Upload
ngominh
View
228
Download
0
Embed Size (px)
Citation preview
Pendekatan Metode Self Organizing Maps (SOM) UntukPengelompokkan Zona Musim Kabupaten Ngawi dan
Evaluasi Ketepatan Zona Musim dengan Metode General Regression Neural Network (GRNN)
OlehAgnisa Bhakti Persada 1307 100 009
Dosen Pembimbing:Dr. Bambang Widjanarko Otok, M.Si
JURUSAN STATISTIKAFakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh NopemberSurabaya
2011
1PRESENTASI TUGAS AKHIR, 19 Januari 2011
2
HASIL EVALUASI BMKG
KINERJA BEBERAPA ZOM KURANG BAIK(TINGKAT AKURASI RENDAH) KARENA
DATA PENGAMATAN TIDAK HOMOGEN
PERGANTIAN ALAT PENGAMATAN
(INSTRUMENTASI)
PERPINDAHAN LOKASI
PENGAMATAN
BMG (2003) menggunakan metode
Complete Linkage
WIGENA (2006) menggunakan metode
Ward’s dan centroid
Alam (2010) menggunakan metode Agglomerative Hierarchical ClusteringMetode
Parametrik
Metode NON-Parametrik(SOM dan
GRNN)
LATAR BELAKANG
PRESENTASI TUGAS AKHIR, 19 Januari 2011
3
SALAH SATU
LUMBUNG
PADI JATIM
72% dari luaswilayah Kab.Ngawi
berupa sawah, hutan dan
perkebunan(Ngawikab.go.id)
NGAWI
LATAR BELAKANGTahun 2007, tingkat
produktivitas padi di
ngawi (55,02 kw/ha) lebih
tinggi dibandingkan
produktivitas jatim
(54,45kw/ha)
(Dinas pertanian pangan
jatim, 2009)
Tahun 2000 sebagai penghasil
padi terbesar ke-4 se-JATIM
(BPS, dalam angka Kab.Ngawi
2007)
Tahun 2009 sebagai
penghasil padi terbesar
ke-5 se-JATIM
(BPS, 2010)
Akibat perubahan cuaca dan banjir, sehingga menyebabkan kerusakantanaman pangan dan jadwal panen
mundur(Dinas Tanaman Pangan dan Hortikultura
Kabupaten Ngawi, 2008)
PRESENTASI TUGAS AKHIR, 19 Januari 2011
4
RUMUSAN MASALAH
1. Bagaimana pengelompokkan ZOM Kabupaten Ngawi dengan metodeComplete Linkage dan Self Organizing Maps ?
2. Bagaimana ketepatan klasifikasi ZOM yang terbentuk dengan menggunakanmetode General Regression Neural Network (GRNN) ?
1. Mengetahui hasil pengelompokan ZOM Kabupaten Ngawi dengan metodeComplete Linkage dan Self Organizing Maps (SOM).
2. Mengevaluasi ketepatan ZOM yang dihasilkan dengan menggunakanmetode General Regression Neural Network.
TUJUAN PENELITIAN
PRESENTASI TUGAS AKHIR, 19 Januari 2011
5
MANFAAT PENELITIAN
1. Manfaat dalam bidang akademik dan keilmuan.Penelitian ini diharapkan dapat dijadikan salah satu referensi untuk penelitianselanjutnya yang berkaitan dengan penerapan metode SOM dan GRNN.
2. Manfaat bagi BMKGMemberikan informasi bagi BMKG dan masyarakat Ngawi khususnya dalamdeskripsi curah hujan serta membantu BMKG dalam mendapatkan metodeterbaik untuk penentuan ZOM dengan ketepatan klasifikasi yang tinggi.
BATASAN MASALAH
Menggunakan metode Complete Linkage dan Self Organizing Maps untukpengelompokkan ZOM Kabupaten Ngawi dan metode berbasis machine learning yaitu General Regression Neural Network (GRNN) untuk melihat ketepatan klasifikasiZOM. Hasil pengelompokkan akan dimodifikasi berdasarkan peta elevasi KabupatenNgawi.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
Xnx1 = µ nx1+ lnxm F mx1 + n
6
ANALISIS FAKTOR
Metode analisis yang bertujuan untuk mendapatkan sejumlah faktor yang memiliki sifat-sifat yang mampu menerangkan semaksimal mungkinkeragaman yang ada dalam data (Dillon, 1984).
