Rumpun Ilmu : Teknik Informatika
Tema Unggulan : Artificial Intellegence
LAPORAN
PENELITIAN HIBAH INTERNAL
PREDIKSI JUMLAH PENUMPANG PESAWAT UDARA
MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE
BACKPROPAGATION DI BANDAR UDARA HANG NADIM BATAM
TIM PENELITI
1. Joni Eka Candra, S.T., M.T.
2. Sunarsan Sitohang, S.kom.
3. Alpin Salamena
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS PUTERA BATAM
2016
HALAMAN PENGESAHANL APORAN PEN ELITIAN HIBAH INTERNAL
Rumpun Ilmu : Teknik InformatikaTema Unggulan : Artificial IntellegenceJudul Penelitian : Prediksi Jumlah Penumpang Pesawat Udara
Menggunakan Jaringan Syaraf Tiruan Metode Back Propagation Di Bandar Udara Hang Nadim Batam
Ketua Penelitia. Nama Lengkap : Joni Eka Candra, S.T., M.T.b. NIDN : 1025068201c. Jabatan Fungsional : -d. Program Studi : Teknik Informatikae. Nomor HP : 085655567040f. Alamat Surel (e-mail) : [email protected]
Anggota Peneliti (1)a. Nama Lengkap : Sunarsan Sitohangb. NIDN : -c. Perguruan Tinggi : Universitas Putera Batam
Anggota Peneliti (2)a. Nama Lengkap : Alpin Salamenab. NPM : 130210058c. Perguruan Tinggi : Universitas Putera Batam
Biaya Penelitian : Rp. 13.000.000.-
Batam, 20 Januari 2016MengetahuiKetua Program Studi Ketua Tim Penelitian
Realize, S.Kom., M.SI Joni Eka Candra, ST.,MT.NIDN. 1011057701 NIDN. 1025068201
MenyetujuiKepala Lembaga Penelitian dan Pengabdian Masyarakat
Muhammad Taufik Syastra. S.Kom., M.SI.NIDN.1010048601
ii
DAFTAR ISI
HALAMAN SAMPUL..................................................................................... iHALAMAN PENGESAHAN ......................................................................... iiDAFTAR ISI .................................................................................................... iiiDAFTAR GAMBAR........................................................................................ ivDAFTAR TABEL............................................................................................ vRINGKASAN................................................................................................... viBAB I PENDAHULUAN ........................................................................... 11.1 Latar Belakang Masalah.................................................................... 11.2 Rumusan Masalah.............................................................................. 21.3 Batasan Masalah................................................................................ 21.4 Tujuan Penelitian............................................................................... 21.5 Luaran Penelitian............................................................................... 3BAB II TINJAUAN PUSTAKA................................................................... 42.1 Teori .................................................................................................. 42.1.1 Model Neuron.................................................................................... 42.1.2 Arsitektur Jaringan............................................................................. 52.1.3 Arsitektur Backpropagation............................................................... 62.2 Penelitian Terdahulu.......................................................................... 102.3 Kerangka Pemikiran........................................................................... 11BAB III METODOLOGI PENELITIAN..................................................... 123.1 Desain Penelitian............................................................................... 123.2 Variabel Penelitian............................................................................. 143.3 Teknik Pengumpulan Data................................................................ 14BAB IV PEMBAHASAN DAN HASIL....................................................... 154.1 Pembahasan ...................................................................................... 154.1.1 Perencanaan Sistem........................................................................... 154.1.2 Pengumpulan Data............................................................................ 164.1.3 Penetapan Pola Data.......................................................................... 174.1.4 Transformasi Pola Data..................................................................... 274.1.5 Inisialisasi Parameter......................................................................... 374.1.6 Pola Pelatihan dan Pengujian Data.................................................... 384.2 Hasil................................................................................................... 404.2.1 Analisis Model Peramalan................................................................. 404.2.2 Peramalan Jaringan Syaraf Tiruan Backpropagasion....................... 41BAB V KESIMPULAN DAN SARAN....................................................... 505.1 Kesimpulan........................................................................................ 505.2 Saran.................................................................................................. 50DAFTAR PUSTAKALAMPIRAN
iii
DAFTAR GAMBAR
Gambar 2.1 Arsitektur Jaringan n Unit Input....................................................5Gambar 2.2 Jaringan Dengan n Buah Unit Inpu................................................5Gambar 2.3 Arsitektur Backpropagation Dengan n Buah Input........................6Gambar 2.4 Fungsi Sigmoid Biner....................................................................7Gambar 2.5 Fungsi Sigmoid Bipolar.................................................................7Gambar 2.6 Kerangka Pemikiran JST Backpropagation....................................11Gambar 3.1 Langkah-Langkah Pembuatan Aplikasi JST..................................12Gambar 4.1 Alur Flowchart JST Backpropagation ....................................................15Gambar 4.2 Arsitektur JST Backpropagation ..........................................................16Gambar 4.3 Grafik Hasil Keluaran JST Backpropagation Data Pelatihan
dengan Target Error 0,01...............................................................41
iv
DAFTAR TABEL
Tabel 4.1 Jumlah Data Penumpang Tahun 2007 Sampai dengan Tahun 2014 Tiap Bulan Sebagai Data Pelatihan Jaringan Syaraf Tiruan...............18
Tabel 4.2 Jumlah Data Penumpang Tahun 2004 Sampai Tahun 2006 Tiap Bulan Sebagai Data Pengujian Jaringan Syaraf Tiruan................................18
Tabel 4.3 Pola Variabel Data Masukan Dan Data Keluaran (Target) Pada Data Pelatihan Jaringan Syaraf Tiruan........................................................19
Tabel 4.4 Pola Variabel Data Masukan Dan Data Keluaran (Target) Pada Data Pengujian Jaringan Syaraf Tiruan.......................................................26
Tabel 4.5 Transformasi Data Jumlah Penumpang Tahun 2007 Sampai dengan Tahun 2014 Tiap Bulan Sebagai Data Pelatihan Jaringan Syaraf Tiruan..................................................................................................28
Tabel 4.6 Transformasi Data Jumlah Penumpang Tahun 2004 Sampai dengan Tahun 2006 Tiap Bulan Sebagai Data Pengujian Jaringan Syaraf Tiruan..................................................................................................29
Tabel 4.7 Transformasi Pola Variabel Data Masukan dan Data Keluaran (Target) Pada Data Pelatihan Jaringan Syaraf Tiruan........................29
Tabel 4.8 Transformasi Pola Variabel Data Masukan dan Data Keluaran (Target) Pada Data Pengujian Jaringan Syaraf Tiruan.......................35
Tabel 4.9 Hasil Peramalan Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Pola Data Dengan Data Pelatihan yang dilatihkan.........42
Tabel 4.10 Hasil Peramalan Jaringan Syaraf Tiruan Backpropagation Menggunakan Data Baru Seberapa Besar Jaringan Mengenali Data Baru....................................................................................................48
v
RINGKASAN
Transfortasi udara merupakan alat angkutan yang mutakhir dan tercepat, banyak dampak positif dari transfortasi udara yang dapat dirasakan langsung oleh masyarakat seperti bidang perekonomian, dengan adanya transfortasi udara mengakibatkan faktor jarak dan geografis daratan bukan lagi menjadi batasan pergerakan manusia atau barang untuk pencapaian yang cepat. Kondisi ini mengakibatkan antara hubungan produksi dan konsumsi dapat dicapai lebih cepat dengan waktu yang lebih singkat. Backpropagation merupakan salah satu metode dalam jaringan syaraf tiruan yang dapat diaplikasikan dengan baik dalam bidang peramalan (forecasting). Berdasarkan Algoritma Jaringan Syaraf tiruan backpropagation yang telah dilatih telah cukup mampu untuk melakukan prediksi jumlah penumpang di Bandar Udara Hang Nadim Batam dengan tingkat akurasi yang cukup baik, sesuai dengan hasil pengujian jaringan syaraf tiruan dengan memasukkan data pelatihan dan pengujian diperoleh hasil 84 data pelatihan sesuai target (100 % sesuai target), 22 data pengujian sesuai target (93% sesuai target) dan 2 data tidak sesuai target (7%). Pada penelitian ini sebaiknya dilanjutkan pada tahap proses pengetesan atas hasil pembentukan pola peramalan oleh jaringan syaraf tiruan dimana dimaksudkan untuk melihat kemampuan model yang dihasilkan oleh jaringan syaraf tiruan pada tahap meramalkan kejadian berikutnya dengan berdasarkan pola-pola peramalan yang telah terbentuk sebelumnya.
vi
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Di era globalisasi dan perkembangan ekonomi yang cukup pesat saat ini
harus diimbangi dengan alat transfortasi dan komunikasi yang dapat menunjang
mobilitas pelaku ekonomi yang tinggi yang menuntut layanan transfortasi dan
komunikasi yang cepat dan efisien.
Transfortasi udara merupakan alat angkutan yang mutakhir dan tercepat,
banyak dampak positif dari transfortasi udara yang dapat dirasakan langsung oleh
masyarakat seperti bidang perekonomian,dengan adanya transfortasi udara
mengakibatkan faktor jarak dan geografis daratan bukan lagi menjadi batasan
pergerakan manusia atau barang untuk pencapaian yang cepat. Kondisi ini
mengakibatkan antara hubungan produksi dan konsumsi dapat dicapai lebih cepat
dengan waktu yang lebih singkat.
Jadi transfortasi udara memberikan kontribusi paling banyak untuk
memenuhi kebutuhan masyarakat dan pemerintah dalam transfortasi jarak jauh
apalagi kalau kita melihat letak geografis negara indonesia yang dipisahkan oleh
laut yang tidak memungkinkan dilalui oleh transfortasi darat.
Backpropagation merupakan salah satu metode dalam jaringan syaraf tiruan
yang dapat diaplikasikan dengan baik dalam bidang peramalan (forecasting).
Peramalan yang sering kita dengar adalah peramalan besarnya jumlah penjualan,
nilai tukar valuta asing, prediksi besarnya aliran air sungai, dan lain-lain. Sebagai
contoh, dalam penjualan barang, diketahui record data penjualan produk pada
beberapa bulan/tahun terakhir. Masalahnya adalah memperkirakan berapa
perkiraan produk yang terjual pada tahun yang akan datang.
Dengan backpropagation, record data dipakai sebagai data pelatihan untuk
mencari bobot optimal. Untuk itu kita perlu menetapkan besarnya periode dimana
data berfluktuasi. Periode ini kita tentukan secara intuitif. Misalkan pada data
besarnya debit air sungai dengan data bulanan, periode data dapat diambil selama
satu tahun karena pergantian musim terjadi selama satu tahun.
1
Pada penelitian hibah internal ini jaringan syaraf tiruan metode back
propagation diterapkan untuk memprediksi jumlah penumpang yang akan
menggunakan jasa pesawat udara. Sehingga nantinya apabila pada hasil prediksi
menunjukkan adanya lonjakan/kenaikan jumlah penumpang. PT Angkasa Pura
dapat menghimbau pihak maskapai penerbangan yang terkait untuk menambah
jumlah penerbangannya.
