.100759.
TRAINBP: 1615/5000 epochs, SSE = 0.102234.
TRAINBP: 1616/5000 epochs, SSE = 0.100712.
TRAINBP: 1617/5000 epochs, SSE = 0.102185.
TRAINBP: 1618/5000 epochs, SSE = 0.100665.
TRAINBP: 1619/5000 epochs, SSE = 0.102137.
TRAINBP: 1620/5000 epochs, SSE = 0.100618.
TRAINBP: 1621/5000 epochs, SSE = 0.102088.
TRAINBP: 1622/5000 epochs, SSE = 0.100571.
TRAINBP: 1623/5000 epochs, SSE = 0.10204.
TRAINBP: 1624/5000 epochs, SSE = 0.100524.
TRAINBP: 1625/5000 epochs, SSE = 0.101992.
TRAINBP: 1626/5000 epochs, SSE = 0.100477.
TRAINBP: 1627/5000 epochs, SSE = 0.101943.
TRAINBP: 1628/5000 epochs, SSE = 0.10043.
TRAINBP: 1629/5000 epochs, SSE = 0.101895.
TRAINBP: 1630/5000 epochs, SSE = 0.100383.
TRAINBP: 1631/5000 epochs, SSE = 0.101847.
TRAINBP: 1632/5000 epochs, SSE = 0.100336.
TRAINBP: 1633/5000 epochs, SSE = 0.101798.
TRAINBP: 1634/5000 epochs, SSE = 0.100289.
TRAINBP: 1635/5000 epochs, SSE = 0.10175.
TRAINBP: 1636/5000 epochs, SSE = 0.100242.
TRAINBP: 1637/5000 epochs, SSE = 0.101702.
TRAINBP: 1638/5000 epochs, SSE = 0.100196.
TRAINBP: 1639/5000 epochs, SSE = 0.101654.
TRAINBP: 1640/5000 epochs, SSE = 0.100149.
TRAINBP: 1641/5000 epochs, SSE = 0.101605.
TRAINBP: 1642/5000 epochs, SSE = 0.100102.
TRAINBP: 1643/5000 epochs, SSE = 0.101557.
TRAINBP: 1644/5000 epochs, SSE = 0.100055.
TRAINBP: 1645/5000 epochs, SSE = 0.101509.
TRAINBP: 1646/5000 epochs, SSE = 0.100009.
TRAINBP: 1647/5000 epochs, SSE = 0.101461.
TRAINBP: 1648/5000 epochs, SSE = 0.0999619.
w1 =
3.5632 -25.6480
4.8546 -24.8266
4.3388 -25.1834
10.6214 -15.7280
-12.7800 1.4011
-13.0789 -5.4966
10.1846 15.0656
-11.7914 10.8894
13.1998 0.4957
5.0734 -24.5733
b1 =
19.0274
17.2437
18.1958
6.9371
9.3447
16.3239
-21.3089
0.4556
-8.9675
19.8165
w2 =
Columns 1 through 5
-0.2872 -0.1543 -0.5391 -0.1642 -0.1407
0.3976 0.6868 0.1081 0.2792 0.8937
Columns 6 through 10
-1.0281 0.6234 -0.2088 0.0830 -0.5899
0.8067 -0.6606 0.0404 0.3923 0.1784
b2 =
1.9060
0.0454
Analisis :
1. Transformasi linear yang digunakan pada data asli kurang sesuai. Taburan data setelah transformasi masih bisa lebih stabil lagi jika digunakan transformasi data yang lain seperti transformasi polinomial ln atau normal
.
2. Komposisi pembagian data yang kurang tepat yang menyebabkan masalah overtraining. Tingkat keakuratan hasil ramalan dengan metode ARIMA masih lebih baik dibandingkan dengan jaringan syaraf tiruan yang terlihat dari nilai MAPE ARIMA yang lebih kecil dari jaringan syaraf tiruan. Tetapi jaringan
Rabu, 29 April 2009
Kamis, 16 April 2009
Selasa, 17 Maret 2009
RPL
REKAYASA PERANGKAT LUNAK ( RPL )
Sering terjadinya kegagalan proyek pengembangan software adalah dikarenakan lemahnya pembuatan estimasi biaya dan perencanaan proyek. Oleh karena itu jika penggunaan model estimasi biaya proyek yang digunakan di Indonesia tidak sesuai dengan keadaan dan fakta sebenarnya maka akan mempunyai kecenderungan terjadinya kegagalan proyek pengembangan software cukup besar, atau pengembang software sering membuat kriteria keberhasilan proyek yang salah. Selama ini perhitungan perkiraan biaya dalam pengembangan software di Indonesia belum ada acuan standard dalam menghitung usaha dan biayanya. Acuan yang dipakai masih menggunakan standard dari luar negeri (misal COCOMO, FP Albrecht dll) yang belum tentu sesuai dengan kondisi di Indonesia, karena model-model estimasi tersebut dikembangkan dengan data-data software house yang ada di luar negri. Tidak adanya standard dalam membuat estimasi biaya proyek software juga memyebabkan adanya ketimpangan hasil estimasi biaya proyek pengembangan software satu instansi dengan instansi yang lain, sebagai contoh proyek pembuatan website suatu instansi pemerintah yang dikerjakan oleh software house di Bali biayanya sekitar Rp.1 M, sedangkan jika dikerjakan oleh software house lain hanya berkisar puluhan juta rupiah. Disamping itu alat bantu managemen proyek yang sering dipakai saat ini adalah Microsoft Project, tetapi dalam Microsoft Project tersebut tidak tersedia fasilitas untuk membuat estimasi biaya ataupun usaha proyek software padahal tahapan estimasi merupakan tahapan penting dalam managemen proyek oleh karena itu penelitian ini sangat penting untuk dapat membantu manager dalam membuat estimasi biaya suatu proyek software.
Suatu proyek yang sukses didefinisikan sebagai system yang selesai tepat pada waktunya dan sesuai dengan anggaran serta sesuai dengan kualitas yang diinginkan. Oleh karena itu perlu menentukan target atau sasaran yang diperlukan untuk menguji output dari system. Sasaran yang ditentukan haruslah dapat dicapai dan dipertanggungjawabkan sehingga estimasi yang realistik merupakan tugas penting dari pimpinan proyek. Estimasi usaha dan estimasi ukuran pekerjaan diperlukan untuk mengembangkan system sehingga dapat mengarahkan apa yang diinginkan pengguna dalam melaksanakan perkerjaan yang sukar, yang diakibatkan oleh sifat alamiah software yaitu kompleksitas dan ketidaknampakannya serta tingkat fleksibilitas software sehingga mempunyai tingkat perubahan yang tinggi.
Estimasi biaya dan usaha proyek merupakan suatu kegiatan pengaturan sumber daya dalam mencapai tujuan dan sasaran dari proyek, sehingga proyek dapat berjalan sesuai dengan tahapan dan target yang dikehendaki. Dalam usaha estimasi sering menghadapi dua permasalahan yaitu over-estimates dan under-estimates. Over-estimates (estimasi berlebihan) akan menimbulkan penambahan alokasi sumberdaya dari yang dibutuhkan sehingga akan meningkatkan penanganan managerial. Sedangkan estimasi yang kurang (under-estimates) akan mengurangi kualitas dari produk karena tidak sesuai dengan standar. Untuk itu perlu dilakukan langkah yang hati hati dalam melakukan estimasi suatu proyek software sehingga dapat dicapai keberhasilan proyek yaitu tepat waktu, sesuai budget dan terpenuhinya standar kualitas produk.
Seperti telah dijelaskan di atas estimasi merupakan tugas yang sukar tetapi harus dilaksanakan. Faktor-faktor lain yang mempengaruhi estimasi adalah:
1. Kekhususan aplikasi dari software, pada rekayasa proyek tradisional, estimasi dapat dilakukan berdasarkan pada pengalaman masa lalu tetapi kebanyakan software proyek adalah unik sehingga masing-masing mempunyai tingkat ketidakpastian sendiri-sendiri.
2. Perubahan teknologi, dunia teknologi informasi sangatlah labil, sehingga teknologi berubah setiap hari, menyebabkan pelaksanaan estimasi menjadi lebih sukar. Estimasi merupakan proses untuk belajar dari pengalaman tetapi dengan teknologi yang berubah maka pengalaman menjadi berkurang terhadap suatu teknologi sehingga tindakan estimasi seperti sebuah permainan dalam games.
Proyek software merupakan suatu kegiatan yang menghasilkan produk-produk yang bersifat abstrak dan komplek karena berkaitan dengan gagasan dari setiap individu pelaksana proyek tersebut, sehingga dalam melakukan estimasi biaya proyek pengembangan software sering terjadi perbedaan hasil estimasi yang sangat besar antara satu pengembang dengan pengembang lainnya. Hal ini dikarenakan belum tersedianya standard estimasi dan ukuran standard yang digunakan untuk membuat estimasi proyek software. Oleh karena itu perlu dikembangkan suatu standard estimasi dan standard ukuran produk dan proses pengembangan proyek software.
Manajemen proyek perangkat lunak merupakan bagian yang penting dalam pembangunan perangkat lunak. Sekalipun tidak bersifat teknis seperti pengkodean, hal-hal dalam manajemen proyek PL ini mampu menentukan apakah proyek akan berjalan dengan baik sehingga menghasilkan produk yang baik. Hal-hal yang berkaitan dengan manajemen PL adalah :
– pengelolaan personel dan koordinasi tim
– masalah (problem)
– proses
Manajemen proyek perangkat lunak mengatur 4 hal penting :
– Personel
– Masalah (problem) à berkaitan dengan Produk
– proses dan
– Proyek à tambahan (tapi sangat penting)
Empat hal ini berurutan mulai dari yang paling penting. Personel mendapat tempat paling penting karena tanpa personel yang baik dan tepat maka 3 hal lain tidak bisa berjalan dengan baik.
Proses pembangunan PL melibatkan banyak personel dan dikategorikan dalam 5 kategori :
– manajer senior : yang menentukan usaha yang dikerjakan, dan pemegang keputusan dalam proyek.
– manajer proyek (teknis)– pemimpin tim: yang membuat rencana, memotivasi, mengatur dan mengendalikan praktisi yang mengerjakan PL
– praktisi : yang mengerjakan PL
– klien : yang menentukan kebutuhan PL dan pihak lain yang berkaitan dengan hasil produk
– pengguna PL : yang berinteraksi langsung dengan PL yang dibangun.
Pemimpin Tim PL disini adalah manager proyek. Seorang pemimpin tim diharuskan mempunyai ketrampilan memimpin yang cukup. Seseorang tidak menjadi pemimpin tim secara kebetulan tapi sungguh-sungguh karena punya kemampuan. Kemampuan yang dibutuhkan dalam kepemimpinan seperti
1. mampu berorganisasi
2. mampu mendorong keluarnya ide-ide baru
3. mencari penyelesaian masalah (problem solvingmampu memotivasi)
4. mampu menjadi manajer
5. mampu menghargai kerja
6. mampu mengenali tim
Analisis Masalah
“Sebuah perusahaan datang ke sebuah software house atau proyek manager, dimana ia ingin membangun sebuah aplikasi untuk membantu kelancaran proses pada perusahaannya, software house tersebut kemudian merinci proses apa saja yang akan terjadi, tetapi berapa lama dan berapa biaya yang dikeluarkan untuk membangun aplikasi tersebut ?”
Sepenggal cerita diatas bisa menjadi gambaran yang mungkin terjadi ketika sebuah software house atau proyek manager mendapatkan sebuah tugas untuk membangun sebuah aplikasi. Perkiraan awal terhadap berapa lama dan berapa besar biaya yang akan dikeluarkan untuk membangun sebuah aplikasi sangatlah penting. Informasi tersebut bisa saja didapatkan melalui perkiraan pada pengalaman sebelumnya, ataupun dengan metode-metode estimasi yang sudah ada. Tapi bagaimana jika seandainya metode-metode tersebut dirangkum ke dalam sebuah aplikasi analisis.
Dengan adanya kemajuan teknologi komunikasi dan perpaduan pengetahuan dari dunia komputer, hal itu tidak sulit untuk diwujudkan. Dimana dengan menerapkan metode-metode tersebut ke dalam sebuah aplikasi sebagai perkiraan awal untuk memperkirakan usaha dan biaya yang diperlukan dalam membangun sebuah aplikasi.