TINJAUAN PUSTAKA
Keterangan :
,
...
µi adalah nilai rata-rata pada variabel ke-i
X1, X2,..., Xn adalah variabel asal
F1, F2,..., Fm adalah faktor bersama (common factor)
lij adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j.
1 , 2 , ... n
adalah spesific faktor
PRESENTASI TUGAS AKHIR, 19 Januari 2011
7
ASUMSI ANALISIS FAKTOR
TINJAUAN PUSTAKA,
, ...
1. Uji Barltlett (Kebebasan Antar Variabel)
H0 : I H1 : I
Statiistik uji :
ln6
5212
p
nhitung
n : banyaknya pengamatan p : banyaknya variabel pengamatan : matrik korelasi
Menurut Morrison (1990), untukmenguji kebebasan antar variabel dapat dilakukan uji Bartlett dengan hipotesis sebagai berikut .
Variabel-variabel pengamatan saling independen
Variabel-variabel pengamatan saling dependen
PRESENTASI TUGAS AKHIR, 19 Januari 2011
8
ASUMSI ANALISIS FAKTOR
TINJAUAN PUSTAKA,
, ...
Hipotesis : H0: Data pengamatan layak untuk dianalisis. H1: Data pengamatan tidak layak untuk dianalisis. Daerah Penolakan : Tolak H0, jika nilai KMO < 0.5.
Dillon (1984) menetapkan : KMO sebesar 0.90 adalah sangat bagus, 0.80 bagus 0.70 cukup 0.60 kurang 0.50 buruk dan dibawah 0.50 tidak dapat diterima.
2. Uji Kecukupan Data
Kaiser Meyer Olkin (KMO) digunakan untuk mengukur kecukupan data
PRESENTASI TUGAS AKHIR, 19 Januari 2011
9
ANALISIS DISKRIMINAN
TINJAUAN PUSTAKA,
Analisis diskriminan merupakan metode statistika untuk mengelompokkan atau mengklasifikasikan sejumlah obyek kedalam beberapa kelompok berdasarkan bebe-rapa variabel (Johnson danWichern, 1992).
Yi = pj2j21j1 X ......X X p
Dimana : Yi = nilai diskriminan ke-i, i = 1, 2, …, k-1 k = jumlah kelompok
PRESENTASI TUGAS AKHIR, 19 Januari 2011
10
Analisis Cluster hierarkhi
TINJAUAN PUSTAKA,
1. Jarak Euclidius Johnson et al. (1992) mengemukakan bahwa jarak euclidius
berawal dari jarak antara dua objek.
2
1
1
2 ))((),(
p
i
sirisr xxxxd
Definisi Clustering adalah metode mengelompokkan objek berbeda ke dalam grup-grup berdasarkan aturan kesamaan (similarity) atau ketidaksamaan dan jarak antar objek den-gan homogenitas antara objek dalam satu grup adalah maksimal, dan minimal jika sebalik-nya.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
11
Analisis Cluster hierarkhi
TINJAUAN PUSTAKA,
2. Pautan Lengkap (Complete Linkage/Farthest Neighbor) Pada Complete Linkage jarak antara dua cluster ditentukan
oleh jarak terjauh antara dua objek dalam cluster yang berbeda (Johnson et al, 1992).
dk(i,j) = maks (dki,dkj)
Besaran-besaran dki dan dkj berturut-turut adalah jarak antara tetangga terdekat kelompok-kelompok k dan i dan juga kelompok-kelompok k dan j
PRESENTASI TUGAS AKHIR, 19 Januari 2011
12
TINJAUAN PUSTAKA,
Self Organizing Maps (SOM)
Self Organizing Maps (SOM) merupakan salah satu model Jaringan Syaraf Tiruan yang menggunakan metode unsupervised learning, artinya jaringan tersebut melakukan pembelajaran tanpa panduan data input dan model dibuat dan diatur sesuai data input (Otok, 2010). Penentuan cluster terdekat dengan menggunakan persamaaan:
jici wxwx min ji wxc minargatau
Keterangan : xi adalah data input wj adalah adalah bobot input ke-j c adalah cluster
PRESENTASI TUGAS AKHIR, 19 Januari 2011
13
TINJAUAN PUSTAKA,
Pada Iterasi SOM dilakukan update pada setiap titik data yang dimasukkan dengan menggunakan rumus
)()()()()1( twxthttwtw jiijjj
)(2exp)(
2
2
t
xxth
ji
ij
Fungsi Gaussian
Indeks Validitas Penentuan cluster dapat dilakukan dengan menghitung indeks validitas, salah satu validitas yang digunakan adalah Root Mean Square Standard Deviation (RMSSD) (Pus-powati, 2009).