1.2 Rumusan Masalah
Adapun permasalahan yang dihadapi dalam penelitian hibah internal ini
berdasarkan latar belakang masalah di atas adalah bagaimana implementasi
algoritma jaringan syaraf tiruan metode backpropagation untuk memprediksi
jumlah penumpang pesawat udara.
1.3 Batasan Masalah
Agar penelitian ini tidak melebar kemana-mana maka peneltian ini akan
diberi batasan-batasan masalah seperti berikut ini:
1. Menggunakan data jumlah penumpang pesawat udara selama 11 tahun
di Bandar Udara Hang Nadim Batam.
2. Menentukan jumlah data pelatihan yaitu data jumlah penumpang
pesawat selama 8 tahun, dari jumlah data penumpang pesawat secara
keseluruhan.
3. Menentukan jumlah data pengujian yaitu data jumlah penumpang
pesawat selama 3 tahun dari data jumlah penumpang pesawat secara
keseluruhan.
4. Algoritma yang digunakan adalah Algoritama backpropagation.
1.4 Tujuan Penelitian
Tujuan dari penelitian hibah internal yang berjudul “Prediksi Jumlah
Penumpang Pesawat Udara Menggunakan Jaringan Syaraf Tiruan Metode
Backpropagation Di Bandar Udara Hang Nadim Batam" adalah:
1. Menghasilkan suatu aplikasi yang berfungsi untuk memprediksi jumlah
penumpang pesawat udara.
2
2. Mengembangkan proses komputasi algoritma backpropagation untuk
menyelesaikan permasalahan peramalan.
1.5 Luaran Penelitian
Luaran yang diharapkan dari penelitian hibah internal ini adalah:
1. Publikasi dalam jurnal ilmiah nasional dan nasional terakreditasi.
2. Sebagai buku referensi contoh kasus dalam pengaplikasian dari mata
kuliah kecedasan buatan (artificial intellegence).
3
BAB II
TINJAUAN PUSTAKA
2.1 Teori
2.1.1 Model Neuron
Neuron adalah unit pemroses informasi yang menjadi dasar dalam
pengoperasian jaringan syaraf tiruan. Neuron terdiri dari 3 elemen pembentuk:
1. Himpunan unit-unit yang dihubungkan dengan jalur koneksi. Jalur-jalur
tersebut memiliki bobot/kekuatan yang berbeda-beda. Bobot yang bernilai
positip akan memperkuat sinyal yang dibawanya. Jumlah, struktur dan pola
hubungan antar unit-unit tersebut akan menetukan arsitektur jaringan ( dan juga
model jaringan yang terbentuk).
2. Suatu penjumlah yang akan menjumlahkan input-input sinyal yang sudah
dikalikan dengan bobotnya. Misalnya x1, x2,..., xm adalah unit-unit input dan
wj1, wj2,..., wjm adalah bobot penghubung dari unit-unit tersebut ke unit keluaran
yj, maka unit penjumlah akan memberikan keluaran sebesar uj = x1wj1 + x2 wj2
+...+ xm wjm.
3. Fungsi aktivasi yang akan menentukan apakah sinyal dari input neuron akan
diteruskan keneuron lain ataukah tidak.
2.1.2 Arsitektur Jaringan
Beberapa arsitektur jaringan yang sering dipakai dalam jaringan saraf
tiruan antara lain:
1. Jaringan Layar Tunggal (single layer network)
Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan
sekumpulan outputnya. Dalam beberapa model (misalnya preceptron), hanya
ada sebuah unit neuron output.
4
Gambar 2.1 Arsitektur Jaringan n Unit Input
Gambar 2.1 menunjukkan arsitektur jaringan dengan n unit input (x1, x2, ... , xn)
dan m buah unit output (y1, y2, ... , ym). Perhatikan bahwa dalam jaringan ini,
semua unit input dihubungkan dengan semua unit output, meskipun dengan
bobot yang berbeda-beda. Tidak ada unit input yang dihubungkan dengan unit
input lainnya. Demikian pula dengan unit output. Besaran wij menyatakan
bobot hubungan antara unit ke-i dalam input dengan unit ke-j dalam output.
Bobot-bobot ini saling independen. Selama proses pelatihan, bobot-bobot
tersebut akan dimodifikasi untuk meningkatkan keakuratan hasil. Model
semacam ini tepat digunakan untuk pengenalan pola karena kesederhanaannya.
2. Jaringan Layar Jamak (multi layer network)
Jaringan layar jamak merupakan perluasan dari layar tunggal. Dalam jaringan
ini, selain unit input dan output, ada unit-unit lain (sering disebut layar
tersembunyi). Dimungkinkan pula ada beberapa layar tersembunyi. Sama
seperti pada unit input dan output, unit-unit dalam satu layar tidak saling
berhubungan.
Gambar 2.2 Jaringan Dengan n Buah Unit Input
5
Gambar 2.2 adalah jaringan dengan n buah unit input (x1, x2,.., xn), sebuah layar
tersembunyi yang terdiri dari p buah unit (z1,..., zp) dan m buah unit output (y1,
y2, ..., ym). Jaringan layar jamak dapat menyelesaikan masalah yang lebih
kompleks dibandingkan dengan layar tunggal, meskipun kadangkala proses
pelatihan lebih kompleks dan lama.
3. Jaringan Reccurent
Model jaringan Recurent mirip dengan jaringan layar tunggal ataupun ganda.
Hanya saja, ada neuron output yang memberikan sinyal pada unit input (sering
disebut feedback loop)
2.1.3 Arsitektur Backpropopagation
Backpropagation memiliki beberapa unit yang ada dalam satu atau lebih
layar tersembunyi. Gambar 2.3 adalah arsitektur backpropagation dengan n buah
masukan (ditambah sebuah bias), sebuah layar tersembunyi yang terdiri dari p unit
(ditambah sebuah bias), serta m buah unit keluaran.
Vij merupakan bobot garis dari unit masukan xi ke unit layar tersembunyi z j (vj0
merupakan bobot garis yang menghubungkan bias di unit masukan ke unit layar
tersembunyi zj). wkj merupakan bobot dari unit layar tersembunyi zj ke unit
keluaran yk (wk0 merupakan bobot dari bias dilayar tersembunyi ke unit keluaran
zk)
Gambar 2.3 Arsitektur Backpropagation Dengan n Buah Input
Fungsi Aktivasi
Dalam backpropagation, fungsi aktivasi yang dipakai harus memenuhi beberapa
syarat yaitu: kontinu, terdifferensial dengan mudah dan merupakan fungsi yang
6
tidak turun. Salah satu fungsi yang memenuhi ketiga syarat tersebut sehingga
sering dipakai adalah fungsi sigmoid biner yang memiliki range (0,1).
f ( x )= 11+e− x dengan turunan f ' ( x )=f ( x )=f (x ) (1−f ( x ))..................(2.1)
Grafik fungsinya tampak pada gambar 2.4
Gambar 2.4 Fungsi Sigmoid Biner
Fungsi lain yang sering dipakai adalah fungsi sigmoid bipolar yang bentuk
funsinya mirip dengan fungsi sigmoid biner, tapi dengan range (-1, 1).
f ( x )= 11+e− x−1 dengan turunan f ' ( x )= (1+ f (x ) ) (1−f ( x ) )
2.........................(2.2)
Grafik fungsinya tampak pada gambar 2.5.
Fungsi sigmoid memiliki nilai maksimum = 1. Maka untuk pola yang targetnya >
1, pola masukan dan keluaran harus terlebih dahulu ditransformasi sehingga
semua polanya memiliki range yang sama seperti fungsi sigmoid yang dipakai.
Alternatif lain adalah menggunakan fungsi aktivasi sigmoid hanya pada layar
yang bukan layar keluaran, fungsi aktivasi yang dipakai adalah fungsi identitas :
f(x) = x
Gambar 2.5 Fungsi sigmoid bipolar
Pelatihan Backpropogation
Pelatihan backpropogation meliputi 3 fase. Fase pertama adalah fase maju. Pola
masukan dihitung maju mulai dari layar masukan hingga layar keluaran
7
menggunakan fungsi aktivasi yang ditentukan. Fase kedua adalah fase mundur.
Selisih antara keluaran jaringan dengan target yang diinginkan merupakan
kesalahan yang terjadi. Kesalahan tersebut dipropagansikan mundur, dimulai dari
garis yang berhungan langsung dengan unit-unit dilayar keluaran. Fase ketiga
adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi.
1. Fase I: Propagasi maju
Selama propagasi maju, sinyal masukan (= xi) di propagasikan kelayar
tersembunyi menggunakan fase aktivasi yang ditentukan. Keluaran dari setiap
unit layar tersembunyi (= zj) tersebut selanjutnya dipropagasikan maju lagi ke
layar tersembunyi di atasnya menggunakan fungsi aktivasi yang ditentukan.
Demikian seterusnya hingga menghasilkan keluaran jaringan (= yk).
Berikutnya, keluaran jaringan (= yk) dibandingkan dengan target yang harus
dicapai (= tk). Selisih tk - yk adalah kesalahan yang terjadi. Jika kesalahan ini
lebih kecil dari batas toleransi yang ditentukan, maka iterasi dihentikan. Akan
tetapi apabila kesalahan masih lebih besar dari batas toleransinya, maka bobot
setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan
yang terjadi.
2. Fase II: Propagasi mundur
Berdasarkan kesalahan tk – yk, dihitung faktor δk = (k=1, 2, 3,..., m) yang
dipakai untuk mendistribusikan kesalahan di unit yk ke semua unit
tersembunyi yang terhubung langsung dengan ykδk juga dipakai untuk
mengubah bobot garis yang berhubungan langsung dengan unit keluaran.
Dengan cara yang sama, dihitung faktor δj disetiap unit di layar tersembunyi
sebagai dasar perubahan bobot semua garis yang berasal dari unit
tersembunyi dilayar di bawahnya. Demikian seterusnya hingga semua faktor
δ di unit tersembunyi yang berhubungan langsung dengan unit masukan
dihitung.
3. Fase III: Perubahan bobot
Setelah semua faktor δ dihitung, bobot semua garis dimodifikasi bersamaan.
Perubahan bobot suatu garis didasarkan atas faktor δ neuron dilayar atasnya.
Sebagai contoh, perubahan bobot suatu garis didasarkan atas faktor δ neuron
8
dilayar atasnya. Sebagai contoh, perubahan bobot garis yang menuju ke layar
keluaran didasarkan atas δk yang ada di unit keluaran.
Ketiga fase tersebut diulang-ulang terus hingga kondisi penghentian dipenuhi.
Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau
kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah
melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang
terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
Algoritma pelatihan untuk jaringan dengan satu layar tersembunyi (dengan fungsi
aktivasi sigmoid biner) adalah sebagai berikut:
Langkah 0 : inisialisasi semua bobot dengan bilangan acak kecil
Langkah 1 : jika kondisi penghentian belum terpenuhi, lakukan langkah 2 – 9
Langkah 2 : Untuk setiap pasang data pelatihan, lakukan langkah 3 – 8
Fase I : Propagasi maju
Langkah 3 : Tiap unit masukan menerima sinyal dan meneruskannya ke unit
tersembunyi diatasnya
Langkah 4 : hitung semua keluaran di unit tersembunyi zj (j = 1, 2, ... , p)
znet j=v j 0+∑i=1
n
x i v ji ………………………………………………………….(2.3)
z j=f ( znet j )=1
1+e− znet j………………………………… …………………(2.4)
Langkah 5 : Hitung semua keluaran jaringan di unit yk (k = 1, 2, ... , m)
ynet k=w k 0+∑j=1
p
z j w kj ……………………………………………………….(2.5)
yk=f ( ynet k )= 11+e− ynetk
………………………………………………… ...(2.6)
Fase II : Propagasi mundur
Langkah 6 : Hitung faktor δ unit keluaran berdasarkan kesalahan di setiap unit
keluaran yk (k = 1, 2, ... , m)
δ k=(t k− yk ) f ' ( ynet k)=(t k− yk ) yk ( 1− yk ) …………………………………… ...(2.7)
δk merupakan unit kesalahan yang akan dipakai dalam perubahan bobot layar
dibawahnya (langkah 7)
Hitung suku perubahan bobot wkj (yang akan dipakai dalam perubahan nanti untuk
merubah bobot wkj) dengan laju percepatan α
9
∆ wkj=α δk z j ;k=1,2,3 , …, m; j=1,2,3 , …, p………………… …...(2.8)
Langkah 7 : Hitung faktor δ unit tersembunyi berdasarkan kesalahan di setiap unit
tersembunyi zj (j = 1, 2, ... , p)
δ net j=∑k−1
m
δk w kj ……………………………………………………………….(2.9)
Faktor δ unit tersembunyi:
δ j=δ¿ f ' (z¿)=δ ¿ z j(1−z j).....................................................(2.10)
Hitung suku perubahan bobot vji (yang akan dipakai nanti untuk merubah bobot
vji)
∆ v ji=α δ j x i ;( j=1,2,3 , …, p ;i=1,2,3 , …, n)…………………… .. (2.11)
Fase III : Perubahan Bobot
Langkah 8 : Hitung semua perubahan bobot
Perubahan bobot garis yang menuju ke unit keluaran:
w kj (baru )=w kj (lama )+∆ wkj ;(k=1,2,3 ,…,m; j=1,2,3 ,…, p)… ..(2.12)
Perubahan bobot garis yang menuju ke unit tersembunyi:
v ji (baru )=v ji (lama )+∆ v ji ;( j=1,2,3 , …, p ; j=0,1,2,3 , …,n)…… ..(2.12)
Setelah pelatihan selesai dilakukan, jaringan dapat dipakai untuk pengenalan pola,
dalam hal ini, hanya propagasi maju (langkah 4 dan 5) saja yang dipakai untuk
menentukan keluaran jaringan.
Apabila fungsi aktivasi yang dipakai bukan sigmoid biner, maka langkah 4 dan 5
harus disesuaikan. Demikian juga turunannya pada langkah 6 dan 7.
2.2 Penelitian Terdahulu
Penelitian ini didukung oleh berbagai kajian empiris dari penelitian
terdahulu yang dapat menjadi landasan berfikir. Berikut adalah penelitian terkait
dengan penelitian ini dengan hasil dan metode analisis yang berbeda dan pernah
dilakukan, dianntaranya adalah:
1. Fachrudin Pakaja, Agus Naba dan Purwanto dalam Jurnal EECCIS Vol. 6,
No. 1, Juni 2012 dengan judul Peramalan Penjualan Mobil Menggunakan
Jaringan Syaraf Tiruan dan Certainty Factor, menjelaskan bahwa Proses
peramalan penjualan mobil yaitu dengan memasukkan data perkiraan
10
penjualan di masa depan, untuk di olah menggunakan JST backpropagation
untuk menghasilkan data yang diinginkan.
2. Alex Rikki Sinaga dalam jurnal Pelita Informatika Budi Darma, Volume II,
Desember 2012 ISSN: 2301-9425, dengan judul Aplikasi Jaringan Syaraf
Tiruan Untuk Penentuan Konsentrasi Program Studi Bagi Calon Mahasiswa
Baru Stmik Budidarma Medan menerangkan bahwa hasil pengujian Jaringan
Syaraf Tiruan dengan menggunakan software matlab 6.1 dapat mempercepat
proses penentuan konsentrasi program studi bagi calon mahasiswa baru
STMIK Budidarma Medan.
3. Ramli, Desi Yuniarti dan Rito Goejantoro dalam Jurnal EKSPONENSIAL
Volume 4, Nomor 1, Mei 2013 ISSN 2085-7829 dengan judul Perbandingan
Metode Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan,
menjelaskan bahwa dalam penyelesaian pengklasifikasian pemilihan jurusan
Bahasa dan IPS pada SMAN 2 Samarinda tahun ajaran 2011/2012 lebih tepat
menggunakan jaringan saraf tiruan dari pada menggunakan Metode
Klasifikasi Regresi Logistik.
2.3 Kerangka Pemikiran
Untuk dapat memperoleh hasil penelitian yang tepat dan terarah, penelitian
ini memiliki kerangaka pemikiran yang dapat dilihat pada Gambar 2.6
Gambar 2.6 Kerangka Pemikiran Jaringan Syaraf Tiruan Backpropagation
11
BAB III
METODOLOGI PENELITIAN
3.1 Desain Penelitian
Pada gambar 3.1 di bawah ini menunjukkan langkah-langkah yang akan
dikerjakan oleh peneliti dalam penelitian hibah internal ini yang mengangkat judul
Prediksi Jumlah Penumpang Pesawat Udara Menggunakan Jaringan Syaraf Tiruan
Metode Back Propagation di Bandar Udara Hang Nadim Batam.
12
Gambar 3.1 Langkah-Langkah Pembuatan Aplikasi Jaringan Syaraf Tiruan
Tahapan penelitian yang dilakukan pada Prediksi Jumlah Penumpang Pesawat
Udara Menggunakan Jaringan Syaraf Tiruan Metode Back Propagation di Bandar
Udara Hang Nadim Batam adalah sebagai berikut:
3.1.1 Pengumpulan Data
Pengambilan data pada Prediksi Jumlah Penumpang Pesawat Udara
Menggunakan Jaringan Syaraf Tiruan Metode Backpropagation di Bandar Udara
Hang Nadim Batam yaitu: Data Jumlah penumpang di Bandar Udara Hang
Nadim Batam selama 2 tahun, data jumlah penumpang tahun 2013 dan tahun
2014.
3.1.2 Identifikasi Data
Identifikasi masalah dilakukan untuk menentukan variabel dan semesta
pembicaraan yang diperlukan dalam melakukan perhitungan dan analisis
masalah.
3.1.3 Pengolahan Data
Pengelolahan data dilakukan dengan bantuan softwere matlab 8.1.0 dengan
menggunakan fasilitas yang disediakan pada toolbox neural network dengan
melakukan langkah langkah sebagai berikut:
1. Mengumpulkan Data jumlah Penumpang perbulan selama 11 tahun
2. Memisahkan data 8 tahun penumpang untuk pelatihan dan data 3 tahun
penumpang untuk pengujian
3. Menentukan struktur jaringan syaraf tiruan
4. Menetapkan Algoritma jaringan syaraf tiruan yang akan digunakan dalam
pembelajaran
5. Melakukan inisialisasi parameter jaringan syaraf tiruan
6. Input data pelatihan
7. Pelatihan (Ubah/perbaharui bobot)
13
3.1.4 Penarikan Kesimpulan
Penarikan kesimpulan merupakan tahap akhir dari penelitian hibah
internal ini, dimana dilakukan pendokumentasian riset secara keseluruhan.
Sehingga hasil akhir dari penelitian ini nanti nya bisa digunakan sebagai bahan
acuan untuk mengadakan penelitian dimasa yang akan datang dalam bidang yang
sama.
3.2 Variabel Penelitian
Dalam penelitian ini variabel penelitian terdiri dari 2 jenis variabel yaitu:
1.Variabel Masukan nya berupa data jumlah penumpang tiap bulan selama
2 tahun yang di inisialisasi dengan hurup X1, X2,...,X12.
2. Variabel Keluaran (Target) data jumlah penumpan per akhir priode tiap
bulan dijadikan sebagai variabel keluaran atau lebih dikenal dengan
nama target dalam jaringan syaraf tiruan
3.3 Teknik Pengumpulan Data
Data yang digunakan dalam penelitian hibah internal ini menggunakan data
sekunder yaitu data jumlah penumpang tiap bulan selama 11 tahun yang
diperoleh dari pihak pengelola bandar udara Hang Nadim Batam.
14
BAB IVPEMBAHASAN DAN HASIL
4.1 Pembahasan4.1.1 Perencanaan Sistem.
Arsitektur jaringan syaraf tiruan yang dibangun terdiri dari beberapa
lapisan, yaitu: lapisan masukan (layer input), satu lapisan tersembunyi (layer
hidden), dan lapisan keluaran (layer output). Penghubung setiap lapisan adalah
bobot.
15
Gambar 4.1 Alur Flowchart Jaringan Syaraf Tiruan Backpropagation
Proses pembelajaran sendiri diawali dari proses feedforward, dan kemudian
dilanjutkan pada proses backpropagation. Setelah proses backpropagation, akan
dilakukan pengecekan apakah nilai target error telah dicapai, jika target error
telah dicapai, maka proses pembelajaran selesai, yang menghasilkan koreksi dari
bobot jaringan. Jika tidak maka akan kembali ke proses feedforward. Hal ini akan
terus berlangsung sampai menemukan nilai epoch maksimum Unit input
dilambangkan dengan variabel x, hidden variabel z dan nilai ouput dilambangkan
dengan variabel y, sedangkan nilai bobot antara x dan z dilambangkan dengan
variabel v dan nilai bobot antara z dan y dilambangkan dengan variabel w.
Gambar 4.2 Arsitektur Jaringan Syaraf Tiruan Backpropagation
4.1.2 Pengumpulan Data
Salah satu bidang dimana Backpropagation dapat diaplikasikan dengan baik
adalah bidang peramalan (forecasting). Peramalan backpropagation dalam
penelitian ini akan diaplikasikan untuk peramalan jumlah penumpang yang berada
di Bandar Udara Hang Nadim Batam, peramalan jumlah penumpang
menggunakan jaringan syaraf tiruan backpropagation berdasarkan record data
jumlah penumpang di Bandar Udara Hang Nadim selama tahun terakhir,
16
masalahnya adalah memprediksi berapa jumlah penumpang pada bulan/tahun
yang akan datang di Bandar Udara Hang Nadim Batam.