Aplikasi yang ingin kami hasilkan ini akan kami beri nama MAT Estimation, dimana analisis proses yang ada pada sistem MAT Estimation ini dibagi menjadi 4 bagian, yaitu proses estimasi pada MAT Use Case Point Diagram, proses estimasi pada MAT Use Case Point, proses estimasi pada MAT Class Diagram, dan proses estimasi pada MAT Function Point.
TUGAS REKAYASA PERANGKAT LUNAK ( RPL )
MANAGEMENT SOFTWARE PROJECT
Tugas ini diajukan untuk memenuhi salah satu tugas mata kuliah
Rekayasa perangkat Lunak
Disusun Oleh :
Agung Medianto
Asep Muharam
SEKOLAH TINGGI TEKNOLOGI GARUT
(STTG)
2009
Sering terjadinya kegagalan proyek pengembangan software adalah dikarenakan lemahnya pembuatan estimasi biaya dan perencanaan proyek. Oleh karena itu jika penggunaan model estimasi biaya proyek yang digunakan di Indonesia tidak sesuai dengan keadaan dan fakta sebenarnya maka akan mempunyai kecenderungan terjadinya kegagalan proyek pengembangan software cukup besar, atau pengembang software sering membuat kriteria keberhasilan proyek yang salah. Selama ini perhitungan perkiraan biaya dalam pengembangan software di Indonesia belum ada acuan standard dalam menghitung usaha dan biayanya. Acuan yang dipakai masih menggunakan standard dari luar negeri (misal COCOMO, FP Albrecht dll) yang belum tentu sesuai dengan kondisi di Indonesia, karena model-model estimasi tersebut dikembangkan dengan data-data software house yang ada di luar negri. Tidak adanya standard dalam membuat estimasi biaya proyek software juga memyebabkan adanya ketimpangan hasil estimasi biaya proyek pengembangan software satu instansi dengan instansi yang lain, sebagai contoh proyek pembuatan website suatu instansi pemerintah yang dikerjakan oleh software house di Bali biayanya sekitar Rp.1 M, sedangkan jika dikerjakan oleh software house lain hanya berkisar puluhan juta rupiah. Disamping itu alat bantu managemen proyek yang sering dipakai saat ini adalah Microsoft Project, tetapi dalam Microsoft Project tersebut tidak tersedia fasilitas untuk membuat estimasi biaya ataupun usaha proyek software padahal tahapan estimasi merupakan tahapan penting dalam managemen proyek oleh karena itu penelitian ini sangat penting untuk dapat membantu manager dalam membuat estimasi biaya suatu proyek software.
Suatu proyek yang sukses didefinisikan sebagai system yang selesai tepat pada waktunya dan sesuai dengan anggaran serta sesuai dengan kualitas yang diinginkan. Oleh karena itu perlu menentukan target atau sasaran yang diperlukan untuk menguji output dari system. Sasaran yang ditentukan haruslah dapat dicapai dan dipertanggungjawabkan sehingga estimasi yang realistik merupakan tugas penting dari pimpinan proyek. Estimasi usaha dan estimasi ukuran pekerjaan diperlukan untuk mengembangkan system sehingga dapat mengarahkan apa yang diinginkan pengguna dalam melaksanakan perkerjaan yang sukar, yang diakibatkan oleh sifat alamiah software yaitu kompleksitas dan ketidaknampakannya serta tingkat fleksibilitas software sehingga mempunyai tingkat perubahan yang tinggi.
Estimasi biaya dan usaha proyek merupakan suatu kegiatan pengaturan sumber daya dalam mencapai tujuan dan sasaran dari proyek, sehingga proyek dapat berjalan sesuai dengan tahapan dan target yang dikehendaki. Dalam usaha estimasi sering menghadapi dua permasalahan yaitu over-estimates dan under-estimates. Over-estimates (estimasi berlebihan) akan menimbulkan penambahan alokasi sumberdaya dari yang dibutuhkan sehingga akan meningkatkan penanganan managerial. Sedangkan estimasi yang kurang (under-estimates) akan mengurangi kualitas dari produk karena tidak sesuai dengan standar. Untuk itu perlu dilakukan langkah yang hati hati dalam melakukan estimasi suatu proyek software sehingga dapat dicapai keberhasilan proyek yaitu tepat waktu, sesuai budget dan terpenuhinya standar kualitas produk.
Seperti telah dijelaskan di atas estimasi merupakan tugas yang sukar tetapi harus dilaksanakan. Faktor-faktor lain yang mempengaruhi estimasi adalah:
1. Kekhususan aplikasi dari software, pada rekayasa proyek tradisional, estimasi dapat dilakukan berdasarkan pada pengalaman masa lalu tetapi kebanyakan software proyek adalah unik sehingga masing-masing mempunyai tingkat ketidakpastian sendiri-sendiri.
2. Perubahan teknologi, dunia teknologi informasi sangatlah labil, sehingga teknologi berubah setiap hari, menyebabkan pelaksanaan estimasi menjadi lebih sukar. Estimasi merupakan proses untuk belajar dari pengalaman tetapi dengan teknologi yang berubah maka pengalaman menjadi berkurang terhadap suatu teknologi sehingga tindakan estimasi seperti sebuah permainan dalam games.
Proyek software merupakan suatu kegiatan yang menghasilkan produk-produk yang bersifat abstrak dan komplek karena berkaitan dengan gagasan dari setiap individu pelaksana proyek tersebut, sehingga dalam melakukan estimasi biaya proyek pengembangan software sering terjadi perbedaan hasil estimasi yang sangat besar antara satu pengembang dengan pengembang lainnya. Hal ini dikarenakan belum tersedianya standard estimasi dan ukuran standard yang digunakan untuk membuat estimasi proyek software. Oleh karena itu perlu dikembangkan suatu standard estimasi dan standard ukuran produk dan proses pengembangan proyek software.
Manajemen proyek perangkat lunak merupakan bagian yang penting dalam pembangunan perangkat lunak. Sekalipun tidak bersifat teknis seperti pengkodean, hal-hal dalam manajemen proyek PL ini mampu menentukan apakah proyek akan berjalan dengan baik sehingga menghasilkan produk yang baik. Hal-hal yang berkaitan dengan manajemen PL adalah :
– pengelolaan personel dan koordinasi tim
– masalah (problem)
– proses
Manajemen proyek perangkat lunak mengatur 4 hal penting :
– Personel
– Masalah (problem) à berkaitan dengan Produk
– proses dan
– Proyek à tambahan (tapi sangat penting)
Empat hal ini berurutan mulai dari yang paling penting. Personel mendapat tempat paling penting karena tanpa personel yang baik dan tepat maka 3 hal lain tidak bisa berjalan dengan baik.
Proses pembangunan PL melibatkan banyak personel dan dikategorikan dalam 5 kategori :
– manajer senior : yang menentukan usaha yang dikerjakan, dan pemegang keputusan dalam proyek.
– manajer proyek (teknis)– pemimpin tim: yang membuat rencana, memotivasi, mengatur dan mengendalikan praktisi yang mengerjakan PL
– praktisi : yang mengerjakan PL
– klien : yang menentukan kebutuhan PL dan pihak lain yang berkaitan dengan hasil produk
– pengguna PL : yang berinteraksi langsung dengan PL yang dibangun.
Pemimpin Tim PL disini adalah manager proyek. Seorang pemimpin tim diharuskan mempunyai ketrampilan memimpin yang cukup. Seseorang tidak menjadi pemimpin tim secara kebetulan tapi sungguh-sungguh karena punya kemampuan. Kemampuan yang dibutuhkan dalam kepemimpinan seperti
1. mampu berorganisasi
2. mampu mendorong keluarnya ide-ide baru
3. mencari penyelesaian masalah (problem solvingmampu memotivasi)
4. mampu menjadi manajer
5. mampu menghargai kerja
6. mampu mengenali tim
Analisis Masalah
“Sebuah perusahaan datang ke sebuah software house atau proyek manager, dimana ia ingin membangun sebuah aplikasi untuk membantu kelancaran proses pada perusahaannya, software house tersebut kemudian merinci proses apa saja yang akan terjadi, tetapi berapa lama dan berapa biaya yang dikeluarkan untuk membangun aplikasi tersebut ?”
Sepenggal cerita diatas bisa menjadi gambaran yang mungkin terjadi ketika sebuah software house atau proyek manager mendapatkan sebuah tugas untuk membangun sebuah aplikasi. Perkiraan awal terhadap berapa lama dan berapa besar biaya yang akan dikeluarkan untuk membangun sebuah aplikasi sangatlah penting. Informasi tersebut bisa saja didapatkan melalui perkiraan pada pengalaman sebelumnya, ataupun dengan metode-metode estimasi yang sudah ada. Tapi bagaimana jika seandainya metode-metode tersebut dirangkum ke dalam sebuah aplikasi analisis.
Dengan adanya kemajuan teknologi komunikasi dan perpaduan pengetahuan dari dunia komputer, hal itu tidak sulit untuk diwujudkan. Dimana dengan menerapkan metode-metode tersebut ke dalam sebuah aplikasi sebagai perkiraan awal untuk memperkirakan usaha dan biaya yang diperlukan dalam membangun sebuah aplikasi.
Aplikasi yang ingin kami hasilkan ini akan kami beri nama MAT Estimation, dimana analisis proses yang ada pada sistem MAT Estimation ini dibagi menjadi 4 bagian, yaitu proses estimasi pada MAT Use Case Point Diagram, proses estimasi pada MAT Use Case Point, proses estimasi pada MAT Class Diagram, dan proses estimasi pada MAT Function Point.
TUGAS REKAYASA PERANGKAT LUNAK ( RPL )
MANAGEMENT SOFTWARE PROJECT
Tugas ini diajukan untuk memenuhi salah satu tugas mata kuliah
Rekayasa perangkat Lunak
Disusun Oleh :
Agung Medianto
Asep Muharam
SEKOLAH TINGGI TEKNOLOGI GARUT
(STTG)
2009
Jawaban UAS
BAB 1
PENDAHULUAN
SIKLUS PENDAPATAN
I. PENDAHULUAN
Pada umumnya perusahaan dagang didirikan untuk mendapatkan keuntungan yang sebesar-besarnya. Guna mendapatkan keuntungan tersebut perusahaan perlu melakukan siklus pendapatan yang terdiri dari pesanan penjualan, pengiriman barang, penagihan dan piutang usaha, serta penagihan kas.
Siklus pendapatan adalah rangkaian aktivitas bisnis dan kegiatan pemrosesan informasi terkait yang terus berulang dengan menyediakan barang dan jasa ke para pelanggan dan menagih kas sebagai pembayaran dari penjualan-penjualan tersebut.
Integritas data merupakan suatu hal yang sangat penting dalam Relational Database Management System (RDBMS). Data disimpan dalam bentuk tabel dimana antara satu tabel dengan tabel yang lain dapat saling berhubungan. Dalam DBMS MySOL, integritas data belum sepenuhnya dapat dipelihara. Hal ini cukup berbeda dibandingkan DBMS lain seperti PostgreSQL dan Oracle yang mempunyai feature untuk memelihara integritas referensial data.
I.I TUJUAN
Tujuan utama siklus pendapatan adalah untuk menyediakan produk yang tepat ditempat dan waktu yang tepat dengan harga yang sesuai. Guna mencapai tujuan tersebut, pihak manajemen harus membuat beberapa keputusan penting berikut ini :
1. Sejauh apakah produk dapat dan harus disesuaikan dengan tiap kebutuhan dan keinginan pelanggan?
2. Seberapa banyak persediaan yang harus dimiliki, dan di manakah persediaan tersebut ditempatkan?
3. Bagaimana seharusnya barang dagangan dikirim kepada pelanggan? Haruskah perusahaan melakukan fungsi pengiriman sendiri atau menggunakan pihak ketiga yang mengkhususkan diri dalam pengiriman?
4. Berapakah harga optimal untuk setiap produk atau jasa?
5. Haruskah kreditnya ditawarkan kepada pelanggan?
6. Berapa banyak kredit yang seharusnya diberikan ke tiap pelanggan?
7. Apa syarat-syarat kredit yang seharusnya diberikan?
8. Bagaimana pembayaran pelanggan dapat diproses untuk memaksimalkan arus kas?
BAB II
PEMBAHASAN
1. Proses Modelling
1.1. DFD
1. Entri Pesanan Penjualan
Siklus pendapatan dimulai dengan penerimaan pesanan dari para pelanggan. Departeman bagian pesanan penjualan, yang bertanggung jawab pada wakil direktur utama bagian pemasaran, melakukan proses entri pesanan penjualan. Gambar menunjukkan bahwa proses entri pesanan penjualan mencakup tiga tahap: mengambil pesanan dari pelanggan, memeriksa dan menyetujui kredit pelanggan, serta memeriksa ketersediaan persediaan dan juga menjawab permintaan pelanggan.