2
1
1 1
2
1
)(
n
xx
RMSSD
m
i
n
k
ik
PRESENTASI TUGAS AKHIR, 19 Januari 2011
14
Arsitektur Self Organizing Maps
TINJAUAN PUSTAKA,
Jaringan ini terdiri dari dua lapisan (layer), yaitu lapisan input dan lapisan
output. Setiap neuron dalam lapisan output merepresentasikan kelas (cluster) dari
input yang diberikan.
Sumber : Sebayang, 2009
PRESENTASI TUGAS AKHIR, 19 Januari 2011
15
General Regression Neural Network (GRNN)
TINJAUAN PUSTAKA,
Salah satu bentuk pengembangan dari model NN dengan fungsi aktifasi adalah suatu fungsi estimator kernel Gaussian (Otok,2010). Dalam arsitektur GRNN, output dari unit lapis tersembunyi )(xy dihitung dengan rumus pada
persamaan
n
i
ijiji thbxy1
)(..)( dengan koefisien
ib : bobot bias pada pengematan ke-i
),...,,( 11 n : nilai besaran-besaran bobot )(th ij : fungsi Gaussian
PRESENTASI TUGAS AKHIR, 19 Januari 2011
16
Arsitektur General Regression Neural Network (GRNN)
TINJAUAN PUSTAKA,
)( ix
Pattern Layer Summation Layer
Input Layer W2
W1
W2 Output Layer
W1 W2
W1 W2
W2
Ω2
Ω1
Y(x)X
Ω3 Ψ2
Ψ1
n
i
i
n
i
i
i
D
DY
xY
12
2
12
2
2exp
2exp
)(
)()(2
i
T
ii xxxxD
PRESENTASI TUGAS AKHIR, 19 Januari 2011
17
Apparent Error Rates (APER)
TINJAUAN PUSTAKA,
)( ix
)( ix
Salah satu untuk menilai suatu prosedur klasifikasi adalah menghitung peluang kesalahan klasifikasi yang dinamakan Apparent Error Rates (APER), didefinisikan dengan fraksi (proporsi) pengamatan pada sampel yang salah diklasifikasikan oleh fungsi klasifikasi (Oktaviyanti dan Wulandari, 2010).
Tabulasi Silang
Kelompok Aktual
Kelompok Prediksi
Total Aktual
1 2 1 11n 12n n1
2 21n 22n n2
Sumber: Johnson et al, 1992.
100nn
nn% APER
21
2112 x
PRESENTASI TUGAS AKHIR, 19 Januari 2011
18
TINJAUAN umum,
Curah hujan merupakan ketinggianair hujan yang terkumpul dalamtempat yang datar, tidak menguap, tidak meresap, dan tidak mengalirTjasjono (1999)
Di Atas Normal (A) jika nilaiperbandingannya rata-rata > 115 persen
Normal (N) jika nilaiperbandingan rata-rata antara 85-115 persen
Di Bawah Normal (B) jika nilaiperbandingannya rata-rata < 85 persen
Curah Hujan
Daerah yang pola hujan rata-ratanyamemiliki perbedaan yang jelas antaraperiode musim kemarau dan musim
hujan (anonim_2).
Zona Musim (ZOM)
PRESENTASI TUGAS AKHIR, 19 Januari 2011
19
TINJAUAN umum,
ZOM Kabupaten Ngawi
ZOM 1
ZOM 2
PRESENTASI TUGAS AKHIR, 19 Januari 2011
20
METODE PENELITIAN,
Data sekunder pengamatanintensitas curah hujan bulanandi delapan belas lokasi pos hujan di Kabupaten Ngawidengan periode 1989 hingga2010.
.