Secara umum, masalah peramalan jumlah penumpang di Bandar Udara
Hang Nadim Batam dapat dinyatakan sebagai berikut: Diketahui sejumlah data
runtun waktu jumlah penumpang di Banda Uadara Hang Nadim Batam (time
series) x1 , x2 , x3 ,…… , xn. Masalahnya adalah memprediksi berapa jumlah
penumpang di Bandar Udara Hang Nadim Batam pada xn+1 berdasarkan
x1 , x2 , x3 ,…… , xn.
Dengan jaringan syaraf tiruan backpropagation, record data jumlah
penumpang selama 11 tahun yaitu data jumlah penumpang tahun 2004 sampai
dengan tahun 2014, dengan 84 pola data jumlah penumpang dipakai sebagai data
pelatihan pada jaringan untuk mencari bobot yang optimal dan 24 pola data baru
jumlah penumpang yang lain akan dipergunakan untuk menguji keakuratan sistem
di dalam mengenali masukan data yang lain. Untuk itu diperlukan untuk
menetapkan besarnya periode dimana data record berfluktuasi. Penentuan periode
ditentukan secara intuitif, Penetapan data besarnya jumlah penumpang di Bandar
Udara Hang Nadim Batam berdasarkan data jumlah penumpang perbulan, maka
periode data jumlah penumpang yang yang ditetapkan adalah satu tahun karena
terjadi pergantian tahun.
Jumlah data penumpang dalam satu periode ini dipakai sebagai jumlah
masukan dalam jaringan syaraf tiruan backpropagation. Sebagai targetnya
diambil data bulan pertama setelah pereiode berakhir. Pada data jumlah
penumpang bulanan dengan periode jumlah penumpang satu tahun, maka
masukan jaringan syaraf tiruan backpropagation yang dipakai terdiri dari 12
masukan (X). Keluaran adalah satu unit (Y).
4.1.3 Penetapan Pola Data
Seluruh data yang ada merupakan sekumpulan data serial (time series)
jumlah penumpang perbulam selama 11 tahun trakhir yaitu tahun 2004 dan 2014,
dimana data dibagi menjadi 2 bagian yaitu data jumlah penumpang tahun 2007
sampai dengan data jumlah penumpang tahun 2014 sebagai data pelatihan
jaringan syaraf tiruan. Dan data jumlah penumpang tahun 2004 sampai dengan
17
data jumlah penumpang tahun 2006 sebagai data pengujian jaringan syaraf tiruan,
seperti yang ditunjukkan pada tabel 4.1 dan tabel 4.2 di bawah ini.
Tabel 4.1 Jumlah Data Penumpang Tahun 2007 Sampai dengan Tahun 2014 Tiap Bulan Sebagai Data Pelatihan Jaringan Syaraf Tiruan
Tahun Jumlah Penumpan Tiap Bulan
2007Januari Pebruari Maret April Mei Juni108549 84286 104824 96713 107127 113817
Juli Agustus September Oktober November Desember129410 121654 108145 127759 106361 124288
2008Januari Pebruari Maret April Mei Juni113798 100815 119197 102516 104028 101060
Juli Agustus September Oktober November Desember103589 106084 98206 97566 104030 116894
2009Januari Pebruari Maret April Mei Juni112594 98912 109041 115868 116094 124985
Juli Agustus September Oktober November Desember115313 121269 115176 115176 122099 128962
2010Januari Pebruari Maret April Mei Juni111891 110904 112905 125654 135539 123340
Juli Agustus September Oktober November Desember133761 117662 126085 131848 131722 131332
2011Januari Pebruari Maret April Mei Juni128025 120208 129077 124445 129927 133792
Juli Agustus September Oktober November Desember145414 130132 133259 145835 143574 143773
2012Januari Pebruari Maret April Mei Juni146719 129662 141621 135957 145603 151331
Juli Agustus September Oktober November Desember157635 175574 147820 168182 165351 171754
2013Januari Pebruari Maret April Mei Juni166100 142605 162974 151576 171595 179851
Juli Agustus September Oktober November Desember170306 188548 155232 177047 171332 187124
2014Januari Pebruari Maret April Mei Juni179816 166112 163616 156891 179258 194037
Juli Agustus September Oktober November Desember199632 192180 169505 188957 177164 200888
Tabel 4.2 Jumlah Data Penumpang Tahun 2004 Sampai Tahun 2006 Tiap Bulan Sebagai Data Pengujian Jaringan Syaraf Tiruan
Tahun Jumlah Penumpan Tiap Bulan
2004Januari Pebruari Maret April Mei Juni85133 70370 70261 70730 81468 79590
Juli Agustus September Oktober November Desember88388 82934 80180 74468 84891 88736
2005Januari Pebruari Maret April Mei Juni94457 81633 80137 74168 74862 77602
Juli Agustus September Oktober November Desember91995 80147 83900 82924 81362 97406
2006Januari Pebruari Maret April Mei Juni104324 81278 85666 94189 94924 98819
Juli Agustus September Oktober November Desember111541 105651 106459 116690 102137 125085
18
Maka dari seluruh data yang terkumpul dipisahkan menjadi dua bagian,
yaitu masukan dan keluaran. Yang tergolong data masukan secara berurutan
adalah:
1. Jumlah penumpang pada bulan Januari, disimpan pada variabel X1
2. Jumlah penumpang pada bulan Pebruari, disimpan pada variabel X2
3. Jumlah penumpang pada bulan Maret, disimpan pada variabel X3
4. Jumlah penumpang pada bulan April, disimpan pada variabel X4
5. Jumlah penumpang pada bulan Mei, disimpan pada variabel X5
6. Jumlah penumpang pada bulan Juni, disimpan pada variabel X6
7. Jumlah penumpang pada bulan Juli, disimpan pada variabel X7
8. Jumlah penumpang pada bulan Agustus, disimpan pada variabel X8
9. Jumlah penumpang pada bulan September, disimpan pada variabel X9
10. Jumlah penumpang pada bulan Oktober, disimpan pada variabel X10
11. Jumlah penumpang pada bulan November, disimpan pada variabel X11
12. Jumlah penumpang pada bulan Desember, disimpan pada variabel X12
Keduabelas variabel dengan jumlah 84 data jumlah penumpang yang akan
dilatihkan disusun menjadi suatu matriks P, dengan ukuran 84 x 12 dan 24 data
jumlah penumpang yang baru sebagai data penguji ke dalam matriks U, dengan
ukuran 24 x 12.
Keluaran atau target yang diinginkan adalah jumlah data penumpang pada
bulan pertama setiap akhir periode atau pada bulan ketigabelas, seperti yang
ditunjukkan pada tabel berikut ini:
Tabel 4.3 Pola Variabel Data Masukan Dan Data Keluaran (Target) Pada Data Pelatihan Jaringan Syaraf Tiruan
Pola Data Masukan (X1, X2, X3,........,X12) Target
Pola-1Januari Pebruari Maret April Mei Juni
113798108549 84286 104824 96713 107127 113817Juli Agustus September Oktober November Desember
129410 121654 108145 127759 106361 124288
Pola-2Januari Pebruari Maret April Mei Juni
10081584286 104824 96713 107127 113817 129410Juli Agustus September Oktober November Desember
121654 108145 127759 106361 124288 113798
Pola-3Januari Pebruari Maret April Mei Juni
119197104824 96713 107127 113817 129410 121654Juli Agustus September Oktober November Desember
108145 127759 106361 124288 113798 100815
19
Pola-4Januari Pebruari Maret April Mei Juni
10251696713 107127 113817 129410 121654 108145Juli Agustus September Oktober November Desember
127759 106361 124288 113798 100815 119197
Pola-5Januari Pebruari Maret April Mei Juni
104028107127 113817 129410 121654 108145 127759Juli Agustus September Oktober November Desember
106361 124288 113798 100815 119197 102516
Pola-6Januari Pebruari Maret April Mei Juni
101060113817 129410 121654 108145 127759 106361Juli Agustus September Oktober November Desember
124288 113798 100815 119197 102516 104028
Pola-7Januari Pebruari Maret April Mei Juni
103589129410 121654 108145 127759 106361 124288Juli Agustus September Oktober November Desember
113798 100815 119197 102516 104028 101060
Pola-8Januari Pebruari Maret April Mei Juni
106084121654 108145 127759 106361 124288 113798Juli Agustus September Oktober November Desember
100815 119197 102516 104028 101060 103589
Pola-9Januari Pebruari Maret April Mei Juni
98206108145 127759 106361 124288 113798 100815Juli Agustus September Oktober November Desember
119197 102516 104028 101060 103589 106084
Pola-10Januari Pebruari Maret April Mei Juni
97566127759 106361 124288 113798 100815 119197Juli Agustus September Oktober November Desember
102516 104028 101060 103589 106084 98206
Pola-11Januari Pebruari Maret April Mei Juni
104030106361 124288 113798 100815 119197 102516Juli Agustus September Oktober November Desember
104028 101060 103589 106084 98206 97566
Pola-12Januari Pebruari Maret April Mei Juni
116894124288 113798 100815 119197 102516 104028Juli Agustus September Oktober November Desember
101060 103589 106084 98206 97566 104030
Pola-13Januari Pebruari Maret April Mei Juni
112594113798 100815 119197 102516 104028 101060Juli Agustus September Oktober November Desember
103589 106084 98206 97566 104030 116894
Pola-14Januari Pebruari Maret April Mei Juni
98912100815 119197 102516 104028 101060 103589Juli Agustus September Oktober November Desember
106084 98206 97566 104030 116894 112594
Pola-15Januari Pebruari Maret April Mei Juni
119481119197 102516 104028 101060 103589 106084Juli Agustus September Oktober November Desember
98206 97566 104030 116894 112594 98912
Pola-16Januari Pebruari Maret April Mei Juni
109041102516 104028 101060 103589 106084 98206Juli Agustus September Oktober November Desember
97566 104030 116894 112594 98912 119481Pola-17 Januari Pebruari Maret April Mei Juni 115868
104028 101060 103589 106084 98206 97566Juli Agustus September Oktober November Desember
20
104030 116894 112594 98912 119481 109041
Pola-18Januari Pebruari Maret April Mei Juni
116094101060 103589 106084 98206 97566 104030Juli Agustus September Oktober November Desember
116894 112594 98912 119481 109041 115868
Pola-19Januari Pebruari Maret April Mei Juni
124985103589 106084 98206 97566 104030 116894Juli Agustus September Oktober November Desember
112594 98912 119481 109041 115868 116094
Pola-20Januari Pebruari Maret April Mei Juni
115313106084 98206 97566 104030 116894 112594Juli Agustus September Oktober November Desember
98912 119481 109041 115868 116094 124985
Pola-21Januari Pebruari Maret April Mei Juni
12126998206 97566 104030 116894 112594 98912Juli Agustus September Oktober November Desember
119481 109041 115868 116094 124985 115313