A. AKTIVITAS BISNIS SIKLUS PENDAPATAN
Gambar menunjukkan empat aktivitas dasar bisnis yang dilakukan dalam siklus pendapatan
a. Mengambil pesanan pelanggan
Pesanan pelanggan dapat diterima dalam berbagai cara: di toko, melalui surat, melalui telepon, melalui web site, atau melalui tenaga penjualan di lapangan. Salah satu cara untuk meningkatkan efisiensi entri pesanan penjualan adalah dengan mengizinkan para pelanggan untuk memasuki data pesanan penjualan sendiri. Hal ini secara otomatis akan tercapai untuk penjualan melalui web site, tetapi hal ini juga dapat dicapai baik dalam penjualan melalui toko maupun surat.
Web site menyediakan cara lain untuk mengotomatisasikan pengentrian pesanan penjualan. Kegunaannya tidak hanya untuk mengurangi biaya yang berkaitan dengan pengambilan pesanan pelanggan, tetapi juga memeberikan peluang untuk meningkatkan penjualan dengan memungkinkan pelanggan untuk mendesain produk mereka sendiri. Sistem entri pesanan penjualan interaktif semacam ini disebut sebagai
Saat ini juga terdapat cara lain untuk meningkatkan proses entri pesanan penjualan melibatkan penggunaaan Electronic Data Interchange (EDI) untuk berhubungan secara langsung dengan pelanggan. Dengan menggunakan EDI, toko-toko ritel akan mengirim pesanan mereka langsung ke sistem pesanan penjualan AOE dalam sebuah format yang akan menghilangkan kebutuhan atas entri data.
Bagaimanapun data pesanan pelanggan diterima pada awalnya, merupakan hal yang penting bahwa semua data yang dibutuhkan untuk memproses pesanan tersebut dikumpulkan dan dicatat secara akurat. Oleh sebab itu, pemeriksaan edit berikut ini harus dilakukan untuk memastikan akurasi yang menyeluruh:
- Pemeriksaan validitas
- Uji kelengkapan
- Uji kewajaran
Sewaktu pemeriksaan ini dilakukan, data dicatat dalam dokumen pesanan penjualan. Dokumen tersebut biasanya merupakan formulir elektronik yang ditampilkan di layar monitor komputer. Seperti yang diperlihatkan dalam Gambar 11-5 pesanan penjualan berisi informasi nomor barang, jumlah, harga, dan syarat penjualan lainnya.
PESANAN PENJUALAN
Riau Computer
09223 Garut
Dijual Kepada : Hardware City Dikirim Kepada : Hardware City
35 Appliance Way 93938 Mesa. Dr Meza
Tanggal
23 januari
2009 Pesanan Pembelian
Pelanggan No :
7291 Tanggal Penjualan
JKL Intriksi Pengiriman
Kilat
Jumlah Yang di Pesan Jumlah yang di kirim Jumlah Yang di pesan Ulang No Barang Keterangan Harga per Unit Jumlah
100 100 2741 17.95 1.795,00
50 50 3315 49.95 2.497.50
CONTOH PESAN PENJUALAN
b. Persetujuan kredit
Sebagian besar penjualan antarperusahaan dilakukan secara kredit. Penjualan secara kredit harus disetujui sebelum diproses. Bagi pelanggan lama dengan catatan pembayaran yang baik, pemeriksaan kredit formal untuk setiap penjualan biasanya tidak dibutuhkan. Pada kasus semacam ini, menyetujui kredit bagi pelanggan melibatkan pemeriksaan file induk pelanggan untuk memverifikasi saldo yang ada, mengidentifikasi batas kredit pelanggan, dan memverifikasi bahwa jumlah pesanan tersebut ditambah dengan saldo rekening yang tidak melebihi batas kredit ini. Proses ini dapat diotomatisasikan dengan menggunakan pemeriksaan edit lainnya selama proses entri pesanan, yaitu pemeriksaan batas.
- Pemeriksaan batas dapat membandingkan jumlah pesanan dan saldo rekening pelanggan yang ada dengan batas kredit pelanggan tersebut. (Apabila pesanan baru tersebut tidak menyebabkan saldo rekening pelanggan melebihi batas kredit, maka pesanan tersebut diterima. Apabila pesanan yang diajukan akan menyebabkan saldo rekening pelanggan melebihi batas kredit, maka pesan e-mail akan dikirim ke manajer bagian kredit untuk memutuskan apakah pesanan tersebut disetujui atau ditolak).
Otorisasi khusus untuk menyetujui kredit digunakan bagi para pelanggan baru, ketika sebuah pesanan melebihi batas kredit pelanggan tersebut, atau ketika pelanggan tersebut memiliki saldo lewat jatuh tempo yang belum dibayar. Otorisasi jenis ini harus dilakukan oleh manajer bagian kredit.
c. Memeriksa ketersediaan persediaan
Langkah berikutnya adalah menetapkan apakah tersedia cukup persediaan untuk memenuhi pesanan tersebut, agar pelanggan dapat diinformasikan mengenai perkiraan tanggal pengiriman.
Apabila tersedia cukup banyak persediaan untuk memenuhi pesanan tersebut, pesanan penjualan tersebut dilengkapi dan kolom jumlah yang tersedia dalam file persediaan untuk setiap barang dikurangi sejumlah barang yang dipesan.. Apabila tidak tersedia cukup banyak persediaan di perusahaan untuk memenuhi pesanan tersebut, pemesanan ulang (back order) untuk barang-barang tersebut harus dibuat.
Ketika ketersediaan pesediaan telah dipastikan, sistem tersebut kemudian akan membuat kartu pengambilan barang (picking ticket) yang berisi daftar jenis barang-barang, dan jumlah setiap jenis barang, yang dipesan pelanggan. Kartu pengambilan memberikan otorisasi bagi bagian pengawasan persediaan untuk melepaskan barang dagangan ke bagian pengiriman.
Guna lebih meningkatkan efisiensi, kartu pengambilan barang sering kali mendaftar barang dalam urutan tempat mereka disimpan dalam gudang daripada dalam bentuk pesanan yang didaftar dalam pesanan penjualan.
d. Menjawab permintaan pelanggan
Pelayanan pelanggan adalah hal yang begitu penting hingga perusahaan-perusahaan mengunakan software khusus, yang disebut sistem manajemen pelayanan pelanggan (Customer Relationship Management-CRM), untuk mendukung proses penting ini. Sistem CRM membantu mengatur data terinci mengenai para pelanggan hingga data tersebut dapat digunakan untuk memfasilitasi layanan yang lebih efisien serta personal.
Tujuan dari CRM adalah untuk mempertahankan pelanggan. Sistem CRM seharusnya dilihat sebagai suatu cara untuk meningkatkan pelayanan pelanggan yang diberikan. Tujuannya adalah untuk mengubah pelanggan yang loyal menjadi pelanggan yang puas dengan cara memperdalam hubungan tersebut.
Akan tetapi, banyak permintaan pelanggan merupakan hal yang bersifat rutin. Sebagai konsekuensinya, perusahaan dapat dan harus menggunakan TI untuk mengotomatisasikan jawaban atas permintaan yang umum, seperti pertanyaan mengenai saldo rekening dan status pesanan, agar pegawai bagian pesanan penjualan dan pelayanan pelanggan dapat memusatkan waktu dan tenaga mereka untuk menangani permintaan yang lebih rumit dan tidak biasa. Contohnya, web site memberikan alternatif yang efektif (frequently asked question-FAQs). Web site yang sulit digunakan dapat benar-benar mempersulit penjualan karena membuat frustasi pelanggan dan menciptakan rasa tidak senang. Sebaliknya, Web site yang di desain dengan baik dapat memberikan pandangan ke dalam yang dapat mengarah pada peningkatan penjualan.
2. Pengiriman
Aktivitas dasar kedua dalam siklus pendapatan adalah memenuhi pesanan pelanggan dan mengirimkan barang dagangan yang diinginkan tersebut.
Proses ini terdiri dari dua tahap:
1. Mengambil dan mengepak pesanan
2. Mengirim pesanan tersebut
Departemen bagian penggudangan dan pengiriman melakukan aktivitas ini.
a. Ambil dan pak pesanan
Kartu pengambilan barang yang dicetak sesuai dengan entri pesanan penjualan akan memicu proses pengambilan dan pengepakan. Para pekerja bagian gudang menggunakan kartu pengambilan barang untuk mengidentifikasi produk mana, dan jumlah setiap produk untuk mengeluarkannya dari persediaan. Persediaan kemudian akan dipindahkan ke departemen pengiriman.
Sistem gudang otomatis tidak hanya memotong biaya dan meningkatkan efisiensi dalam menangani persediaan, tetapi juga memungkinkan pengiriman yang lebih responsif ke pelanggan.
b. Kirim pesanan
Departemen pengiriman membandingkan perhitungan fisik persediaan dengan jumlah yang ditunjukkan dalam kartu pengambilan barang dan dengan jumlah yang ditunjukkan dalam salinan pesanan penjualan yang dikirim secara langsung ke bagian pengiriman dari entri pesanan penjualan.
Dokumen pengiriman adalah kontrak legal yang menyebutkan tanggung jawab atas barang yang dikirim. Departemen pengiriman menyimpan salinan kedua dokumen pengiriman untuk melacak dan mengkonfirmasikan pengiriman barang ke kurir tersebut. Salinan lainnya dari dokumen pengiriman dan slip pengepakan dikirim ke departemen penagihan untuk menunjukkan bahwa barang tersebut telah dikirim dan faktur penjualan harus dibuat serta dikirim. Kurir tersebut juga menahan satu salinan dokumen pengiriman untuk catatan mereka.
Keputusan penting lainnya berkaitan dengan pusat-pusat distribusi. Semakin banyak perusahaan yang meminta para pemasok dan pabrik untuk mengirimkan berbagai produk hanya jika dibutuhkan. Akibatnya, para pemasok dan pabrik harus menggunakan software sistem logistik untuk mengidentifikasi lokasi optimal menyimpan persediaan agar dapat meminimalkan jumlah total persediaan yang dimiliki serta memenuhi setiap permintaan pengiriman pelanggan.
Globalisasi menambah kerumitan logistik outbound. Efisiensi dan efektivitas metode distribusi yang berbeda, seperti menggunakan truk atau kereta, berbeda di seluruh dunia. Pajak dan peraturan di berbagai negara dapat juga mempengaruhi pilihan atas distribusi.
Sistem komunikasi canggih dapat memberikan informasi secara real-time mengenai status pengiriman, dan oleh karenanya memberikan nilai tambah bagi para pelanggan. Contohnya, apabila penjual mengetahui bahwa suatu pengiriman akan terlambat, pemberitahuan awal dapat membantu pelanggan merevisi rencana-rencana mereka sesuai kondisi tersebut.
3. Penagihan dan Piutang Usaha
Pesanan Slip
Penjualan Pengepakan
Dokumen Pengiriman
Faktur
Penjualan Penjualan
Pelanggan Penjualan
Laporan Bulanan
Daftar
Pengiriman
Uang
a. Penagihan
Penagihan yang akurat dan tepat waktu atas barang dagangan yang dikirimkan adalah hal yang penting. Aktivitas penagihan hanyalah aktivitas pemrosesan informasi yang mengemas ulang serta meringkas informasi dari entri pesanan penjualan dan aktivitas pengiriman. Aktivitas ini membutuhkan informasi dari departemen pengiriman yang mengidentifikasikan barang dan jumlah yang dikirimkan, serta informasi mengenai harga dan syarat khusus penjualan lainnya dari departemen penjualan.
Dokumen dasar yang dibuat dalam proses penagihan adalah faktur penjualan, yang memberitahukan pelanggan mengenai jumlah yang harus dibayar dan ke mana harus mengirimkan pembayaran.
Teknologi informasi memberikan peluang untuk mengurangi biaya yang berhubungan dengan penagihan. Mengirimkan faktur ke perusahaan melalui EDI ( electronic data interchange ) lebih cepat dan lebih murah daripada mengirimkan dokumen kertas. Bisnis yang menjual langsung ke pemakai bisa memperoleh keuntungan yang serupa dengan meyakinkan para pelanggan mereka untuk menandatangani penagihan dan pembayaran on – line dengan menggunakan internet. Faktur EDI dan pembayaran on – line juga menguntungkan pelanggan dengan mengurangi waktu dan biaya yang berhubungan dengan pemrosesan dokumen kertas.
b. Pemeliharaan data piutang usaha
Fungsi piutang usaha, yang bertanggung jawab kepada controller, melakukan dua tugas dasar : Menggunakan informasi dalam faktur penjualan untuk mendebit rekening pelanggan dan karenanya mengkredit rekening tersebut ketika pembayaran diterima.