Sumber DataNo
Urut
Nama Stasiun Hujan
Koordinat DPL
( m )Lintang Bujur
1 Mardiasri 07° 25' 41,2" 111° 24' 20,1" 69
2 Paron 07° 26' 14,5" 111° 23' 44,8" 67
3 Bekoh 07° 30' 01,8" 111° 18' 02,6" 160
4 Guyung 07° 30' 21,2" 111° 24' 36,8 72
5 Sambiroto 07° 26' 43,5" 111° 33' 17,1" 87
6 Karangjati 07° 27' 39,7" 111° 36' 47,8" 78
7 Kedung bendo 07° 23' 13,5" 111° 32' 33,2" 137
8 Padas 07° 25' 12,5" 111° 30' 15,9" 73
9 Ngawi 07° 24' 29,8" 111° 27' 22,7" 66
10 Kedunggalar 07° 24' 59,1" 111° 18' 45,1" 71
11 Begal 07° 28' 10,9" 111° 16' 15,1" 162
12 Jogorogo 07° 29' 27,8" 111° 15' 38,6" 248
13 Ngrambe 07° 30' 49,3" 111° 12' 21,1" 444
14 Kedung urung2 07° 30' 32,9" 111° 09' 41,1" 427
15 Tretes 07° 27' 13,2" 111° 10' 18,9" 227
16 Walikukun 07° 23' 06,1" 111° 13' 24,0 112
17 Mantingan 07° 23' 09,4" 111° 08' 59,9" 88
18 Ngale 07° 24' 32,2" 111° 22' 17,8" 62
PRESENTASI TUGAS AKHIR, 19 Januari 2011
21
METODE PENELITIAN,
Metode Analisis
Mereduksi Data Curah Hujan Dengan Analisis Faktor
Mendeskripsikan Data Curah Hujan per Stasiun
Data Curah Hujan
Uji Dependensi Variabeldengan Bartlett’s test
A
PRESENTASI TUGAS AKHIR, 19 Januari 2011
22
METODE PENELITIAN,
A
PengelompokkanZOM denganmetode SOM
PengelompokkanZOM dengan
metode Complete Linkage
Peta Elevasi Kabupaten
Ngawi
Mengidentifikasi Anggota ZOM yang
terbentuk
Mengevaluasi ketepatan klasifikasiZOM dengan GRNN
ZOM yang terbentukdari metode SOM
ZOM yang terbentukdari metode Complete
Linkage
PRESENTASI TUGAS AKHIR, 19 Januari 2011
23
Analisis dan pembahasan,
Karakteristik Curah Hujan Kabupaten Ngawi
POS Minimum Maximum Mean VarianMANTINGAN 32.09 312.86 168.7500 12457.350NGAWI 20.31 318.66 159.2812 12416.501NGRAMBE 10.86 330.10 150.6447 13176.275TRETES 13.73 333.00 147.6390 12390.947KEDUNG URUNG-URUNG
20.33 372.27 179.1247 18705.517
KEDUNG GALAR 12.00 255.30 134.3504 8042.355WALIKUKUN 23.05 349.41 163.8932 13306.074JOGOROGO 20.36 412.76 197.3838 21422.924BEKOH 12.70 305.35 159.0253 13027.823KEDUNGBENDO 5.33 359.44 135.0370 15839.130NGALE 17.36 296.50 160.3925 11593.535PARON 13.86 307.14 163.0850 12154.109MARDIASRI 16.05 317.15 175.0558 13761.222PADAS 7.29 263.67 148.0588 11072.250KARANGJATI 22.00 451.64 205.5709 26133.683SAMBIROTO 9.05 337.32 156.8926 14054.697BEGAL 18.87 293.47 126.3271 8472.097GUYUNG 12.59 370.29 175.8186 17386.599
Varian terkecil
Varian Tertinggi
Rata-rata tertinggi
Rata-rata terendah
Curahhujan
terendah
Curahhujan
tertinggi
PRESENTASI TUGAS AKHIR, 19 Januari 2011
24
Analisis dan pembahasan,
Analisis Faktor
Uji Dependensi Variabel
dan Kecukupan Data
H0 : Variabel curah hujan pada bulan Januari hingga Desember saling independen (tidak berkorelasi). H1 : Variabel curah hujan pada bulan Januari hingga Desember saling dependen (saling berkorelasi).