Pola-22Januari Pebruari Maret April Mei Juni
11517697566 104030 116894 112594 98912 119481Juli Agustus September Oktober November Desember
109041 115868 116094 124985 115313 121269
Pola-23Januari Pebruari Maret April Mei Juni
122099104030 116894 112594 98912 119481 109041Juli Agustus September Oktober November Desember
115868 116094 124985 115313 121269 115176
Pola-24Januari Pebruari Maret April Mei Juni
128962116894 112594 98912 119481 109041 115868Juli Agustus September Oktober November Desember
116094 124985 115313 121269 115176 122099
Pola-25Januari Pebruari Maret April Mei Juni
111891112594 98912 11481 109041 115868 116094Juli Agustus September Oktober November Desember
124985 115313 121269 115176 122099 128962
Pola-26Januari Pebruari Maret April Mei Juni
11090498912 11481 109041 115868 116094 124985Juli Agustus September Oktober November Desember
115313 121269 115176 122099 128962 111891
Pola-27Januari Pebruari Maret April Mei Juni
11290511481 109041 115868 116094 124985 115313Juli Agustus September Oktober November Desember
121269 115176 122099 128962 111891 110904
Pola-28Januari Pebruari Maret April Mei Juni
125654109041 115868 116094 124985 115313 121269Juli Agustus September Oktober November Desember
115176 122099 128962 111891 110904 112905
Pola-29Januari Pebruari Maret April Mei Juni
135539115868 116094 124985 115313 121269 115176Juli Agustus September Oktober November Desember
122099 128962 111891 110904 112905 125654
Pola-30 Januari Pebruari Maret April Mei Juni
123340116094 124985 115313 121269 115176 122099Juli Agustus September Oktober November Desember
128962 111891 110904 112905 125654 135539Pola-31 Januari Pebruari Maret April Mei Juni 133761
124985 115313 121269 115176 122099 128962
21
Juli Agustus September Oktober November Desember111891 110904 112905 125654 135539 123340
Pola-32Januari Pebruari Maret April Mei Juni
117662115313 121269 115176 122099 128962 111891Juli Agustus September Oktober November Desember
110904 112905 125654 135539 123340 133761
Pola-33Januari Pebruari Maret April Mei Juni
126085121269 115176 122099 128962 111891 110904Juli Agustus September Oktober November Desember
112905 125654 135539 123340 133761 117662
Pola-34Januari Pebruari Maret April Mei Juni
131848115176 122099 128962 111891 110904 112905Juli Agustus September Oktober November Desember
125654 135539 123340 133761 117662 126085
Pola-35Januari Pebruari Maret April Mei Juni
131722122099 128962 111891 110904 112905 125654Juli Agustus September Oktober November Desember
135539 123340 133761 117662 126085 131848
Pola-36Januari Pebruari Maret April Mei Juni
131332128962 111891 110904 112905 125654 135539Juli Agustus September Oktober November Desember
123340 133761 117662 126085 131848 131722
Pola-37Januari Pebruari Maret April Mei Juni
128025111891 110904 112905 125654 135539 123340Juli Agustus September Oktober November Desember
133761 117662 126085 131848 131722 131332
Pola-38Januari Pebruari Maret April Mei Juni
120208110904 112905 125654 135539 123340 133761Juli Agustus September Oktober November Desember
117662 126085 131848 131722 131332 128025
Pola-39Januari Pebruari Maret April Mei Juni
129077112905 125654 135539 123340 133761 117662Juli Agustus September Oktober November Desember
126085 131848 131722 131332 128025 120208
Pola-40Januari Pebruari Maret April Mei Juni
124445125654 135539 123340 133761 117662 126085Juli Agustus September Oktober November Desember
131848 131722 131332 128025 120208 129077
Pola-41Januari Pebruari Maret April Mei Juni
129927135539 123340 133761 117662 126085 131848Juli Agustus September Oktober November Desember
131722 131332 128025 120208 129077 124445
Pola-42Januari Pebruari Maret April Mei Juni
133792123340 133761 117662 126085 131848 131722Juli Agustus September Oktober November Desember
131332 128025 120208 129077 124445 129927
Pola-43Januari Pebruari Maret April Mei Juni
145414133761 117662 126085 131848 131722 131332Juli Agustus September Oktober November Desember
128025 120208 129077 124445 129927 133792
Pola-44Januari Pebruari Maret April Mei Juni
130132117662 126085 131848 131722 131332 128025Juli Agustus September Oktober November Desember
120208 129077 124445 129927 133792 145414Pola-45 Januari Pebruari Maret April Mei Juni 133259
22
126085 131848 131722 131332 128025 120208Juli Agustus September Oktober November Desember
129077 124445 129927 133792 145414 130132
Pola-46Januari Pebruari Maret April Mei Juni
145835131848 131722 131332 128025 120208 129077Juli Agustus September Oktober November Desember
124445 129927 133792 145414 130132 133259
Pola-47Januari Pebruari Maret April Mei Juni
143574131722 131332 128025 120208 129077 124445Juli Agustus September Oktober November Desember
129927 133792 145414 130132 133259 145835
Pola-48Januari Pebruari Maret April Mei Juni
143773131332 128025 120208 129077 124445 129927Juli Agustus September Oktober November Desember
133792 145414 130132 133259 145835 143574
Pola-49Januari Pebruari Maret April Mei Juni
146719128025 120208 129077 124445 129927 133792Juli Agustus September Oktober November Desember
145414 130132 133259 145835 143574 143773
Pola-50Januari Pebruari Maret April Mei Juni
129662120208 129077 124445 129927 133792 145414Juli Agustus September Oktober November Januari
130132 133259 145835 143574 143773 146719
Pola-51Januari Pebruari Maret April Mei Juni
141621129077 124445 129927 133792 145414 130132Juli Agustus September Oktober November Desember
133259 145835 143574 143773 146719 129662
Pola-52Januari Pebruari Maret April Mei Juni
135957124445 129927 133792 145414 130132 133259Juli Agustus September Oktober November Desember
145835 143574 143773 146719 129662 141621
Pola-53Januari Pebruari Maret April Mei Juni
145603129927 133792 145414 130132 133259 145835Juli Agustus September Oktober November Desember
143574 143773 146719 129662 141621 135957
Pola-54Januari Pebruari Maret April Mei Juni
151331133792 145414 130132 133259 145835 143574Juli Agustus September Oktober November Desember
143773 146719 129662 141621 135957 145603
Pola-55Januari Pebruari Maret April Mei Juni
157635145414 130132 133259 145835 143574 143773Juli Agustus September Oktober November Desember
146719 129662 141621 135957 145603 151331
Pola-56Januari Pebruari Maret April Mei Juni
175574130132 133259 145835 143574 143773 146719Juli Agustus September Oktober November Desember
129662 141621 135957 145603 151331 157635
Pola-57Januari Pebruari Maret April Mei Juni
147820133259 145835 143574 143773 146719 129662Juli Agustus September Oktober November Desember
141621 135957 145603 151331 157635 175574
Pola-58Januari Pebruari Maret April Mei Juni
168182145835 143574 143773 146719 129662 141621Juli Agustus September Oktober November Desember
135957 145603 151331 157635 175574 147820
23
Pola-59Januari Pebruari Maret April Mei Juni
165351143574 143773 146719 129662 141621 135957Juli Agustus September Oktober November Desember
145603 151331 157635 175574 147820 168182
Pola-60Januari Pebruari Maret April Mei Juni
171754143773 146719 129662 141621 135957 145603Juli Agustus September Oktober November Desember
151331 157635 175574 147820 168182 165351
Pola-61Januari Pebruari Maret April Mei Juni
166100146719 129662 141621 135957 145603 151331Juli Agustus September Oktober November Desember
157635 175574 147820 168182 165351 171754
Pola-62Januari Pebruari Maret April Mei Juni
142605129662 141621 135957 145603 151331 157635Juli Agustus September Oktober November Desember
175574 147820 168182 165351 171754 166100
Pola-63Januari Pebruari Maret April Mei Juni
162974141621 135957 145603 151331 157635 175574Juli Agustus September Oktober November Desember
147820 168182 165351 171754 166100 142605
Pola-64Januari Pebruari Maret April Mei Juni
151576135957 145603 151331 157635 175574 147820Juli Agustus September Oktober November Desember
168182 165351 171754 166100 142605 162974
Pola-65Januari Pebruari Maret April Mei Juni
171595145603 151331 157635 175574 147820 168182Juli Agustus September Oktober November Desember
165351 171754 166100 142605 162974 151576
Pola-66Januari Pebruari Maret April Mei Juni
179851151331 157635 175574 147820 168182 165351Juli Agustus September Oktober November Desember
171754 166100 142605 162974 151576 171595
Pola-67Januari Pebruari Maret April Mei Juni
170306157635 175574 147820 168182 165351 171754Juli Agustus September Oktober November Desember
166100 142605 162974 151576 171595 179851
Pola-68Januari Pebruari Maret April Mei Juni
188548175574 147820 168182 165351 171754 166100Juli Agustus September Oktober November Desember
142605 162974 151576 171595 179851 170306
Pola-69Januari Pebruari Maret April Mei Juni
155232147820 168182 165351 171754 166100 142605Juli Agustus September Oktober November Desember
162974 151576 171595 179851 170306 188548
Pola-70Januari Pebruari Maret April Mei Juni
177047168182 165351 171754 166100 142605 162974Juli Agustus September Oktober November Desember
151576 171595 179851 170306 188548 155232
Pola-71Januari Pebruari Maret April Mei Juni
171332165351 171754 166100 142605 162974 151576Juli Agustus September Oktober November Desember
171595 179851 170306 188548 155232 177047Pola-72 Januari Pebruari Maret April Mei Juni 187124
171754 166100 142605 162974 151576 171595Juli Agustus September Oktober November Desember
24
179851 170306 188548 155232 177047 171332
Pola-73Januari Pebruari Maret April Mei Juni
179816166100 142605 162974 151576 171595 179851Juli Agustus September Oktober November Desember
170306 188548 155232 177047 171332 187124
Pola-74Januari Pebruari Maret April Mei Juni