Dua cara dasar untuk memelihara data piutang usaha adalah sebagai berikut :
1) Metode faktur terbuka
Para pelanggan biasanya membayar sesuai jumlah setiap faktur penjualan. Biasanya dua salinan faktur dikirimkan ke para pelanggan yang diminta untuk mengembalikan satu salinan bersama pembayaran. Salinan ini adalah dokumen yang dapat dikirimkan kembali ( turnaround document ) dan disebut sebagai pemberitahuan pengiriman uang ( remittance advice ). Pembayaran dari para pelanggan kemudian dihubungkan dengan faktur penjualan terkait.
Keuntungan :
• Metode ini kondusif dalam menawarkan diskon untuk pembayaran awal, karena faktur akan secara individual ditelusuri dan dihitung umurnya.
• Metode ini juga menghasilkan pola arus penagihan kas yang seragam di sepanjang bulan.
Kelemahan :
Metode ini menambahkan kerumitan yang harus dilakukan untuk mrmelihara informasi mengenai status setiap faktur untuk setiap pelanggan.
2) Metode pembayaran gabungan
Para pelanggan biasanya membayar sesuai dengan jumlah yang diperlihatkan pada laporan bulanan, bukan membayar setiap jumlah pada faktur penjualan. Sebuah laporan bulanan yang berisi semua transaksi, termasuk penjualan dan pembayran, yang terjadi selama bulan terakhir dan juga informasi tentang saldo piutang terakhir pelanggan.
Keuntungan :
• Metode ini lebih efisien dan mengurangi biaya dengan menghindari kebutuhan untuk memproses penagihan kas untuk setiap penjualan terpisah
• Pelanggan akan merasa lebih nyaman karena melakukan pengiriman uang hanya satu kali dalam sebulan.
c. Pengecualian : penyesuaian rekening dan penghapusan
Penyesuaian rekening pelanggan kadang kala diperlukan. Contohnya, rekening pelanggang dapat dikreditkan untuk mencerminkan baik pengembalian barang atau potongan yang diberikan atas barang yang rusak. Guna mengkredit rekening pelanggan karena pengembalian barang, manajer bagian kredit harus mendapatkan informasi dari bagian penerimaan barang bahwa barang tersebut benar – benar dikembalikan, serta telah disimpan kembali di gudang.
Dengan adanya pemberitahuan dari departemen penerimaan bahwa barang tersebut telah dikembaliakn, maka manajer kredit akan mengeluarkan nota kredit. Apabila kerusakan barang tersebut sedikit, pelanggan mungkin setuju untuk menerimanya dengan pengurangan harga.
Setelah beberapa kali usaha untuk menagih pembayaran telah gagal, mungkin perlu dilakukan penghapusan rekening pelanggan.
4. Penagihan Kas
Langkah terakhir dalam siklus pendapatan adalah penagihan kas. Kasir, orang yang melapor pada bendahara, menagani kiriman uang pelanggan dan menyimpannya di bank.
Oleh karena kas dan cek dari pelanggan dapat dicuri dengan mudah, adalah hal yang penting untuk mengambil langkah – langkah memadai agar menurunkan resiko pencurian. Hal ini berarti fungsi piutang usaha, yang bertanggung jawab atas pencatatan kiriman uang pelanggan, seharusnya tidak memiliki akses fisik ke kas atau cek. Akan tetapi, fungsi piutang usaha harus mampu mengidentifikasi sumber kiriman uang dari mana pun dan faktur penjualan terkait harus di kredit. Salah satu solusinya adalah dengan mengirimkan dua salinan faktur ke pelanggan dan memintanya untuk mengembalikan salah satu salinan tersebut bersama dengan pembayarannya. Pemberitahuan pengiriman uang ini kemudian disirkulasikan ke bagian piutang usaha dan pembayran yang sesungguhnya dari pelanggan dikirim ke kasir. Apabila pemberitahuan pengiriman uang juga berisi bagian untukn pelanggan yang menunjukan jumlah yang dikirim, mesin OCR ( optical character recognition ) dapat memindai data kiriman tersebut, hingga mengurangi potensi kesalahan selama entri data.
Solusi alternatifnya adalh dengan meminta petugas bagian surat – menyurat untuk mempersiapkan daftar pengiriman uang ( remittance list ), yaitu dengan dokumen yang mengidentifikasi nama dan jumlah semua kiriman uang pelanggan, serta mengirimkan daftar ini ke bagian piutang usaha. Cara lainnya untuk menjaga kiriman uang dari pelanggan adalah dengan membuat perjanjian lockbox dengan sebuah bank. Lockbox adalah alamat pos yang dituju oleh pelanggan ketika mereka mengirimkan uang mereka. Bank yang terlibat mengambil cek dari kotak pos dan menyimpannnya ke dalam rekening milik perusahaan. Bank tersebut kemudian mengirimkan pemberitahuan pengiriman uang, sebuah daftar elektonis semua kiriman uang, dan foto kopi semua cek ke perusahaan.
Penggunaan lockbox tidak hanya mencegah pencurian kiriman uang dari pelanggan oleh pegawai, tetapi juga meningkatkan manajemen arus kas. Teknologi informasi dapat memberikan efisiensi tambahan dengan penggunaan locbox. Di bawah kesepakatan electronic locbox, bank secara elektronis mengirimkan informasi pada perusahaan mengenai nomor rekening pelanggan dan jumlah yang dikirim begitu bank menerima dan memindai cek – cek tersebut. Metode ini memungkinkan perusahaan untuk mengakui kiriman uang rekening pelanggan sebelum foto kopui cek diterima perusahaan.
B. PROSEDUR PEMROSESAN INFORMASI
Sistem pemrosesan pesanan penjualan on – line menangani pesanan pelanggan, melalui internet, dan juga pesanan melalui tenaga penjual. Dengan menggunakan laptop mereka, tenaga penjual dapat memasukan pesanan secara langsung dalam field, atau departemen penjualan dapat memasukan pesanan pelanggan yang diterima melalui telepon atau surat.
Bagaimana pun cara pesanan pada awalnya diterima, system tersebut dengan cepat akian memverifikasi dapat tidaknya pelanggan diberikan kredit, memeriksa ketersediaan persediaan, dan memberitahukan departemen penggudangan dan pengiriman mengenai penjualan yang telah disetujui tersebut.
Perbaikan utama mengenai siklus pendapatan pada AOE :
1) Entri pesanan secara real – time mendeteksi kesalahan
2) Keputusan persetujuan kredit dapat dibuat pada waktu pelanggan menyerahkan pesanannya.
3) Catatan persediaan lebih akurat dan tepat waktu
4) Departemen penggudangan dan pengiriman dapat merencanakan berbagai aktivitas dengan lebih baik untuk meminimalkan waktu yang dibutuhkan dalam memenuhi peasanan pelanggan.
5) Sistem tersebut membandingkan data yang dimasukkan oleh bagian pengiriman dengan yang berada di file pesanan penjualan.
6) Penerimaan kas diproses dengan lebih cepat, hingga meningkatkan arus kas.
7) Laporan dan ukuran kinerja lebih tepat waktu, hingga meningkatkan kemampuan pihak manajemen untuk mengawasi dan memperbaiki efisiensi dan efektivitas.
Untuk mewujudkan manfaat – manfaat ini dibutuhkan pengendalian yang memadai untuk memastikan bahwa informasi dalam system tersedian, akurat, aman, dan dapat dipelihara.
C. PENGENDALIAN : TUJUAN, ANCAMAN, DAN PROSEDUR
Dalam siklus pendapatan, sistem informasi yang baik harus menyediakan pengendalian yang memadai untuk untuk memastikan tujuan-tujuan telah tercapai, antara lain :
1. Semua transaksi telah diotorisasi dengan benar
2. Semua transaksi yang dicatat valid/benar terjadi
3. Semua transaski telah dicatat dengan akurat
4. Aset perusahaan dijaga dari kehilangan atau pencurian
5. Aktivitas bisnis dilaksanakan secara efisien dan efektif
Dalam pembahasan ini, siklus pendapatan terbagi menjadi empat tahap, antara lain :
1. Entri pesanan penjualan
2. Pengiriman
3. Penagihan dan piutang usaha
4. Penagihan kas
TAHAP 1 : ENTRI PESANAN PENJUALAN
Tujuan utama proses entri pesanan penjualan adalah :
1. Memproses pesanan pelanggan secara akurat dan efisien.
2. Memastikan perusahaan akan dibayar untuk semua penjualan secara kredit.
3. Memastikan semua penjualan sah, serta meminimalkan kerugian atau hilangnya pendapatan.
Ancaman/kendala dan pengendalian dalam tahap entri pesanan penjualan, antara lain :
1. Pesanan pelanggan tidak lengkap/akurat
Akibat :
• Menimbulkan inefisiensi dalam hal waktu dan biaya, karena harus menghubungi kembali pelanggan.
• Selain itu dapat mempengaruhi persepsi pelanggan dan berpengaruh buruk terhadap penjualan di masa mendatang.
Pengendalian :
• Pemeriksaan kelengkapan data dengan lebih teliti.
• Menyimpan data referensi pelanggan seperti alamat, no.telepon, kontak person, dll.
2. Penjualan kredit ke pelanggan yang memiliki catatan/kriteria kredit buruk
Akibat :
• Kurangnya pengawasan terhadap penjualan kredit menyebabkan saldo piutang pelanggan melebihi batas kredit yang disetujui.
• Hal diatas bisa menyebabkan melakukan penjualan kredit yang kemudian menjadi tidak tertagih.
Pengendalian :
• Menetapkan batas kredit kepada setiap pelanggan
• Persetujuan kredit diberikan oleh seseorang yang memiliki otorisasi yang bukan merupakan sales representatif.
• Memelihara catatan yang akurat dan terbaru mengenai saldo rekening pelanggan dan batas kredit.
3. Keabsahan pesanan
Keabsahan pesanan pelanggan biasanya didapat melalui penerimaan pesanan yang telah ditandatangani oleh pelanggan. Bersama peningkatan transaksi bisnis secara elektronis, penggunaan tanda tangan elektronis disyaratkan untuk memverifikasi indentitas setiap pihak.
4. Kehabisan persediaan, biaya gudang dan pengurangan harga
Akibat :
• Penjualan akan hilang karena kehabisan persediaan.
• Sedangkan persediaan berlebih akan meningkatkan biaya gudang, bahkan memerlukan pengurangan harga yang signifikan.
Pengendalian :
• Perusahaan membuat sistem pengendalian yang akurat.
• Memfasilitasi penggunaan metode persediaan perpetual.
• Perhitungan fisik persediaan secara periodik
• Mengawasi kinerja pemasok seperti tingkat pengiriman yang tepat waktu.
TAHAP II : PENGIRIMAN
Tujuan utama fungsi pengiriman adalah untuk memenuhi pesanan pelanggan secara efisien dan akurat serta untuk menjaga persediaan yang baik guna mendukung penjualan.
Ancaman/kendala dan pengendalian dalam tahap pengiriman, antara lain :
1. Kesalahan pengiriman
Akibat :
• Kesalahan pengiriman dapat mengurangi kepuasan pelanggan dan juga penjualan selanjutnya di masa mendatang.
• Selain itu juga menyebabkan hilangnya aset apabila pelanggan tidak membayar atas barang yang salah kirim.
Pengendalian :
• Kesalahan tersebut dapat dicegah dengan mendeteksi yaitu membandingkan data pengiriman dengan pesanan penjualan.
• Selain itu penggunaan pengendalian aplikasi seperti pemeriksaan lapangan dan uji kelengkapan.
• Memverifikasi antara slip pengepakan dengan dokumen pengiriman yang telah dicetak.
2. Pencurian persediaan
Akibat :
• Hilangnya persediaan karena pencurian merupakan suatu kerugian yang besar bagi perusahaan.
• Selain itu catatan persediaan menjadi tidak akurat, yang menyebabkan masalah dalam memenuhi pesanan pelanggan.
Pengendalian :
• Persediaan disimpan dalam lokasi yang aman dengan pembatasan akses secara fisik.
• Transfer persediaan harus didokumentasikan dengan akurat, selain itu persediaan harus direkonsiliasi secara periodik.