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. 0.544
Bartlett's Test of
Sphericity
Approx.Chi-Square 127.776
Df 66
Sig.0.00
P_value = 0, sehingga makahipotesis awal ditolak
nilai KMO sebesar 0.544. sehinggadata curah hujan di Kabupaten
Ngawi layak untuk di analisis lebihlanjut.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
25
Analisis dan pembahasan,
Analisis Faktor
Loading Faktor dengan Rotasi Varimax
BULAN
Loading
Faktor 1 Faktor 2 Faktor 3 Faktor 4
JANUARI 0.635 0.697 0.149 -0.055
FEBRUARI 0.904 0.141 0.214 -0.097
MARET 0.889 -0.158 0.053 0.217
APRIL 0.607 0.192 -0.102 0.673
MEI 0.424 -0.136 0.797 0.329
JUNI 0.164 0.825 -0.047 0.219
JULI -0.005 0.168 -0.004 0.791
AGUSTUS -0.007 0.037 0.072 0.006
SEPTEMBER 0.038 0.206 0.918 -0.035
OKTOBER -0.209 0.782 0.270 0.260
NOVEMBER 0.046 0.233 0.323 0.798
DESEMBER 0.655 0.280 0.540 0.125
Total Varian Analisis Faktor
Komponen
Persentase
Varian
Persentase
Total Varian
1 25.515 25.515
2 17.351 42.866
3 16.969 59.835
4 16.785 76.620
5 10.441 87.061
Anggota dan Nama Faktor
Faktor Bulan
Nama
Faktor
1 Januari, Febuari, Maret
dan Desember.
Musim
Penghujan
2 Juni dan Oktober Musim
Transisi
3 Mei, Agustus dan
September
4 April, Juli dan
November
Musim
Kemarau
PRESENTASI TUGAS AKHIR, 19 Januari 2011
26
Analisis dan pembahasan,
Pengelompokkan Zona Musim Kabupaten Ngawi
Pengelompokkan dengan Metode Complete Linkage
Zona Musim Berdasarkan Metode Complete Linkage
Zona Musim
Stasiun Curah Hujan
ZOM 1 Mantingan, Ngale, Paron, Mardiasi.
ZOM 2 Kedung Urung-Urung, Jogorogo, Karangjati dan Guyung.
ZOM 3 Ngawi, Ngrambe, Tretes, Kedung Galar, Wali-kukun, Bekoh, Padas, Sambiroto dan Begal.
ZOM 4 Kedung Bendo.
Kriteria Zona Musim Hasil Pengelompokkan
Complete Linkage
Zona Musim
Intensitas Curah Hujan
Persentase Curah Hujan Keterangan
ZOM 1 166.821 103.318 Normal
ZOM 2 189.474 117.349 Diatas normal
ZOM 3 149.568 92.633 Normal
ZOM 4 135.037 83.633
Dibawah normal
Peta Zona Musim dengan Metode Complete Linkage
PRESENTASI TUGAS AKHIR, 19 Januari 2011
27
Analisis dan pembahasan,
Peta Elevasi Zona Musim Hasil PengelompokkanComplete Linkage
Identifikasi Anggota ZOM Berdasarkan Elevasi (Ketinggian
Lokasi)
Lokasi Stasiun Curah Hujan
Dataran
tinggi
Kedung Urung-Urung, Jogorogo, Ngrambe,
Begal, Bekoh, dan Tretes.
Dataran
Sedang
Mantingan, Walikukun, Kedung Bendo,
Sambiroto, Kedung Galar, Padas dan Guyung.
Dataran
Rendah
Ngawi, Ngale, Paron, Karangjati dan
Mardiasri.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
Dataran Tinggi
Dataran Rendah
Dataran Sedang
66m88m
28
Analisis dan pembahasan,
Pengelompokkan Ulang ZOM Hasil Complete Linkage
Peta Elevasi Pengelompokkan Ulang Zona Musim HasilComplete Linkage
Identifikasi Ulang Anggota ZOM Berdasarkan Ketinggian
Lokasi Stasiun Curah Hujan
Dataran
tinggi
Kedung Urung-Urung, Jogorogo, Ngrambe
dan Tretes.
Dataran
Sedang
Mantingan, Walikukun, Bekoh, Kedung
Bendo, Kedung Galar, Begal, Guyung,
Sambiroto, Padas dan Karangjati.
Dataran
Rendah
Ngawi, Ngale, Paron dan Mardiasri.