166112142605 162974 151576 171595 179851 170306Juli Agustus September Oktober November Desember
188548 155232 177047 171332 187124 179816
Pola-75Januari Pebruari Maret April Mei Juni
163616162974 151576 171595 179851 170306 188548Juli Agustus September Oktober November Desember
155232 177047 171332 187124 179816 166112
Pola-76Januari Pebruari Maret April Mei Juni
156891151576 171595 179851 170306 188548 155232Juli Agustus September Oktober November Desember
177047 171332 187124 179816 166112 163616
Pola-77Januari Pebruari Maret April Mei Juni
179258171595 179851 170306 188548 155232 177047Juli Agustus September Oktober November Desember
171332 187124 179816 166112 163616 156891
Pola-78Januari Pebruari Maret April Mei Juni
194037179851 170306 188548 155232 177047 171332Juli Agustus September Oktober November Desember
187124 179816 166112 163616 156891 179258
Pola-79Januari Pebruari Maret April Mei Juni
199632170306 188548 155232 177047 171332 187124Juli Agustus September Oktober November Desember
179816 166112 163616 156891 179258 194037
Pola-80Januari Pebruari Maret April Mei Juni
192180188548 155232 177047 171332 187124 179816Juli Agustus September Oktober November Desember
166112 163616 156891 179258 194037 199632
Pola-81Januari Pebruari Maret April Mei Juni
169505155232 177047 171332 187124 179816 166112Juli Agustus September Oktober November Desember
163616 156891 179258 194037 199632 192180
Pola-82Januari Pebruari Maret April Mei Juni
188957177047 171332 187124 179816 166112 163616Juli Agustus September Oktober November Desember
156891 179258 194037 199632 192180 169505
Pola-83Januari Pebruari Maret April Mei Juni
177164171332 187124 179816 166112 163616 156891Juli Agustus September Oktober November Desember
179258 194037 199632 192180 169505 188957
Pola-84Januari Pebruari Maret April Mei Juni
200888187124 179816 166112 163616 156891 179258Juli Agustus September Oktober November Desember
194037 199632 192180 169505 188957 177164
25
Tabel 4.4 Pola Variabel Data Masukan Dan Data Keluaran (Target) Pada Data Pengujian Jaringan Syaraf Tiruan
Pola Data Masukan (X1, X2, X3,........,X12) Target
Pola-1Januari Pebruari Maret April Mei Juni
9445785133 70370 70261 70730 81468 79590Juli Agustus September Oktober November Desember
88388 82934 80180 74468 84891 88736
Pola-2Januari Pebruari Maret April Mei Juni
8163370370 70261 70730 81468 79590 88388Juli Agustus September Oktober November Desember
82934 80180 74468 84891 88736 94457
Pola-3Januari Pebruari Maret April Mei Juni
8013770261 70730 81468 79590 88388 82934Juli Agustus September Oktober November Desember
80180 74468 84891 88736 94457 81633
Pola-4Januari Pebruari Maret April Mei Juni
7416870730 81468 79590 88388 82934 80180Juli Agustus September Oktober November Desember
74468 84891 88736 94457 81633 80137
Pola-5Januari Pebruari Maret April Mei Juni
7486281468 79590 88388 82934 80180 74468Juli Agustus September Oktober November Desember
84891 88736 94457 81633 80137 74168
Pola-6Januari Pebruari Maret April Mei Juni
7760279590 88388 82934 80180 74468 84891Juli Agustus September Oktober November Desember
88736 94457 81633 80137 74168 74862
Pola-7Januari Pebruari Maret April Mei Juni
9199588388 82934 80180 74468 84891 88736Juli Agustus September Oktober November Desember
94457 81633 80137 74168 74862 77602
Pola-8Januari Pebruari Maret April Mei Juni
8014782934 80180 74468 84891 88736 94457Juli Agustus September Oktober November Desember
81633 80137 74168 74862 77602 91995
Pola-9Januari Pebruari Maret April Mei Juni
8390082934 80180 74468 84891 88736 81633Juli Agustus September Oktober November Desember
80137 74168 74862 77602 91995 80147
Pola-10Januari Pebruari Maret April Mei Juni
8292480180 74468 84891 88736 81633 80137Juli Agustus September Oktober November Desember
74168 74862 77602 91995 80147 83900
Pola-11Januari Pebruari Maret April Mei Juni
8136274468 84891 88736 81633 80137 74168Juli Agustus September Oktober November Desember
74862 77602 91995 80147 83900 82924
Pola-12Januari Pebruari Maret April Mei Juni
9740684891 88736 81633 80137 74168 74862Juli Agustus September Oktober November Desember
77602 91995 80147 83900 82924 81362
Pola-13Januari Pebruari Maret April Mei Juni
10432494457 81633 80137 74168 74862 77602Juli Agustus September Oktober November Desember
91995 80147 83900 82924 81362 97406
26
Pola-14Januari Pebruari Maret April Mei Juni
8227881633 80137 74168 74862 77602 91995Juli Agustus September Oktober November Desember
80147 83900 82924 81362 97406 104324
Pola-15Januari Pebruari Maret April Mei Juni
8566680137 74168 74862 77602 91995 80147Juli Agustus September Oktober November Desember
83900 82924 81362 97406 104324 82278
Pola-16Januari Pebruari Maret April Mei Juni
9418974168 74862 77602 91995 80147 83900Juli Agustus September Oktober November Desember
82924 81362 97406 104324 82278 85666
Pola-17Januari Pebruari Maret April Mei Juni
9492474862 77602 91995 80147 83900 82924Juli Agustus September Oktober November Desember
81362 97406 104324 82278 85666 94189
Pola-18Januari Pebruari Maret April Mei Juni
9881977602 91995 80147 83900 82924 81362Juli Agustus September Oktober November Desember
97406 104324 82278 85666 94189 94924
Pola-19Januari Pebruari Maret April Mei Juni
11154191995 80147 83900 82924 81362 97406Juli Agustus September Oktober November Desember
104324 82278 85666 94189 94924 98819
Pola-20Januari Pebruari Maret April Mei Juni
10565180147 83900 82924 81362 97406 104324Juli Agustus September Oktober November Desember
82278 85666 94189 94924 98819 111541
Pola-21Januari Pebruari Maret April Mei Juni
10645983900 82924 81362 97406 104324 82278Juli Agustus September Oktober November Desember
85666 94189 94924 98819 111541 105651
Pola-22Januari Pebruari Maret April Mei Juni
11669082924 81362 97406 104324 82278 85666Juli Agustus September Oktober November Desember
94189 94924 98819 111541 105651 106459
Pola-23Januari Pebruari Maret April Mei Juni
10213781362 97406 104324 82278 85666 94189Juli Agustus September Oktober November Desember
94924 98819 111541 105651 106459 116690
Pola-24Januari Pebruari Maret April Mei Juni
12508597406 104324 82278 85666 94189 94924Juli Agustus September Oktober November Desember
98819 111541 105651 106459 116690 102137
4.1.4 Transformasi Pola Data
Karena ingin menggunakan fungsi aktivasi sigmoid (biner), maka harus
ditransformasikan dulu karena range keluaran fungsi aktivasi sigmoid adalah [0,
1]. Data bisa ditransformasikan ke interval [0, 1]. Tapi akan lebih baik jika
ditransformasikan ke interval yang lebih kecil. Maka data dalam penelitian ini
27
akan ditransformasikan pada interval [0,1 . 0,9], ini mengingat fungsi sigmoid
merupakan fungsi asimtotik yang nilainya tidak pernah mencapai 0 ataupun 1.
Jika a adalah data minimum jumlah penumpang perbulan dan b adalah data
maksimum jumlah penumpang perbulan, maka transformasi linear yang dapat
dipakai untuk mentransformasikan data ke interval [0,1 . 0,9] adalah:
X '=0,8( X−a)
b−a+0,1 ……………………………………………………… (4.1)
Data dalam tabel 4.1, a = 1.42.605. dan b = 2.00.888. Dengantransformasi ini
maka data terkecil akan menjadi 0,1 dan data terbesar akan menjadi 0,9. Tabel 4.3
adalah hasil transformasi data tabel 4.1 yang nantinya akan dipakai sebagai data
pelatihan jaringan syaraf tiruan backpropagation.
Tabel 4.5 Transformasi Data Jumlah Penumpang Tahun 2007 Sampai dengan Tahun 2014 Tiap Bulan Sebagai Data Pelatihan Jaringan Syaraf Tiruan
Tahun Jumlah Penumpan Tiap Bulan
2007Januari Pebruari Maret April Mei Juni0,2665 0,1 02409 0,1853 0,2567 0,3026
Juli Agustus September Oktober November Desember0,4096 0,3564 0,2637 0,3983 0,2515 0,3745
2008Januari Pebruari Maret April Mei Juni0,3025 0,2134 0,3395 0,2251 0,2354 0,2151
Juli Agustus September Oktober November Desember0,2324 0,2496 0,1955 0,1911 0,2355 0,3237
2009Januari Pebruari Maret April Mei Juni0,2942 0,2003 0,3415 0,2698 0,3167 0,3182
Juli Agustus September Oktober November Desember0,3792 0,3129 0,3537 0,3119 0,3594 0,4065
2010Januari Pebruari Maret April Mei Juni0,2894 0,2826 0,2964 0,3838 0,4516 0,3679
Juli Agustus September Oktober November Desember0,4394 0,3290 0,3868 0,4263 0,4255 0,4229
2011Januari Pebruari Maret April Mei Juni0,4001 0,3465 0,4073 0,3755 0,4131 0,4397
Juli Agustus September Oktober November Desember0,5194 0,4145 0,4360 0,5223 0,5068 0,5081
2012Januari Pebruari Maret April Mei Juni0,5283 0,4113 0,4934 0,4545 0,5207 0,5600
Juli Agustus September Oktober November Desember0,6032 0,7263 0,5359 0,6756 0,6561 0,7001
2013Januari Pebruari Maret April Mei Juni0,6613 0,5001 0,6399 0,5617 0,6990 0,7557
Juli Agustus September Oktober November Desember0,6902 0,8153 0,5868 0,7364 0,6972 0,8056
2014Januari Pebruari Maret April Mei Juni0,7554 0,6614 0,6443 0,5981 0,7516 0,8530
Juli Agustus September Oktober November Desember0,8914 0,8403 0,6847 0,8181 0,7372 0,9
28
Tabel 4.6 Transformasi Data Jumlah Penumpang Tahun 2004 Sampai dengan Tahun 2006 Tiap Bulan Sebagai Data Pengujian Jaringan Syaraf Tiruan
Tahun Jumlah Penumpan Tiap Bulan
2004Januari Pebruari Maret April Mei Juni0,3170 0,1016 0,1 0,1068 0,2635 0,2361
Juli Agustus September Oktober November Desember0,3645 0,2849 0,2447 0,1614 0,3135 0,3696
2005Januari Pebruari Maret April Mei Juni0,4531 0,2660 0,2441 0,1570 0,1671 0,2071
Juli Agustus September Oktober November Desember0,4171 0,2443 0,2990 0,2848 0,2620 0,4961
2006Januari Pebruari Maret April Mei Juni0,5971 0,2754 0,3248 0,4492 0,4599 0,5167
Juli Agustus September Oktober November Desember0,7024 0,6164 0,6282 0,7775 0,5651 0,9
Pola data hasil tranformasi data pelatihan dan data pengujian seperti yang tampak
dalam tabel 4.7 dan tabel 4.8.