• Pegawa bagian persediaan juga harus diberikan tanggung jawab atas penyimpanan persediaan terhadap kekurangan apapun.
TAHAP III : PENAGIHAN DAN PIUTANG USAHA
Tujuan utama fungsi penagihan dan piutang usaha adalah untuk memastikan bahwa para pelanggan ditagih untuk semua penjualan, faktur telah akurat dan catatan piutang pelanggan dicatat secara akurat.
Ancaman/kendala dan pengendalian dalam tahap penagihan dan piutang usaha, antara lain :
1. Kegagalan untuk menagih pelanggan
Akibat :
1. Kegagalan menagih pelanggan mengakibatkan kerugian aset dan kesalahan dalam data penjualan, persediaan, piutang usaha.
2. Selain itu perkiraan piutang tidak tertagih menjadi besar.
Pengendalian :
1. Pemisahan fungsi pengiriman dan penagihan.
2. Dokumen penjualan hendaknya diberi nomor secara berurutan.
2. Kesalahan dalam penagihan
Akibat :
1. Kelebihan penagihan menyebabkan ketidakpuasan pelanggan.
2. Kekurangan penagihan mengakibatkan kerugian perusahaan.
Pengendalian :
1. Menyimpan data penjualan dan data piutang dengan benar dan tepat serta aman.
2. Rekonsiliasi antara pesanan penjualan dengan slip pengiriman sebelum penagihan ke pelanggan.
TAHAP IV : PENAGIHAN KAS
Tujuan utama dari fungsi penagihan kas adalah untuk menjaga kiriman uang pelanggan dan juga terhadap pencurian kas. Prosedur pengendalian yang efektif adalah pegawai yang memiliki akses secara fisik ke kas harus tidak memiliki tanggung jawab untuk mencatat transaksi apapun yang melibatkan penerimaan kas.
Secara khusus pasangan tugas berikut harus dipisahkan :
1. Menangani kas atau cek serta memasukkan data pembayaran
Seseorang yang melakukan kedua tugas ini dapat melakukan jenis penggelapan khusus yang disebut gali lubang tutup lubang/lapping.
2. Menangani kas atau cek dan mengotorisasi nota kredit
Seseorang yang melakukan tugas ini dapat menutupi pencurian kas dengan cara membuat nota kredit yang sama dengan jumlah yang telah dicuri.
3. Membuat nota kredit dan memelihara rekening pelanggan
Seseorang yang melakukan kedua tugas ini dapat menghapus jumlah tidak tertagih yang merupakan hutang dari teman-temannya.
Pengendalian lain untuk tahap penagihan kas adalah :
1. Semua kiriman uang pelanggan harus harus disimpan secara utuh dan disetor ke bank setiap hari.
2. Penyetoran kas dan cek ke bank setiap hari mengurangi resiko untuk dicuri atau digelapkan.
3. Pegawai yang merekonsiliasi laporan bank harus independen dari semua aktivitas yang melibatkan penanganan atau pencatatan penerimaan kas.
4.
MASALAH UMUM PENGENDALIAN
Tujuan umum yang berhubungan dengan semua aktivitas dalam siklus pendapatan adalah bahwa data tersedia ketika dibutuhkan dan bahwa semua aktivitas dilakukan secara efisien dan efektif.
1. Kehilangan data
Akibat :
• Kehilangan semua data piutang usaha dapat mengancam kelangsungan hidup perusahaan.
• Selain itu membocorkan rahasia pelanggan ke pesaing dapat menurunkan penjualan dan bahkan membuat perusahaan menghadapi tanggung jawab hukum.
Pengendalian :
• File induk piutang usaha, penjualan, penerimaan kas dibuat cadangan secara teratur.
• Disk dan Tape diberi label file agar tidak terhapus secara tidak sengaja
• Sistem harus diberi password dan ID pemakai untuk melindungi file yang penting.
2. Kinerja yang kurang baik
Akibat :
• Pelaksanaan tugas menjadi tidak efisien dan tidak efektif.
• Hal yang lain adalah dapat mempengaruhi kepuasan pelanggan.
Pengendalian :
• Menetapkan dasar / standar penilaian terhadap efisiensi dan efektifitas.
• Membuat laporan secara periodik untuk penilaian dan analisis terhadap sistem kerja dan kinerja karyawan.
D. KASUS INTEGRATIF : RIAU COMPUTER
Riau Computer memproduksi berbagai produk elektronik sehari-hari, termasuk kalkulator, jam digital, radio, pager, mainan, game, dan peralatan dapur kecil. Linda Spurgeon, direktur utama Riau Computer, mengadakan rapat dengan para eksekutif perusahaan untuk mendiskusikan dua masalah penting. Pertama, Riau Computer telah mengalami penyusutan pangsa pasar selama tiga tahun terakhir. Kedua, masalah arus kas telah meningkatkan desakan untuk melakukan pinjaman jangka pendek.
Daftar umur piutang usaha yang terbaru menunjukan peningkatan yang signifikan atas jumlah piutang pelanggan yang jatuh tempo. Akibatnya, Riau Computer harus menambah pinjaman jangka pendeknya karena penundaan dalam penagihan pembayaran pelanggan. Selain itu, Best Value Company, jaringan ritel yang selama ini menjadi salah satu pelanggan utama Riau Computer, baru-baru ini bangkrut. Elizabeth mengakui bahwa ia tidak yakin apakah Riau Computer akan dapat menagih dari Best Value sejumlah piutang yang telah jatuh tempo. Linda merasa frustasi dengan kurangnya informasi rinci mengenai kedua masalah tersebut.
Secara khusus, Linda meminta Elizabeth, Trevor, dan Ann untuk menangani masalah-masalah berikut ini :
1. Bagaimana Riau Computer dapat meningkatkan pelayanan kepada pelanggan? Informasi apakah yang dibutuhkan bagian pemasaran untuk melaksanakan tugasnya dengan lebih baik?
2. Bagaimana Riau Computer dapat mengidentifikasi para pelanggan dan pasarnya yang paling menguntungkan?
3. Bagaimana Riau Computer dapat meningkatkan pengawasan atas rekening kreditnya? Bagaimana suatu perubahan dalam kebijakan kredit mempengaruhi baik penjualan maupun piutang tidak tertagih?
4. Bagaimana Riau Computer dapat meningkatkan prosedur penagihan kasnya?
III. KESIMPULAN
Keempat aktivitas dasar dalam siklus pendapatan adalah entri pesanan penjualan, pengiriman, penagihan dan piutang usaha, serta penagihan kas. SIA harus didesain untuk memaksimalkan efisiensi dimana setiap fungsi ini dilakukan. SIA juga harus memsukkan prosedur pengendalian internal yang memadai untuk menurunkan ancaman seperti penjualan yang tidak tertagih, kesalahan dalam penagihan, serta hilangnya atau penyalahgunaan persediaan dan kas.
Pada rapat tingkat eksekutif berikutnya, Elizabeth meringkas proposal yang dikembangkan oleh dirinya, Trevor, dan Ann untuk memberikan informasi yang dibutuhkan agar dapat mengelola secara lebih baik hubungan dengan pelanggan dan arus kas. Beberapa dari rekomendasi tersebut adalah sebagai berikut :
1. Melengkapi tenaga penjualan dengan komputer laptop sentuh. Trevor Whitman, wakil direktur utama bagian pemasaran, yakin bahwa Riau Computer masih akan membutuhkan pegawai bagian penjualannya untuk mengunjungi para pelanggan, agar dapat mengidentifikasi produk tambahan mana yang dapat menguntungkan jika dipertahankan.
2. Meningkatkan efisiensi proses penagihan dengan meningkatkan jumlah pelanggan yang setuju untuk berpartisipasi dalam hubungan penjualan tanpa faktur, jika memungkinkan, melalui EDI (Electronic Data Interchange) untuk mengirimkan faktur-faktur ke para pelanggan tersebut yang masih membutuhkannya.
3. Dalam usaha untuk memperbaiki layanan pelanggan, bekerja sama dengan para pelanggan utama untuk mendapatkan akses ke data POS (Point of Sale) mereka agar Riau Computer dapat membantu mereka untuk mengelola dengan lebih baik persediaan produk mereka.
4. Secara periodik survei para pelanggan mengenai kepuasan mereka dengan produk-produk dan kinerja Riau Computer.
5. Perbaiki efisiensi penagihan kas dengan mendorong para pelanggan yang memiliki kemampuan EDI untuk berpindah ke FEDI (Financial Electronic Data Interchange) agar Riau Computer menerima baik dana maupun data kiriman uangnya secara bersamaan.
6. Melakukan follow up ke konsumen mengenai tagihan yang akan jatuh tempo, data tagihan ini di dukung oleh sistem akuntansi.
7. Melakukan konfirmasi piutang.
DAFTAR PUSTAKA
Marshall B. Romney dan Paul John Steinbart, 2005. Sistem Informasi Akuntansi. Edisi Kesembilan. Jakarta : Salemba Empat.
DAFTAR ISI
KATA PENGANTAR ……………………………………………… i
DAFTAR ISI ……………………………………………………… ii
I. PENDAHULUAN ……………………………………………… 1
II. PEMBAHASAN
A. AktivitasBisnis Siklus Pendapatan ……..….………………… 2
1. Entri Pesanan Penjualan …….………………………. 2
2. Pengiriman ……………………………………………. 7
3. Penagihan dan Piutang Usaha ………………………… 10
4. Penagihan Kas …………………………………………. 12
B. Prosedur Pemrosesan Informasi …….……………………….. 13
C. Pengendalian : Tujuan, Ancaman, dan Prosedur ……………… 14
D. Kasus ……………………………………………………… 19
III. KESIMPULAN …………………………………………….. 20
DAFTAR PUSTAKA ……………………………………………… 22
MAKALAH
SIKLUS PENDAPATAN
Makalah ini di ajukan untuk Memenihi Salah Satu Jawban UAS
Mata Pelajaran Sistem Basis Data (SBD
Disusun oleh :
Asep muharam (0606012)
JURUSAN TEKNIK INFORMATIKA
SEKOLAH TINGGI TEKNOLOGI GARUT (STTG)
2009
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, yang telah melimpahkan rahmat dan kekuatan sehingga penulis dapat menyelesaikan makalah ini. Penyusunan makalah ini dimaksudkan untuk memenuhi sebagian dari tugas sistem informasi akuntansi.
Penulis menyadari bahwa makalah ini masih jauh dari sempurna terutama karena keterbatasan kemampuan penulis. Segenap kemampuan telah penulis curahkan untuk dapat menyelesaikan makalah ini. Namun demikian penulis menyadari bahwa masih banyak terdapat kekurangan dalam penyusunan makalah ini. Oleh karena itu, penulis mengharapkan kritik dan saran dari para pembaca agar pada masa yang akan datang penulis dapat memperbaikinya.
Penulis berharap bantuan yang telah diberikan kepada penulis mendapat imbalan yang setimpal dari Tuhan Yang Maha Esa, dan akhirnya penulis mengharapkan mudah-mudahan skripsi ini bermanfaat bagi para pembaca.
Garut, Januari 2009
Penulis
PENDAHULUAN
SIKLUS PENDAPATAN
I. PENDAHULUAN
Pada umumnya perusahaan dagang didirikan untuk mendapatkan keuntungan yang sebesar-besarnya. Guna mendapatkan keuntungan tersebut perusahaan perlu melakukan siklus pendapatan yang terdiri dari pesanan penjualan, pengiriman barang, penagihan dan piutang usaha, serta penagihan kas.
Siklus pendapatan adalah rangkaian aktivitas bisnis dan kegiatan pemrosesan informasi terkait yang terus berulang dengan menyediakan barang dan jasa ke para pelanggan dan menagih kas sebagai pembayaran dari penjualan-penjualan tersebut.
Integritas data merupakan suatu hal yang sangat penting dalam Relational Database Management System (RDBMS). Data disimpan dalam bentuk tabel dimana antara satu tabel dengan tabel yang lain dapat saling berhubungan. Dalam DBMS MySOL, integritas data belum sepenuhnya dapat dipelihara. Hal ini cukup berbeda dibandingkan DBMS lain seperti PostgreSQL dan Oracle yang mempunyai feature untuk memelihara integritas referensial data.