Stasiun dengan ketinggian DPL kurang dari 70 m cenderung
mengelompok di dataran rendah, sedangkan stasiun curah hujan
dengan ketinggian diatas 200 m cenderung mengelompok pada
dataran tinggi dan pada dataran sedang di dominasi stasiun
dengan ketinggian 71-200 m di atas permukaan laut.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
3
2
2
1
29
Analisis dan pembahasan,
Pengelompokkan ZOM Menggunakan Self Organizing Maps
Peta Zona Musim Berdasarkan Metode SOM
Hasil Pengelompokkan dengan Metode SOM Zona
Musim
Stasiun Curah Hujan
ZOM 1 Mantingan, Ngale, Paron danMardiasri.
ZOM 2 Kedung Urung-Urung, Jogorogo, Karangjati
dan Guyung.
ZOM 3 Ngawi, Ngrambe, Tretes, Kedung Galar dan
Walikukun.
ZOM 4 Bekoh, Kedung Bendo, Padas, Sambiroto dan
Begal.
Kriteria Zona Musim Hasil Pengelompokkan SOM Zona
Musim
Intensitas
Curah Hujan
Persentase
curah hujan Keterangan
ZOM 1 166.821 103.318 Normal
ZOM 2 189.474 117.349 Diatas normal
ZOM 3 151.162 93.62 Normal
ZOM 4 145.068 89.846 Normal
PRESENTASI TUGAS AKHIR, 19 Januari 2011
30
Analisis dan pembahasan,
Peta Elevasi Zona Musim Hasil Pengelompokkan SOM
Identifikasi Anggota ZOM Berdasarkan
Elevasi (Ketinggian Lokasi)
Lokasi Stasiun Curah Hujan
Dataran
tinggi
Kedung Urung-Urung,
Jogorogo, Ngrambe,
Kedung Bendo dan
Tretes.
Dataran
Sedang
Begal, Bekoh, Mantingan
dan Wlikukun.
Dataran
Rendah
Ngawi, Ngale, Paron,
Karangjati, Sambiroto,
Kedung Galar, Guyung,
Padas dan Mardiasri.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
87m
78m
31
Analisis dan pembahasan,
Pengelompokkan Ulang ZOM Hasil Metode SOM
Peta Elevasi Pengelompokkan Ulang Zona MusimHasil SOM
Identifikasi Ulang Anggota ZOM Berdasarkan Kontur
Lokasi Stasiun Curah Hujan
Dataran
tinggi
Kedung Urung-Urung, Jogorogo, Ngrambe dan
Tretes.
Dataran
Sedang
Mantingan, Walikukun, Bekoh, Kedung Bendo,
Karangjati, Sambiroto, Guyung, Kedung Galar
dan Begal.
Dataran
Rendah
Ngawi, Ngale, Paron, Padas dan Mardiasri.
Dataran tinggi cenderung ditempati ZOM 2 dengan ketinggian
diatas 200 m
Dataran sedang merupakan lokasi dari stasiun-stasiun pada
ZOM 3 dan ZOM 4 dengan ketinggian antaara 88-130 meter
untuk ZOM 3 dan ketinggian ZOM 4 antara 130-200 meter,
Dataran Rendah cenderung ditempati oleh ZOM 1 dengan
ketinggian dengan ketinggian kurang dari 88 meter
Stasiun dengan kriteria cenderung ekstrim dikelompokkan pada
Zona 4, yaitu Kedung Bendo(intensitas curah hujan paling
minimal) dan Begal (rata-rata curah hujan paling sedikit) diantara
stasiun curah hujan lain
PRESENTASI TUGAS AKHIR, 19 Januari 2011
1
3
2
4
2
32
Analisis dan pembahasan,
Pemilihan Parameter Spread Pada General Regression Neural Network
Nilai Spread dan RMSE GRNN
Spread RMSE
0.1 0
0.2 1.58x10-09
0.3 9.92x10-05
0.4 0.0047
0.5 0.0266
0.6 0.0659
0.7 0.1143
0.8 0.1679
0.9 0.2244
1.0 0.2802
Zona
Musim
Stasiun Curah Hujan
ZOM 1 Mantingan, Ngale, Paron, Mardiasi.
ZOM 2 Kedung Urung-Urung, Jogorogo,
Karangjati dan Guyung.