Tabel 4.7 Transformasi Pola Variabel Data Masukan dan Data Keluaran (Target) Pada Data Pelatihan Jaringan Syaraf Tiruan
Pola Data Masukan (X1, X2, X3,........,X12) Target
Pola-1Januari Pebruari Maret April Mei Juni
0,30250,2665 0,1 02409 0,1853 0,2567 0,3026Juli Agustus September Oktober November Desember
0,4096 0,3564 0,2637 0,3983 0,2515 0,3745
Pola-2Januari Pebruari Maret April Mei Juni
0,21340,1 02409 0,1853 0,2567 0,3026 0,4096Juli Agustus September Oktober November Desember
0,3564 0,2637 0,3983 0,2515 0,3745 0,3025
Pola-3Januari Pebruari Maret April Mei Juni
0,339502409 0,1853 0,2567 0,3026 0,4096 0,3564Juli Agustus September Oktober November Desember
0,2637 0,3983 0,2515 0,3745 0,3025 0,2134
Pola-4Januari Pebruari Maret April Mei Juni
0,22510,1853 0,2567 0,3026 0,4096 0,3564 0,2637Juli Agustus September Oktober November Desember
0,3983 0,2515 0,3745 0,3025 0,2134 0,3395
Pola-5Januari Pebruari Maret April Mei Juni
0,23540,2567 0,3026 0,4096 0,3564 0,2637 0,3983Juli Agustus September Oktober November Desember
0,2515 0,3745 0,3025 0,2134 0,3395 0,2251
Pola-6Januari Pebruari Maret April Mei Juni
0,21510,3026 0,4096 0,3564 0,2637 0,3983 0,2515Juli Agustus September Oktober November Desember
0,3026 0,4096 0,3564 0,2637 0,3983 0,2354
Pola-7Januari Pebruari Maret April Mei Juni
0,23240,4096 0,3564 0,2637 0,3983 0,2354 0,3026Juli Agustus September Oktober November Desember
0,4096 0,3564 0,2637 0,3983 0,2354 0,2151Pola-8 Januari Pebruari Maret April Mei Juni 0,2496
0,3564 0,2637 0,3983 0,2354 0,3026 0,4096
29
Juli Agustus September Oktober November Desember0,3564 0,2637 0,3983 0,2354 0,2151 0,2324
Pola-9Januari Pebruari Maret April Mei Juni
0,19550,2637 0,3983 0,2354 0,3026 0,4096 0,3564Juli Agustus September Oktober November Desember
0,2637 0,3983 0,2354 0,2151 0,2324 0,2496
Pola-10Januari Pebruari Maret April Mei Juni
0,19110,3983 0,2354 0,3026 0,4096 0,3564 0,2637Juli Agustus September Oktober November Desember
0,3983 0,2354 0,2151 0,2324 0,2496 0,1955
Pola-11Januari Pebruari Maret April Mei Juni
0,23550,2354 0,3026 0,4096 0,3564 0,2637 0,3983Juli Agustus September Oktober November Desember
0,2354 0,2151 0,2324 0,2496 0,1955 0,1911
Pola-12Januari Pebruari Maret April Mei Juni
0,32370,3026 0,4096 0,3564 0,2637 0,3983 0,2354Juli Agustus September Oktober November Desember
0,2151 0,2324 0,2496 0,1955 0,1911 0,2355
Pola-13Januari Pebruari Maret April Mei Juni
0,29420,3025 0,2134 0,3395 0,2251 0,2354 0,2151Juli Agustus September Oktober November Desember
0,2324 0,2496 0,1955 0,1911 0,2355 0,3237
Pola-14Januari Pebruari Maret April Mei Juni
0,20030,2134 0,3395 0,2251 0,2354 0,2151 0,2324Juli Agustus September Oktober November Desember
0,2496 0,1955 0,1911 0,2355 0,3237 0,2942
Pola-15Januari Pebruari Maret April Mei Juni
0,34150,3395 0,2251 0,2354 0,2151 0,2324 0,2496Juli Agustus September Oktober November Desember
0,1955 0,1911 0,2355 0,3237 0,2942 0,2003
Pola-16Januari Pebruari Maret April Mei Juni
0,26980,2251 0,2354 0,2151 0,2324 0,2496 0,1955Juli Agustus September Oktober November Desember
0,1911 0,2355 0,3237 0,2942 0,2003 0,3415
Pola-17Januari Pebruari Maret April Mei Juni
0,31670,2354 0,2151 0,2324 0,2496 0,1955 0,1911Juli Agustus September Oktober November Desember
0,2355 0,3237 0,2942 0,2003 0,3415 0,2698
Pola-18Januari Pebruari Maret April Mei Juni
0,31820,2151 0,2324 0,2496 0,1955 0,1911 0,2355Juli Agustus September Oktober November Desember
0,3237 0,2942 0,2003 0,3415 0,2698 0,3167
Pola-19Januari Pebruari Maret April Mei Juni
0,37920,2324 0,2496 0,1955 0,1911 0,2355 0,3237Juli Agustus September Oktober November Desember
0,2942 0,2003 0,3415 0,2698 0,3167 0,3182
Pola-20Januari Pebruari Maret April Mei Juni
0,31290,2496 0,1955 0,1911 0,2355 0,3237 0,2942Juli Agustus September Oktober November Desember
0,2003 0,3415 0,2698 0,3167 0,3182 0,3792
Pola-21Januari Pebruari Maret April Mei Juni
0,35370,1955 0,1911 0,2355 0,3237 0,2942 0,2003Juli Agustus September Oktober November Desember
0,3415 0,2698 0,3167 0,3182 0,3792 0,3129Pola-22 Januari Pebruari Maret April Mei Juni 0,3119
30
0,1911 0,2355 0,3237 0,2942 0,2003 0,3415Juli Agustus September Oktober November Desember
0,2698 0,3167 0,3182 0,3792 0,3129 0,3537
Pola-23Januari Pebruari Maret April Mei Juni
0,35940,2355 0,3237 0,2942 0,2003 0,3415 0,2698Juli Agustus September Oktober November Desember
0,3167 0,3182 0,3792 0,3129 0,3537 0,3119
Pola-24Januari Pebruari Maret April Mei Juni
0,40650,3237 0,2942 0,2003 0,3415 0,2698 0,3167Juli Agustus September Oktober November Desember
0,3182 0,3792 0,3129 0,3537 0,3119 0,3594
Pola-25Januari Pebruari Maret April Mei Juni
0,28940,2942 0,2003 0,3415 0,2698 0,3167 0,3182Juli Agustus September Oktober November Desember
0,3792 0,3129 0,3537 0,3119 0,3594 0,4065
Pola-26Januari Pebruari Maret April Mei Juni
0,28260,2003 0,3415 0,2698 0,3167 0,3182 0,3792Juli Agustus September Oktober November Desember
0,3129 0,3537 0,3119 0,3594 0,4065 0,2894
Pola-27Januari Pebruari Maret April Mei Juni
0,29640,3415 0,2698 0,3167 0,3182 0,3792 0,3129Juli Agustus September Oktober November Desember
0,3537 0,3119 0,3594 0,4065 0,2894 0,2826
Pola-28Januari Pebruari Maret April Mei Juni
0,38380,2698 0,3167 0,3182 0,3792 0,3129 0,3537Juli Agustus September Oktober November Desember
0,3119 0,3594 0,4065 0,2894 0,2826 0,2964
Pola-29Januari Pebruari Maret April Mei Juni
0,45160,3167 0,3182 0,3792 0,3129 0,3537 0,3119Juli Agustus September Oktober November Desember
0,3594 0,4065 0,2894 0,2826 0,2964 0,3838
Pola-30Januari Pebruari Maret April Mei Juni
0,36790,3182 0,3792 0,3129 0,3537 0,3119 0,3594Juli Agustus September Oktober November Desember
0,4065 0,2894 0,2826 0,2964 0,3838 0,4516
Pola-31Januari Pebruari Maret April Mei Juni
0,43940,3792 0,3129 0,3537 0,3119 0,3594 0,4065Juli Agustus September Oktober November Desember
0,2894 0,2826 0,2964 0,3838 0,4516 0,3679
Pola-32Januari Pebruari Maret April Mei Juni
0,32900,3129 0,3537 0,3119 0,3594 0,4065 0,2894Juli Agustus September Oktober November Desember
0,2826 0,2964 0,3838 0,4516 0,3679 0,4394
Pola-33Januari Pebruari Maret April Mei Juni
0,38680,3537 0,3119 0,3594 0,4065 0,2894 0,2826Juli Agustus September Oktober November Desember
0,2964 0,3838 0,4516 0,3679 0,4394 0,3290
Pola-34Januari Pebruari Maret April Mei Juni
0,42630,3119 0,3594 0,4065 0,2894 0,2826 0,2964Juli Agustus September Oktober November Desember
0,3838 0,4516 0,3679 0,4394 0,3290 0,3868
Pola-35Januari Pebruari Maret April Mei Juni
0,42550,3594 0,4065 0,2894 0,2826 0,2964 0,3838Juli Agustus September Oktober November Desember
0,4516 0,3679 0,4394 0,3290 0,3868 0,4263
31
Pola-36Januari Pebruari Maret April Mei Juni
0,42290,4065 0,2894 0,2826 0,2964 0,3838 0,4516Juli Agustus September Oktober November Desember
0,3679 0,4394 0,3290 0,3868 0,4263 0,4255
Pola-37Januari Pebruari Maret April Mei Juni
0,40010,2894 0,2826 0,2964 0,3838 0,4516 0,3679Juli Agustus September Oktober November Desember
0,4394 0,3290 0,3868 0,4263 0,4255 0,4229
Pola-38Januari Pebruari Maret April Mei Juni
0,34650,2826 0,2964 0,3838 0,4516 0,3679 0,4394Juli Agustus September Oktober November Desember
0,3290 0,3868 0,4263 0,4255 0,4229 0,4001
Pola-39Januari Pebruari Maret April Mei Juni
0,40730,2964 0,3838 0,4516 0,3679 0,4394 0,3290Juli Agustus September Oktober November Desember
0,3868 0,4263 0,4255 0,4229 0,4001 0,3465
Pola-40Januari Pebruari Maret April Mei Juni
0,37550,3838 0,4516 0,3679 0,4394 0,3290 0,3868Juli Agustus September Oktober November Desember
0,4263 0,4255 0,4229 0,4001 0,3465 0,4073
Pola-41Januari Pebruari Maret April Mei Juni
0,41310,4516 0,3679 0,4394 0,3290 0,3868 0,4263Juli Agustus September Oktober November Desember
0,4255 0,4229 0,4001 0,3465 0,4073 0,3755
Pola-42Januari Pebruari Maret April Mei Juni
0,43970,3679 0,4394 0,3290 0,3868 0,4263 0,4255Juli Agustus September Oktober November Desember
0,4229 0,4001 0,3465 0,4073 0,3755 0,4131
Pola-43Januari Pebruari Maret April Mei Juni
0,51940,4394 0,3290 0,3868 0,4263 0,4255 0,4229Juli Agustus September Oktober November Desember