I.I TUJUAN
Tujuan utama siklus pendapatan adalah untuk menyediakan produk yang tepat ditempat dan waktu yang tepat dengan harga yang sesuai. Guna mencapai tujuan tersebut, pihak manajemen harus membuat beberapa keputusan penting berikut ini :
1. Sejauh apakah produk dapat dan harus disesuaikan dengan tiap kebutuhan dan keinginan pelanggan?
2. Seberapa banyak persediaan yang harus dimiliki, dan di manakah persediaan tersebut ditempatkan?
3. Bagaimana seharusnya barang dagangan dikirim kepada pelanggan? Haruskah perusahaan melakukan fungsi pengiriman sendiri atau menggunakan pihak ketiga yang mengkhususkan diri dalam pengiriman?
4. Berapakah harga optimal untuk setiap produk atau jasa?
5. Haruskah kreditnya ditawarkan kepada pelanggan?
6. Berapa banyak kredit yang seharusnya diberikan ke tiap pelanggan?
7. Apa syarat-syarat kredit yang seharusnya diberikan?
8. Bagaimana pembayaran pelanggan dapat diproses untuk memaksimalkan arus kas?
BAB II
PEMBAHASAN
1. Proses Modelling
1.1. DFD
1. Entri Pesanan Penjualan
Siklus pendapatan dimulai dengan penerimaan pesanan dari para pelanggan. Departeman bagian pesanan penjualan, yang bertanggung jawab pada wakil direktur utama bagian pemasaran, melakukan proses entri pesanan penjualan. Gambar menunjukkan bahwa proses entri pesanan penjualan mencakup tiga tahap: mengambil pesanan dari pelanggan, memeriksa dan menyetujui kredit pelanggan, serta memeriksa ketersediaan persediaan dan juga menjawab permintaan pelanggan.
A. AKTIVITAS BISNIS SIKLUS PENDAPATAN
Gambar menunjukkan empat aktivitas dasar bisnis yang dilakukan dalam siklus pendapatan
a. Mengambil pesanan pelanggan
Pesanan pelanggan dapat diterima dalam berbagai cara: di toko, melalui surat, melalui telepon, melalui web site, atau melalui tenaga penjualan di lapangan. Salah satu cara untuk meningkatkan efisiensi entri pesanan penjualan adalah dengan mengizinkan para pelanggan untuk memasuki data pesanan penjualan sendiri. Hal ini secara otomatis akan tercapai untuk penjualan melalui web site, tetapi hal ini juga dapat dicapai baik dalam penjualan melalui toko maupun surat.
Web site menyediakan cara lain untuk mengotomatisasikan pengentrian pesanan penjualan. Kegunaannya tidak hanya untuk mengurangi biaya yang berkaitan dengan pengambilan pesanan pelanggan, tetapi juga memeberikan peluang untuk meningkatkan penjualan dengan memungkinkan pelanggan untuk mendesain produk mereka sendiri. Sistem entri pesanan penjualan interaktif semacam ini disebut sebagai
Saat ini juga terdapat cara lain untuk meningkatkan proses entri pesanan penjualan melibatkan penggunaaan Electronic Data Interchange (EDI) untuk berhubungan secara langsung dengan pelanggan. Dengan menggunakan EDI, toko-toko ritel akan mengirim pesanan mereka langsung ke sistem pesanan penjualan AOE dalam sebuah format yang akan menghilangkan kebutuhan atas entri data.
Bagaimanapun data pesanan pelanggan diterima pada awalnya, merupakan hal yang penting bahwa semua data yang dibutuhkan untuk memproses pesanan tersebut dikumpulkan dan dicatat secara akurat. Oleh sebab itu, pemeriksaan edit berikut ini harus dilakukan untuk memastikan akurasi yang menyeluruh:
- Pemeriksaan validitas
- Uji kelengkapan
- Uji kewajaran
Sewaktu pemeriksaan ini dilakukan, data dicatat dalam dokumen pesanan penjualan. Dokumen tersebut biasanya merupakan formulir elektronik yang ditampilkan di layar monitor komputer. Seperti yang diperlihatkan dalam Gambar 11-5 pesanan penjualan berisi informasi nomor barang, jumlah, harga, dan syarat penjualan lainnya.
PESANAN PENJUALAN
Riau Computer
09223 Garut
Dijual Kepada : Hardware City Dikirim Kepada : Hardware City
35 Appliance Way 93938 Mesa. Dr Meza
Tanggal
23 januari
2009 Pesanan Pembelian
Pelanggan No :
7291 Tanggal Penjualan
JKL Intriksi Pengiriman
Kilat
Jumlah Yang di Pesan Jumlah yang di kirim Jumlah Yang di pesan Ulang No Barang Keterangan Harga per Unit Jumlah
100 100 2741 17.95 1.795,00
50 50 3315 49.95 2.497.50
CONTOH PESAN PENJUALAN
b. Persetujuan kredit
Sebagian besar penjualan antarperusahaan dilakukan secara kredit. Penjualan secara kredit harus disetujui sebelum diproses. Bagi pelanggan lama dengan catatan pembayaran yang baik, pemeriksaan kredit formal untuk setiap penjualan biasanya tidak dibutuhkan. Pada kasus semacam ini, menyetujui kredit bagi pelanggan melibatkan pemeriksaan file induk pelanggan untuk memverifikasi saldo yang ada, mengidentifikasi batas kredit pelanggan, dan memverifikasi bahwa jumlah pesanan tersebut ditambah dengan saldo rekening yang tidak melebihi batas kredit ini. Proses ini dapat diotomatisasikan dengan menggunakan pemeriksaan edit lainnya selama proses entri pesanan, yaitu pemeriksaan batas.
- Pemeriksaan batas dapat membandingkan jumlah pesanan dan saldo rekening pelanggan yang ada dengan batas kredit pelanggan tersebut. (Apabila pesanan baru tersebut tidak menyebabkan saldo rekening pelanggan melebihi batas kredit, maka pesanan tersebut diterima. Apabila pesanan yang diajukan akan menyebabkan saldo rekening pelanggan melebihi batas kredit, maka pesan e-mail akan dikirim ke manajer bagian kredit untuk memutuskan apakah pesanan tersebut disetujui atau ditolak).
Otorisasi khusus untuk menyetujui kredit digunakan bagi para pelanggan baru, ketika sebuah pesanan melebihi batas kredit pelanggan tersebut, atau ketika pelanggan tersebut memiliki saldo lewat jatuh tempo yang belum dibayar. Otorisasi jenis ini harus dilakukan oleh manajer bagian kredit.
c. Memeriksa ketersediaan persediaan
Langkah berikutnya adalah menetapkan apakah tersedia cukup persediaan untuk memenuhi pesanan tersebut, agar pelanggan dapat diinformasikan mengenai perkiraan tanggal pengiriman.
Apabila tersedia cukup banyak persediaan untuk memenuhi pesanan tersebut, pesanan penjualan tersebut dilengkapi dan kolom jumlah yang tersedia dalam file persediaan untuk setiap barang dikurangi sejumlah barang yang dipesan.. Apabila tidak tersedia cukup banyak persediaan di perusahaan untuk memenuhi pesanan tersebut, pemesanan ulang (back order) untuk barang-barang tersebut harus dibuat.
Ketika ketersediaan pesediaan telah dipastikan, sistem tersebut kemudian akan membuat kartu pengambilan barang (picking ticket) yang berisi daftar jenis barang-barang, dan jumlah setiap jenis barang, yang dipesan pelanggan. Kartu pengambilan memberikan otorisasi bagi bagian pengawasan persediaan untuk melepaskan barang dagangan ke bagian pengiriman.
Guna lebih meningkatkan efisiensi, kartu pengambilan barang sering kali mendaftar barang dalam urutan tempat mereka disimpan dalam gudang daripada dalam bentuk pesanan yang didaftar dalam pesanan penjualan.
d. Menjawab permintaan pelanggan
Pelayanan pelanggan adalah hal yang begitu penting hingga perusahaan-perusahaan mengunakan software khusus, yang disebut sistem manajemen pelayanan pelanggan (Customer Relationship Management-CRM), untuk mendukung proses penting ini. Sistem CRM membantu mengatur data terinci mengenai para pelanggan hingga data tersebut dapat digunakan untuk memfasilitasi layanan yang lebih efisien serta personal.
Tujuan dari CRM adalah untuk mempertahankan pelanggan. Sistem CRM seharusnya dilihat sebagai suatu cara untuk meningkatkan pelayanan pelanggan yang diberikan. Tujuannya adalah untuk mengubah pelanggan yang loyal menjadi pelanggan yang puas dengan cara memperdalam hubungan tersebut.
Akan tetapi, banyak permintaan pelanggan merupakan hal yang bersifat rutin. Sebagai konsekuensinya, perusahaan dapat dan harus menggunakan TI untuk mengotomatisasikan jawaban atas permintaan yang umum, seperti pertanyaan mengenai saldo rekening dan status pesanan, agar pegawai bagian pesanan penjualan dan pelayanan pelanggan dapat memusatkan waktu dan tenaga mereka untuk menangani permintaan yang lebih rumit dan tidak biasa. Contohnya, web site memberikan alternatif yang efektif (frequently asked question-FAQs). Web site yang sulit digunakan dapat benar-benar mempersulit penjualan karena membuat frustasi pelanggan dan menciptakan rasa tidak senang. Sebaliknya, Web site yang di desain dengan baik dapat memberikan pandangan ke dalam yang dapat mengarah pada peningkatan penjualan.
2. Pengiriman
Aktivitas dasar kedua dalam siklus pendapatan adalah memenuhi pesanan pelanggan dan mengirimkan barang dagangan yang diinginkan tersebut.
Proses ini terdiri dari dua tahap:
1. Mengambil dan mengepak pesanan
2. Mengirim pesanan tersebut
Departemen bagian penggudangan dan pengiriman melakukan aktivitas ini.
a. Ambil dan pak pesanan
Kartu pengambilan barang yang dicetak sesuai dengan entri pesanan penjualan akan memicu proses pengambilan dan pengepakan. Para pekerja bagian gudang menggunakan kartu pengambilan barang untuk mengidentifikasi produk mana, dan jumlah setiap produk untuk mengeluarkannya dari persediaan. Persediaan kemudian akan dipindahkan ke departemen pengiriman.
Sistem gudang otomatis tidak hanya memotong biaya dan meningkatkan efisiensi dalam menangani persediaan, tetapi juga memungkinkan pengiriman yang lebih responsif ke pelanggan.
b. Kirim pesanan
Departemen pengiriman membandingkan perhitungan fisik persediaan dengan jumlah yang ditunjukkan dalam kartu pengambilan barang dan dengan jumlah yang ditunjukkan dalam salinan pesanan penjualan yang dikirim secara langsung ke bagian pengiriman dari entri pesanan penjualan.
Dokumen pengiriman adalah kontrak legal yang menyebutkan tanggung jawab atas barang yang dikirim. Departemen pengiriman menyimpan salinan kedua dokumen pengiriman untuk melacak dan mengkonfirmasikan pengiriman barang ke kurir tersebut. Salinan lainnya dari dokumen pengiriman dan slip pengepakan dikirim ke departemen penagihan untuk menunjukkan bahwa barang tersebut telah dikirim dan faktur penjualan harus dibuat serta dikirim. Kurir tersebut juga menahan satu salinan dokumen pengiriman untuk catatan mereka.
Keputusan penting lainnya berkaitan dengan pusat-pusat distribusi. Semakin banyak perusahaan yang meminta para pemasok dan pabrik untuk mengirimkan berbagai produk hanya jika dibutuhkan. Akibatnya, para pemasok dan pabrik harus menggunakan software sistem logistik untuk mengidentifikasi lokasi optimal menyimpan persediaan agar dapat meminimalkan jumlah total persediaan yang dimiliki serta memenuhi setiap permintaan pengiriman pelanggan.
Globalisasi menambah kerumitan logistik outbound. Efisiensi dan efektivitas metode distribusi yang berbeda, seperti menggunakan truk atau kereta, berbeda di seluruh dunia. Pajak dan peraturan di berbagai negara dapat juga mempengaruhi pilihan atas distribusi.
Sistem komunikasi canggih dapat memberikan informasi secara real-time mengenai status pengiriman, dan oleh karenanya memberikan nilai tambah bagi para pelanggan. Contohnya, apabila penjual mengetahui bahwa suatu pengiriman akan terlambat, pemberitahuan awal dapat membantu pelanggan merevisi rencana-rencana mereka sesuai kondisi tersebut.