ZOM 3
Ngawi, Ngrambe, Tretes, Kedung Galar,
Wali-kukun, Bekoh, Padas, Sambiroto
dan Begal.
ZOM 4 Kedung Bendo.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
33
Analisis dan pembahasan,
Evaluasi Ketepatan Klasifikasi ZOM dengan Metode
General Regression Neural Network
Klasifikasi ZOM Complete Linkage Tanpa Elevasi
GRUP
AKTUAL
GRUP PREDIKSI TOTAL
1 2 3 4
1 4 0 0 0 4
2 0 4 0 0 4
3 0 0 9 0 9
4 0 0 0 1 1
TOTAL 4 4 9 1 18
%010018
0APER
Ketepatan Klasifikasi ZOM hasil Pengelompokkan
Metode Complete Linkage Tanpa Elevasi adalah 100%.
Pengelompokkan ZOM Hasil Complete Linkage Tanpa Elevasi
PRESENTASI TUGAS AKHIR, 19 Januari 2011
34
Analisis dan pembahasan,
Evaluasi Ketepatan Klasifikasi ZOM dengan Metode
General Regression Neural Network
Klasifikasi ZOM Complete Linkage
dengan Elevasi
GRUP
AKTUAL
GRUP PREDIKSI TOTAL
1 2 3 4
1 3 0 1 0 4
2 0 2 2 0 4
3 1 0 8 0 9
4 0 0 0 1 1
TOTAL 4 2 11 1 18
%2.2210018
1121
APER
Ketepatan Klasifikasi ZOM hasil Pengelompokkan
Metode Complete Linkage dengan Elevasi adalah 77,8%.
Mantingan
Karangjatidan
Guyung
Ngawi
Pengelompokkan ZOM Hasil Complete Linkage Dengan Elevasi
PRESENTASI TUGAS AKHIR, 19 Januari 2011
35
Analisis dan pembahasan,
Evaluasi Ketepatan Klasifikasi ZOM dengan Metode
General Regression Neural Network
Bekoh, Padas, Sambiroto dan
Begal,
Pengelompokkan ZOM dengan Metode SOM
Tanpa Elevasi
GRUP
AKTUAL
GRUP PREDIKSI TOTAL
1 2 3 4
1 4 0 0 0 4
2 0 4 0 0 4
3 0 0 5 4 9
4 0 0 0 1 1
TOTAL 4 4 5 5 18
%2.2210018
4APER
Ketepatan Klasifikasi ZOM hasil Pengelompokkan
Metode SOM Tanpa Elevasi adalah 77,8%.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
36
Analisis dan pembahasan,
Evaluasi Ketepatan Klasifikasi ZOM dengan Metode
General Regression Neural Network
Begal
Pengelompokkan ZOM dengan Metode SOM
Dengan Elevasi
GRUP
AKTUAL
GRUP PREDIKSI TOTAL
1 2 3 4
1 3 0 1 0 4
2 0 2 2 0 4
3 1 0 7 1 9
4 0 0 0 1 1
TOTAL 4 2 10 2 18
%8.2710018
1121
APER
Sehingga nilai ketepatan klasifikasi unruk ZOM hasil
pengelompokkan menggunakan metode SOM yang telag
dimodifikasi dengan peta elevasi adalah 72,2%
Mantingan
Karangjatidan Guyung
Ngawi
PRESENTASI TUGAS AKHIR, 19 Januari 2011
37
KESIMPULAN DAN SARAN,
Kesimpulan
1. Pengelompokkan Zona Musim Kabupaten Ngawi meng-gunakan metode Complete Linkage dan Self Organizing Maps menghasilkan empat Zona Musim.
2. Ketepatan klasifikasi terbaik dari metode General Rgression Neural Network dengan spread 0.1 menunjukkan bahwa ZOM hasil pengelompokkan Complete Linkage tanpa elevasi memiliki nilai ketepatan klasifikasi terbesar yaitu 100 persen, sedangkan pengelompokkan Complete Linkage dengan elevasi memiliki ketepatan klasifikasi 77.8 persen, demikian juga untuk ZOM pembentukan awaldengan metode Self Organizing maps, sedangkan ketepatan klasifikasi setelah elevasi sebesar 72.2 persen.