3. Penagihan dan Piutang Usaha
Pesanan Slip
Penjualan Pengepakan
Dokumen Pengiriman
Faktur
Penjualan Penjualan
Pelanggan Penjualan
Laporan Bulanan
Daftar
Pengiriman
Uang
a. Penagihan
Penagihan yang akurat dan tepat waktu atas barang dagangan yang dikirimkan adalah hal yang penting. Aktivitas penagihan hanyalah aktivitas pemrosesan informasi yang mengemas ulang serta meringkas informasi dari entri pesanan penjualan dan aktivitas pengiriman. Aktivitas ini membutuhkan informasi dari departemen pengiriman yang mengidentifikasikan barang dan jumlah yang dikirimkan, serta informasi mengenai harga dan syarat khusus penjualan lainnya dari departemen penjualan.
Dokumen dasar yang dibuat dalam proses penagihan adalah faktur penjualan, yang memberitahukan pelanggan mengenai jumlah yang harus dibayar dan ke mana harus mengirimkan pembayaran.
Teknologi informasi memberikan peluang untuk mengurangi biaya yang berhubungan dengan penagihan. Mengirimkan faktur ke perusahaan melalui EDI ( electronic data interchange ) lebih cepat dan lebih murah daripada mengirimkan dokumen kertas. Bisnis yang menjual langsung ke pemakai bisa memperoleh keuntungan yang serupa dengan meyakinkan para pelanggan mereka untuk menandatangani penagihan dan pembayaran on – line dengan menggunakan internet. Faktur EDI dan pembayaran on – line juga menguntungkan pelanggan dengan mengurangi waktu dan biaya yang berhubungan dengan pemrosesan dokumen kertas.
b. Pemeliharaan data piutang usaha
Fungsi piutang usaha, yang bertanggung jawab kepada controller, melakukan dua tugas dasar : Menggunakan informasi dalam faktur penjualan untuk mendebit rekening pelanggan dan karenanya mengkredit rekening tersebut ketika pembayaran diterima.
Dua cara dasar untuk memelihara data piutang usaha adalah sebagai berikut :
1) Metode faktur terbuka
Para pelanggan biasanya membayar sesuai jumlah setiap faktur penjualan. Biasanya dua salinan faktur dikirimkan ke para pelanggan yang diminta untuk mengembalikan satu salinan bersama pembayaran. Salinan ini adalah dokumen yang dapat dikirimkan kembali ( turnaround document ) dan disebut sebagai pemberitahuan pengiriman uang ( remittance advice ). Pembayaran dari para pelanggan kemudian dihubungkan dengan faktur penjualan terkait.
Keuntungan :
• Metode ini kondusif dalam menawarkan diskon untuk pembayaran awal, karena faktur akan secara individual ditelusuri dan dihitung umurnya.
• Metode ini juga menghasilkan pola arus penagihan kas yang seragam di sepanjang bulan.
Kelemahan :
Metode ini menambahkan kerumitan yang harus dilakukan untuk mrmelihara informasi mengenai status setiap faktur untuk setiap pelanggan.
2) Metode pembayaran gabungan
Para pelanggan biasanya membayar sesuai dengan jumlah yang diperlihatkan pada laporan bulanan, bukan membayar setiap jumlah pada faktur penjualan. Sebuah laporan bulanan yang berisi semua transaksi, termasuk penjualan dan pembayran, yang terjadi selama bulan terakhir dan juga informasi tentang saldo piutang terakhir pelanggan.
Keuntungan :
• Metode ini lebih efisien dan mengurangi biaya dengan menghindari kebutuhan untuk memproses penagihan kas untuk setiap penjualan terpisah
• Pelanggan akan merasa lebih nyaman karena melakukan pengiriman uang hanya satu kali dalam sebulan.
c. Pengecualian : penyesuaian rekening dan penghapusan
Penyesuaian rekening pelanggan kadang kala diperlukan. Contohnya, rekening pelanggang dapat dikreditkan untuk mencerminkan baik pengembalian barang atau potongan yang diberikan atas barang yang rusak. Guna mengkredit rekening pelanggan karena pengembalian barang, manajer bagian kredit harus mendapatkan informasi dari bagian penerimaan barang bahwa barang tersebut benar – benar dikembalikan, serta telah disimpan kembali di gudang.
Dengan adanya pemberitahuan dari departemen penerimaan bahwa barang tersebut telah dikembaliakn, maka manajer kredit akan mengeluarkan nota kredit. Apabila kerusakan barang tersebut sedikit, pelanggan mungkin setuju untuk menerimanya dengan pengurangan harga.
Setelah beberapa kali usaha untuk menagih pembayaran telah gagal, mungkin perlu dilakukan penghapusan rekening pelanggan.
4. Penagihan Kas
Langkah terakhir dalam siklus pendapatan adalah penagihan kas. Kasir, orang yang melapor pada bendahara, menagani kiriman uang pelanggan dan menyimpannya di bank.
Oleh karena kas dan cek dari pelanggan dapat dicuri dengan mudah, adalah hal yang penting untuk mengambil langkah – langkah memadai agar menurunkan resiko pencurian. Hal ini berarti fungsi piutang usaha, yang bertanggung jawab atas pencatatan kiriman uang pelanggan, seharusnya tidak memiliki akses fisik ke kas atau cek. Akan tetapi, fungsi piutang usaha harus mampu mengidentifikasi sumber kiriman uang dari mana pun dan faktur penjualan terkait harus di kredit. Salah satu solusinya adalah dengan mengirimkan dua salinan faktur ke pelanggan dan memintanya untuk mengembalikan salah satu salinan tersebut bersama dengan pembayarannya. Pemberitahuan pengiriman uang ini kemudian disirkulasikan ke bagian piutang usaha dan pembayran yang sesungguhnya dari pelanggan dikirim ke kasir. Apabila pemberitahuan pengiriman uang juga berisi bagian untukn pelanggan yang menunjukan jumlah yang dikirim, mesin OCR ( optical character recognition ) dapat memindai data kiriman tersebut, hingga mengurangi potensi kesalahan selama entri data.
Solusi alternatifnya adalh dengan meminta petugas bagian surat – menyurat untuk mempersiapkan daftar pengiriman uang ( remittance list ), yaitu dengan dokumen yang mengidentifikasi nama dan jumlah semua kiriman uang pelanggan, serta mengirimkan daftar ini ke bagian piutang usaha. Cara lainnya untuk menjaga kiriman uang dari pelanggan adalah dengan membuat perjanjian lockbox dengan sebuah bank. Lockbox adalah alamat pos yang dituju oleh pelanggan ketika mereka mengirimkan uang mereka. Bank yang terlibat mengambil cek dari kotak pos dan menyimpannnya ke dalam rekening milik perusahaan. Bank tersebut kemudian mengirimkan pemberitahuan pengiriman uang, sebuah daftar elektonis semua kiriman uang, dan foto kopi semua cek ke perusahaan.
Penggunaan lockbox tidak hanya mencegah pencurian kiriman uang dari pelanggan oleh pegawai, tetapi juga meningkatkan manajemen arus kas. Teknologi informasi dapat memberikan efisiensi tambahan dengan penggunaan locbox. Di bawah kesepakatan electronic locbox, bank secara elektronis mengirimkan informasi pada perusahaan mengenai nomor rekening pelanggan dan jumlah yang dikirim begitu bank menerima dan memindai cek – cek tersebut. Metode ini memungkinkan perusahaan untuk mengakui kiriman uang rekening pelanggan sebelum foto kopui cek diterima perusahaan.
B. PROSEDUR PEMROSESAN INFORMASI
Sistem pemrosesan pesanan penjualan on – line menangani pesanan pelanggan, melalui internet, dan juga pesanan melalui tenaga penjual. Dengan menggunakan laptop mereka, tenaga penjual dapat memasukan pesanan secara langsung dalam field, atau departemen penjualan dapat memasukan pesanan pelanggan yang diterima melalui telepon atau surat.
Bagaimana pun cara pesanan pada awalnya diterima, system tersebut dengan cepat akian memverifikasi dapat tidaknya pelanggan diberikan kredit, memeriksa ketersediaan persediaan, dan memberitahukan departemen penggudangan dan pengiriman mengenai penjualan yang telah disetujui tersebut.
Perbaikan utama mengenai siklus pendapatan pada AOE :
1) Entri pesanan secara real – time mendeteksi kesalahan
2) Keputusan persetujuan kredit dapat dibuat pada waktu pelanggan menyerahkan pesanannya.
3) Catatan persediaan lebih akurat dan tepat waktu
4) Departemen penggudangan dan pengiriman dapat merencanakan berbagai aktivitas dengan lebih baik untuk meminimalkan waktu yang dibutuhkan dalam memenuhi peasanan pelanggan.
5) Sistem tersebut membandingkan data yang dimasukkan oleh bagian pengiriman dengan yang berada di file pesanan penjualan.
6) Penerimaan kas diproses dengan lebih cepat, hingga meningkatkan arus kas.
7) Laporan dan ukuran kinerja lebih tepat waktu, hingga meningkatkan kemampuan pihak manajemen untuk mengawasi dan memperbaiki efisiensi dan efektivitas.
Untuk mewujudkan manfaat – manfaat ini dibutuhkan pengendalian yang memadai untuk memastikan bahwa informasi dalam system tersedian, akurat, aman, dan dapat dipelihara.
C. PENGENDALIAN : TUJUAN, ANCAMAN, DAN PROSEDUR
Dalam siklus pendapatan, sistem informasi yang baik harus menyediakan pengendalian yang memadai untuk untuk memastikan tujuan-tujuan telah tercapai, antara lain :
1. Semua transaksi telah diotorisasi dengan benar
2. Semua transaksi yang dicatat valid/benar terjadi
3. Semua transaski telah dicatat dengan akurat
4. Aset perusahaan dijaga dari kehilangan atau pencurian
5. Aktivitas bisnis dilaksanakan secara efisien dan efektif
Dalam pembahasan ini, siklus pendapatan terbagi menjadi empat tahap, antara lain :
1. Entri pesanan penjualan
2. Pengiriman
3. Penagihan dan piutang usaha
4. Penagihan kas
TAHAP 1 : ENTRI PESANAN PENJUALAN
Tujuan utama proses entri pesanan penjualan adalah :
1. Memproses pesanan pelanggan secara akurat dan efisien.
2. Memastikan perusahaan akan dibayar untuk semua penjualan secara kredit.
3. Memastikan semua penjualan sah, serta meminimalkan kerugian atau hilangnya pendapatan.
Ancaman/kendala dan pengendalian dalam tahap entri pesanan penjualan, antara lain :
1. Pesanan pelanggan tidak lengkap/akurat
Akibat :
• Menimbulkan inefisiensi dalam hal waktu dan biaya, karena harus menghubungi kembali pelanggan.
• Selain itu dapat mempengaruhi persepsi pelanggan dan berpengaruh buruk terhadap penjualan di masa mendatang.
Pengendalian :
• Pemeriksaan kelengkapan data dengan lebih teliti.
• Menyimpan data referensi pelanggan seperti alamat, no.telepon, kontak person, dll.
2. Penjualan kredit ke pelanggan yang memiliki catatan/kriteria kredit buruk
Akibat :
• Kurangnya pengawasan terhadap penjualan kredit menyebabkan saldo piutang pelanggan melebihi batas kredit yang disetujui.
• Hal diatas bisa menyebabkan melakukan penjualan kredit yang kemudian menjadi tidak tertagih.
Pengendalian :
• Menetapkan batas kredit kepada setiap pelanggan
• Persetujuan kredit diberikan oleh seseorang yang memiliki otorisasi yang bukan merupakan sales representatif.
• Memelihara catatan yang akurat dan terbaru mengenai saldo rekening pelanggan dan batas kredit.
3. Keabsahan pesanan
Keabsahan pesanan pelanggan biasanya didapat melalui penerimaan pesanan yang telah ditandatangani oleh pelanggan. Bersama peningkatan transaksi bisnis secara elektronis, penggunaan tanda tangan elektronis disyaratkan untuk memverifikasi indentitas setiap pihak.
4. Kehabisan persediaan, biaya gudang dan pengurangan harga
Akibat :
• Penjualan akan hilang karena kehabisan persediaan.
• Sedangkan persediaan berlebih akan meningkatkan biaya gudang, bahkan memerlukan pengurangan harga yang signifikan.
Pengendalian :
• Perusahaan membuat sistem pengendalian yang akurat.
• Memfasilitasi penggunaan metode persediaan perpetual.
• Perhitungan fisik persediaan secara periodik
• Mengawasi kinerja pemasok seperti tingkat pengiriman yang tepat waktu.
TAHAP II : PENGIRIMAN
Tujuan utama fungsi pengiriman adalah untuk memenuhi pesanan pelanggan secara efisien dan akurat serta untuk menjaga persediaan yang baik guna mendukung penjualan.
Ancaman/kendala dan pengendalian dalam tahap pengiriman, antara lain :
1. Kesalahan pengiriman
Akibat :
• Kesalahan pengiriman dapat mengurangi kepuasan pelanggan dan juga penjualan selanjutnya di masa mendatang.
• Selain itu juga menyebabkan hilangnya aset apabila pelanggan tidak membayar atas barang yang salah kirim.
Pengendalian :
• Kesalahan tersebut dapat dicegah dengan mendeteksi yaitu membandingkan data pengiriman dengan pesanan penjualan.
• Selain itu penggunaan pengendalian aplikasi seperti pemeriksaan lapangan dan uji kelengkapan.
• Memverifikasi antara slip pengepakan dengan dokumen pengiriman yang telah dicetak.
2. Pencurian persediaan
Akibat :
• Hilangnya persediaan karena pencurian merupakan suatu kerugian yang besar bagi perusahaan.
• Selain itu catatan persediaan menjadi tidak akurat, yang menyebabkan masalah dalam memenuhi pesanan pelanggan.
Pengendalian :
• Persediaan disimpan dalam lokasi yang aman dengan pembatasan akses secara fisik.
• Transfer persediaan harus didokumentasikan dengan akurat, selain itu persediaan harus direkonsiliasi secara periodik.
• Pegawa bagian persediaan juga harus diberikan tanggung jawab atas penyimpanan persediaan terhadap kekurangan apapun.
TAHAP III : PENAGIHAN DAN PIUTANG USAHA
Tujuan utama fungsi penagihan dan piutang usaha adalah untuk memastikan bahwa para pelanggan ditagih untuk semua penjualan, faktur telah akurat dan catatan piutang pelanggan dicatat secara akurat.
Ancaman/kendala dan pengendalian dalam tahap penagihan dan piutang usaha, antara lain :
1. Kegagalan untuk menagih pelanggan
Akibat :
1. Kegagalan menagih pelanggan mengakibatkan kerugian aset dan kesalahan dalam data penjualan, persediaan, piutang usaha.
2. Selain itu perkiraan piutang tidak tertagih menjadi besar.
Pengendalian :
1. Pemisahan fungsi pengiriman dan penagihan.
2. Dokumen penjualan hendaknya diberi nomor secara berurutan.
2. Kesalahan dalam penagihan
Akibat :
1. Kelebihan penagihan menyebabkan ketidakpuasan pelanggan.
2. Kekurangan penagihan mengakibatkan kerugian perusahaan.
Pengendalian :
1. Menyimpan data penjualan dan data piutang dengan benar dan tepat serta aman.
2. Rekonsiliasi antara pesanan penjualan dengan slip pengiriman sebelum penagihan ke pelanggan.
TAHAP IV : PENAGIHAN KAS
Tujuan utama dari fungsi penagihan kas adalah untuk menjaga kiriman uang pelanggan dan juga terhadap pencurian kas. Prosedur pengendalian yang efektif adalah pegawai yang memiliki akses secara fisik ke kas harus tidak memiliki tanggung jawab untuk mencatat transaksi apapun yang melibatkan penerimaan kas.
Secara khusus pasangan tugas berikut harus dipisahkan :
1. Menangani kas atau cek serta memasukkan data pembayaran
Seseorang yang melakukan kedua tugas ini dapat melakukan jenis penggelapan khusus yang disebut gali lubang tutup lubang/lapping.
2. Menangani kas atau cek dan mengotorisasi nota kredit
Seseorang yang melakukan tugas ini dapat menutupi pencurian kas dengan cara membuat nota kredit yang sama dengan jumlah yang telah dicuri.
3. Membuat nota kredit dan memelihara rekening pelanggan
Seseorang yang melakukan kedua tugas ini dapat menghapus jumlah tidak tertagih yang merupakan hutang dari teman-temannya.
Pengendalian lain untuk tahap penagihan kas adalah :
1. Semua kiriman uang pelanggan harus harus disimpan secara utuh dan disetor ke bank setiap hari.
2. Penyetoran kas dan cek ke bank setiap hari mengurangi resiko untuk dicuri atau digelapkan.
3. Pegawai yang merekonsiliasi laporan bank harus independen dari semua aktivitas yang melibatkan penanganan atau pencatatan penerimaan kas.
4.
MASALAH UMUM PENGENDALIAN
Tujuan umum yang berhubungan dengan semua aktivitas dalam siklus pendapatan adalah bahwa data tersedia ketika dibutuhkan dan bahwa semua aktivitas dilakukan secara efisien dan efektif.
1. Kehilangan data
Akibat :
• Kehilangan semua data piutang usaha dapat mengancam kelangsungan hidup perusahaan.
• Selain itu membocorkan rahasia pelanggan ke pesaing dapat menurunkan penjualan dan bahkan membuat perusahaan menghadapi tanggung jawab hukum.
Pengendalian :
• File induk piutang usaha, penjualan, penerimaan kas dibuat cadangan secara teratur.
• Disk dan Tape diberi label file agar tidak terhapus secara tidak sengaja
• Sistem harus diberi password dan ID pemakai untuk melindungi file yang penting.
2. Kinerja yang kurang baik
Akibat :
• Pelaksanaan tugas menjadi tidak efisien dan tidak efektif.
• Hal yang lain adalah dapat mempengaruhi kepuasan pelanggan.
Pengendalian :
• Menetapkan dasar / standar penilaian terhadap efisiensi dan efektifitas.
• Membuat laporan secara periodik untuk penilaian dan analisis terhadap sistem kerja dan kinerja karyawan.
D. KASUS INTEGRATIF : RIAU COMPUTER
Riau Computer memproduksi berbagai produk elektronik sehari-hari, termasuk kalkulator, jam digital, radio, pager, mainan, game, dan peralatan dapur kecil. Linda Spurgeon, direktur utama Riau Computer, mengadakan rapat dengan para eksekutif perusahaan untuk mendiskusikan dua masalah penting. Pertama, Riau Computer telah mengalami penyusutan pangsa pasar selama tiga tahun terakhir. Kedua, masalah arus kas telah meningkatkan desakan untuk melakukan pinjaman jangka pendek.
Daftar umur piutang usaha yang terbaru menunjukan peningkatan yang signifikan atas jumlah piutang pelanggan yang jatuh tempo. Akibatnya, Riau Computer harus menambah pinjaman jangka pendeknya karena penundaan dalam penagihan pembayaran pelanggan. Selain itu, Best Value Company, jaringan ritel yang selama ini menjadi salah satu pelanggan utama Riau Computer, baru-baru ini bangkrut. Elizabeth mengakui bahwa ia tidak yakin apakah Riau Computer akan dapat menagih dari Best Value sejumlah piutang yang telah jatuh tempo. Linda merasa frustasi dengan kurangnya informasi rinci mengenai kedua masalah tersebut.
Secara khusus, Linda meminta Elizabeth, Trevor, dan Ann untuk menangani masalah-masalah berikut ini :
1. Bagaimana Riau Computer dapat meningkatkan pelayanan kepada pelanggan? Informasi apakah yang dibutuhkan bagian pemasaran untuk melaksanakan tugasnya dengan lebih baik?
2. Bagaimana Riau Computer dapat mengidentifikasi para pelanggan dan pasarnya yang paling menguntungkan?
3. Bagaimana Riau Computer dapat meningkatkan pengawasan atas rekening kreditnya? Bagaimana suatu perubahan dalam kebijakan kredit mempengaruhi baik penjualan maupun piutang tidak tertagih?
4. Bagaimana Riau Computer dapat meningkatkan prosedur penagihan kasnya?
III. KESIMPULAN
Keempat aktivitas dasar dalam siklus pendapatan adalah entri pesanan penjualan, pengiriman, penagihan dan piutang usaha, serta penagihan kas. SIA harus didesain untuk memaksimalkan efisiensi dimana setiap fungsi ini dilakukan. SIA juga harus memsukkan prosedur pengendalian internal yang memadai untuk menurunkan ancaman seperti penjualan yang tidak tertagih, kesalahan dalam penagihan, serta hilangnya atau penyalahgunaan persediaan dan kas.
Pada rapat tingkat eksekutif berikutnya, Elizabeth meringkas proposal yang dikembangkan oleh dirinya, Trevor, dan Ann untuk memberikan informasi yang dibutuhkan agar dapat mengelola secara lebih baik hubungan dengan pelanggan dan arus kas. Beberapa dari rekomendasi tersebut adalah sebagai berikut :
1. Melengkapi tenaga penjualan dengan komputer laptop sentuh. Trevor Whitman, wakil direktur utama bagian pemasaran, yakin bahwa Riau Computer masih akan membutuhkan pegawai bagian penjualannya untuk mengunjungi para pelanggan, agar dapat mengidentifikasi produk tambahan mana yang dapat menguntungkan jika dipertahankan.
2. Meningkatkan efisiensi proses penagihan dengan meningkatkan jumlah pelanggan yang setuju untuk berpartisipasi dalam hubungan penjualan tanpa faktur, jika memungkinkan, melalui EDI (Electronic Data Interchange) untuk mengirimkan faktur-faktur ke para pelanggan tersebut yang masih membutuhkannya.
3. Dalam usaha untuk memperbaiki layanan pelanggan, bekerja sama dengan para pelanggan utama untuk mendapatkan akses ke data POS (Point of Sale) mereka agar Riau Computer dapat membantu mereka untuk mengelola dengan lebih baik persediaan produk mereka.
4. Secara periodik survei para pelanggan mengenai kepuasan mereka dengan produk-produk dan kinerja Riau Computer.
5. Perbaiki efisiensi penagihan kas dengan mendorong para pelanggan yang memiliki kemampuan EDI untuk berpindah ke FEDI (Financial Electronic Data Interchange) agar Riau Computer menerima baik dana maupun data kiriman uangnya secara bersamaan.
6. Melakukan follow up ke konsumen mengenai tagihan yang akan jatuh tempo, data tagihan ini di dukung oleh sistem akuntansi.
7. Melakukan konfirmasi piutang.
DAFTAR PUSTAKA
Marshall B. Romney dan Paul John Steinbart, 2005. Sistem Informasi Akuntansi. Edisi Kesembilan. Jakarta : Salemba Empat.
DAFTAR ISI
KATA PENGANTAR ……………………………………………… i
DAFTAR ISI ……………………………………………………… ii
I. PENDAHULUAN ……………………………………………… 1
II. PEMBAHASAN
A. AktivitasBisnis Siklus Pendapatan ……..….………………… 2
1. Entri Pesanan Penjualan …….………………………. 2
2. Pengiriman ……………………………………………. 7
3. Penagihan dan Piutang Usaha ………………………… 10
4. Penagihan Kas …………………………………………. 12
B. Prosedur Pemrosesan Informasi …….……………………….. 13
C. Pengendalian : Tujuan, Ancaman, dan Prosedur ……………… 14
D. Kasus ……………………………………………………… 19
III. KESIMPULAN …………………………………………….. 20
DAFTAR PUSTAKA ……………………………………………… 22
MAKALAH
SIKLUS PENDAPATAN
Makalah ini di ajukan untuk Memenihi Salah Satu Jawban UAS
Mata Pelajaran Sistem Basis Data (SBD
Disusun oleh :
Asep muharam (0606012)
JURUSAN TEKNIK INFORMATIKA
SEKOLAH TINGGI TEKNOLOGI GARUT (STTG)
2009
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, yang telah melimpahkan rahmat dan kekuatan sehingga penulis dapat menyelesaikan makalah ini. Penyusunan makalah ini dimaksudkan untuk memenuhi sebagian dari tugas sistem informasi akuntansi.
Penulis menyadari bahwa makalah ini masih jauh dari sempurna terutama karena keterbatasan kemampuan penulis. Segenap kemampuan telah penulis curahkan untuk dapat menyelesaikan makalah ini. Namun demikian penulis menyadari bahwa masih banyak terdapat kekurangan dalam penyusunan makalah ini. Oleh karena itu, penulis mengharapkan kritik dan saran dari para pembaca agar pada masa yang akan datang penulis dapat memperbaikinya.
Penulis berharap bantuan yang telah diberikan kepada penulis mendapat imbalan yang setimpal dari Tuhan Yang Maha Esa, dan akhirnya penulis mengharapkan mudah-mudahan skripsi ini bermanfaat bagi para pembaca.
Garut, Januari 2009
Penulis
Langganan:
Postingan (Atom)