Saran
Penentuan Zona Musim dengan elevasi hendaknya ditentukan berdasarkan metode non linier agar diperoleh nilai ketepatan klasifikasi tinggi dan akurat serta dihasilkan kelompok yang homogen. Metode pengelompokkan Self Organizing Maps memberikan hasil kurang bagus pada pengelompokkan ZOM dengan variabel curah hujan yang dipartisi berdasarkan bulan.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
38
DAFTAR PUSTAKA,
Alam, Dwi. 2010. Pengelompokkan Zona Musim (ZOM) dengan Agglomerative Hierarchical Clustering. Surabaya : Jurusan Statistika, Institut Teknologi Sepuluh Nopember.
Amrounche, A., dan Rouvaen, J.M. 2006. Efficient System for Speech Recognition Using General Regression Neural Network. International Journal of Intelligent Systems and Technologies. Vol. 1, No. 2.
Anonim_1. 2010. Zona Musim Wilayah Jawa Timur. [http:// www.staklimkarangploso.net] (On-line: August, 22th
2010).Anonim_2. 2010. Pengertian Cuaca, Iklim, dan Musim. [http:// www.wikipedia.com] (On-line: August, 22th 2010).Anonim_3. 2010. Sifat Curah Hujan Curah Hujan. [http:// www.staklimkarangploso.net] (On-line: August, 22th
2010).Asmara, Y.P.Y. 2009. Pemodelan Yield Curve Data Obligasi Pemerintah Indonesia Dengan Pendekatan General
Regression Neural Network Dan Radial Basis Function Network. Surabaya : Jurusan Statistika, InstitutTeknologi Sepuluh Nopember.
Baeur, M.M. (2000). General Regression Neural Network forTechnical Use. Thesis of University of Wisconsin-Madison.
Chitra , A. dan Uma, S. 2010. An Ensemble Model of Multiple Classifiers forTime Series Prediction. International Journal of Computer Theory and Engineering, Vol. 2, No. 3.
Dillon, W.R. dan Goldstein, M. 1984. Multivariate Analysis Methods and Applications. New York: John Willey and Sons.
Eksawati, R. 2009. Penggunaan Analisis Jaringan Syaraf (Neural Network Analysis) untuk Menyusun Model CurahHujan di Kabupaten Ngawi Jawa Timur. Bogor, Institut Pertanian Bogor.
PRESENTASI TUGAS AKHIR, 19 Januari 2011
39
DAFTAR PUSTAKA,
Johnson, N. And Wichern D. 1992. Applied Multivariate Statistical Analysis, 3th Edition. Prentice Hall, Englewood Chiffs, New Jersey.
Khumaini, A. 2010. "Mewaspadai Serangan OPT Pasca Banjir". Sinar Tani (Madiun), 14 AprilKusumadewi, S. (2004). Membangun Jaringan Saraf Tiruan Menggunakan MATLAB dan EXCEL LINK. Morrison dan Donald F. 1990. Multivariate Statistical Methods third edition. Mc Graw Hill Inc.Oktaviyanti, V., dan Wulandari, S.P. 2010. Pemetaan Wilayah Jawa Timur Berdasarkan Akses Sanitasi dan Air Bersih
yang Layak. Surabaya: ITS Surabaya.Otok, B.W. 2010. Pengembangan Model Machine Learning Ketahanan Pangan Melalui Pembentukan Zona Musim.
Surabaya: ITS Surabaya.Polat, O. dan Yildirim, T. 2008. Hand Geometry Identification Without Extraction By General Regression Neural
Network: Expert System With Application 34:845-849.Puspowati, T. 2009. Algoritma Self Organizing Maps (SOM) untuk Pengelompokkan Kecamatan di Kabupaten
Malang Berdasarkan Indikator Pemerataan Pendidikan. Laporan Tesis Jurusan Statistika FMIPA ITS Surabaya.
Sebayang, R. 2009. Peramalan Nilai Saham Menggunakan Jaringan Syarat Tiruan Self-Organizing Maps (SOM). Bandung. ITTELKOM.
Sharma, S. 1996 . Applied Multivariate Techniques, John Wiley & Sons, Inc.Tjasjono, B. 1999. Klimatologi Umum. Bandung: ITB.Utami, F.D.P. 2010. Pengelompokkan ZOM Dengan Fuzzy K-Means Clustering. Laporan Tugas Akhir Jurusan
Statistika FMIPA ITS Surabaya.
PRESENTASI TUGAS AKHIR, 19 Januari 2011