0,4001 0,3465 0,4073 0,3755 0,4131 0,4397
Pola-44Januari Pebruari Maret April Mei Juni
0,41450,3290 0,3868 0,4263 0,4255 0,4229 0,4001Juli Agustus September Oktober November Desember
0,3465 0,4073 0,3755 0,4131 0,4397 0,5194
Pola-45Januari Pebruari Maret April Mei Juni
0,43600,3868 0,4263 0,4255 0,4229 0,4001 0,3465Juli Agustus September Oktober November Desember
0,4073 0,3755 0,4131 0,4397 0,5194 0,4145
Pola-46Januari Pebruari Maret April Mei Juni
0,52230,4263 0,4255 0,4229 0,4001 0,3465 0,4073Juli Agustus September Oktober November Desember
0,3755 0,4131 0,4397 0,5194 0,4145 0,4360
Pola-47Januari Pebruari Maret April Mei Juni
0,50680,4255 0,4229 0,4001 0,3465 0,4073 0,3755Juli Agustus September Oktober November Desember
0,4131 0,4397 0,5194 0,4145 0,4360 0,5223
Pola-48Januari Pebruari Maret April Mei Juni
0,50810,4229 0,4001 0,3465 0,4073 0,3755 0,4131Juli Agustus September Oktober November Desember
0,4397 0,5194 0,4145 0,4360 0,5223 0,5068Pola-49 Januari Pebruari Maret April Mei Juni 0,5283
0,4001 0,3465 0,4073 0,3755 0,4131 0,4397Juli Agustus September Oktober November Desember
32
0,5194 0,4145 0,4360 0,5223 0,5068 0,5081
Pola-50Januari Pebruari Maret April Mei Juni
0,41130,3465 0,4073 0,3755 0,4131 0,4397 0,5194Juli Agustus September Oktober November Desember
0,4145 0,4360 0,5223 0,5068 0,5081 0,5283
Pola-51Januari Pebruari Maret April Mei Juni
0,49340,4073 0,3755 0,4131 0,4397 0,5194 0,4145Juli Agustus September Oktober November Desember
0,4360 0,5223 0,5068 0,5081 0,5283 0,4113
Pola-52Januari Pebruari Maret April Mei Juni
0,45450,3755 0,4131 0,4397 0,5194 0,4145 0,4360Juli Agustus September Oktober November Desember
0,5223 0,5068 0,5081 0,5283 0,4113 0,4934
Pola-53Januari Pebruari Maret April Mei Juni
0,52070,4131 0,4397 0,5194 0,4145 0,4360 0,5223Juli Agustus September Oktober November Desember
0,5068 0,5081 0,5283 0,4113 0,4934 0,4545
Pola-54Januari Pebruari Maret April Mei Juni
0,56000,4397 0,5194 0,4145 0,4360 0,5223 0,5068Juli Agustus September Oktober November Desember
0,5081 0,5283 0,4113 0,4934 0,4545 0,5207
Pola-55Januari Pebruari Maret April Mei Juni
0,60320,5194 0,4145 0,4360 0,5223 0,5068 0,5081Juli Agustus September Oktober November Desember
0,5283 0,4113 0,4934 0,4545 0,5207 0,5600
Pola-56Januari Pebruari Maret April Mei Juni
0,72630,4145 0,4360 0,5223 0,5068 0,5081 0,5283Juli Agustus September Oktober November Desember
0,4113 0,4934 0,4545 0,5207 0,5600 0,6032
Pola-57Januari Pebruari Maret April Mei Juni
0,53590,4360 0,5223 0,5068 0,5081 0,5283 0,4113Juli Agustus September Oktober November Desember
0,4934 0,4545 0,5207 0,5600 0,6032 0,7263
Pola-58Januari Pebruari Maret April Mei Juni
0,67560,5223 0,5068 0,5081 0,5283 0,4113 0,4934Juli Agustus September Oktober November Desember
0,4545 0,5207 0,5600 0,6032 0,7263 0,5359
Pola-59Januari Pebruari Maret April Mei Juni
0,65610,5068 0,5081 0,5283 0,4113 0,4934 0,4545Juli Agustus September Oktober November Desember
0,5207 0,5600 0,6032 0,7263 0,5359 0,6756
Pola-60Januari Pebruari Maret April Mei Juni
0,70010,5081 0,5283 0,4113 0,4934 0,4545 0,5207Juli Agustus September Oktober November Desember
0,5600 0,6032 0,7263 0,5359 0,6756 0,6561
Pola-61Januari Pebruari Maret April Mei Juni
0,66130,5283 0,4113 0,4934 0,4545 0,5207 0,5600Juli Agustus September Oktober November Desember
0,6032 0,7263 0,5359 0,6756 0,6561 0,7001
Pola-62Januari Pebruari Maret April Mei Juni
0,50010,4113 0,4934 0,4545 0,5207 0,5600 0,6032Juli Agustus September Oktober November Desember
0,7263 0,5359 0,6756 0,6561 0,7001 0,6613Pola-63 Januari Pebruari Maret April Mei Juni 0,6399
0,4934 0,4545 0,5207 0,5600 0,6032 0,7263
33
Juli Agustus September Oktober November Desember0,5359 0,6756 0,6561 0,7001 0,6613 0,5001
Pola-64Januari Pebruari Maret April Mei Juni
0,56170,4545 0,5207 0,5600 0,6032 0,7263 0,5359Juli Agustus September Oktober November Desember
0,6756 0,6561 0,7001 0,6613 0,5001 0,6399
Pola-65Januari Pebruari Maret April Mei Juni
0,69900,5207 0,5600 0,6032 0,7263 0,5359 0,6756Juli Agustus September Oktober November Desember
0,6561 0,7001 0,6613 0,5001 0,6399 0,5617
Pola-66Januari Pebruari Maret April Mei Juni
0,75570,5600 0,6032 0,7263 0,5359 0,6756 0,6561Juli Agustus September Oktober November Desember
0,7001 0,6613 0,5001 0,6399 0,5617 0,6990
Pola-67Januari Pebruari Maret April Mei Juni
0,69020,6032 0,7263 0,5359 0,6756 0,6561 0,7001Juli Agustus September Oktober November Desember
0,6613 0,5001 0,6399 0,5617 0,6990 0,7557
Pola-68Januari Pebruari Maret April Mei Juni
0,81530,7263 0,5359 0,6756 0,6561 0,7001 0,6613Juli Agustus September Oktober November Desember
0,5001 0,6399 0,5617 0,6990 0,7557 0,6902
Pola-69Januari Pebruari Maret April Mei Juni
0,58680,5359 0,6756 0,6561 0,7001 0,6613 0,5001Juli Agustus September Oktober November Desember
0,6399 0,5617 0,6990 0,7557 0,6902 0,8153
Pola-70Januari Pebruari Maret April Mei Juni
0,73640,6756 0,6561 0,7001 0,6613 0,5001 0,6399Juli Agustus September Oktober November Desember
0,5617 0,6990 0,7557 0,6902 0,8153 0,5868
Pola-71Januari Pebruari Maret April Mei Juni
0,69720,6561 0,7001 0,6613 0,5001 0,6399 0,5617Juli Agustus September Oktober November Desember
0,6990 0,7557 0,6902 0,8153 0,5868 0,7364
Pola-72Januari Pebruari Maret April Mei Juni
0,80560,7001 0,6613 0,5001 0,6399 0,5617 0,6990Juli Agustus September Oktober November Desember
0,7557 0,6902 0,8153 0,5868 0,7364 0,6972
Pola-73Januari Pebruari Maret April Mei Juni
0,75540,6613 0,5001 0,6399 0,5617 0,6990 0,7557Juli Agustus September Oktober November Desember
0,6902 0,8153 0,5868 0,7364 0,6972 0,8056
Pola-74Januari Pebruari Maret April Mei Juni
0,66140,5001 0,6399 0,5617 0,6990 0,7557 0,6902Juli Agustus September Oktober November Desember
0,8153 0,5868 0,7364 0,6972 0,8056 0,7554
Pola-75Januari Pebruari Maret April Mei Juni
0,64430,6399 0,5617 0,6990 0,7557 0,6902 0,8153Juli Agustus September Oktober November Desember
0,5868 0,7364 0,6972 0,8056 0,7554 0,6614
Pola-76Januari Pebruari Maret April Mei Juni
0,59810,5617 0,6990 0,7557 0,6902 0,8153 0,5868Juli Agustus September Oktober November Desember
0,7364 0,6972 0,8056 0,7554 0,6614 0,6443Pola-77 Januari Pebruari Maret April Mei Juni 0,7516
34
0,6990 0,7557 0,6902 0,8153 0,5868 0,7364Juli Agustus September Oktober November Desember
0,6972 0,8056 0,7554 0,6614 0,6443 0,5981
Pola-78Januari Pebruari Maret April Mei Juni
0,85300,7557 0,6902 0,8153 0,5868 0,7364 0,6990Juli Agustus September Oktober November Desember
0,8056 0,7554 0,6614 0,6443 0,5981 0,7516
Pola-79Januari Pebruari Maret April Mei Juni
0,89140,6902 0,8153 0,5868 0,7364 0,6990 0,8056Juli Agustus September Oktober November Desember
0,7554 0,6614 0,6443 0,5981 0,7516 0,8530
Pola-80Januari Pebruari Maret April Mei Juni
0,84030,8153 0,5868 0,7364 0,6990 0,8056 0,7554Juli Agustus September Oktober November Desember
0,6614 0,6443 0,5981 0,7516 0,8530 0,8914
Pola-81Januari Pebruari Maret April Mei Juni
0,68470,5868 0,7364 0,6990 0,8056 0,7554 0,6614Juli Agustus September Oktober November Desember
0,6443 0,5981 0,7516 0,8530 0,8914 0,8403
Pola-82Januari Pebruari Maret April Mei Juni
0,81810,7364 0,6990 0,8056 0,7554 0,6614 0,6443Juli Agustus September Oktober November Desember
0,5981 0,7516 0,8530 0,8914 0,8403 0,6847
Pola-83Januari Pebruari Maret April Mei Juni
0,73720,6990 0,8056 0,7554 0,6614 0,6443 0,5981Juli Agustus September Oktober November Desember
0,7516 0,8530 0,8914 0,8403 0,6847 0,8181
Pola-84Januari Pebruari Maret April Mei Juni
0,90,8056 0,7554 0,6614 0,6443 0,5981 0,7516Juli Agustus September Oktober November Desember
0,8530 0,8914 0,8403 0,6847 0,8181 0,7372
Tabel 4.8 Transformasi Pola Variabel Data Masukan dan Data Keluaran (Target) Pada Data Pengujian Jaringan Syaraf Tiruan
Pola Data Masukan (X1, X2, X3,........,X12) Target
Pola-1Januari Pebruari Maret April Mei Juni
0,45310,3170 0,1016 0,1 0,1068 0,2635 0,2361Juli Agustus September Oktober November Desember
0,3645 0,2849 0,2447 0,1614 0,3135 0,3696
Pola-2Januari Pebruari Maret April Mei Juni
0,26600,1016 0,1 0,1068 0,2635 0,2361 0,3645Juli Agustus September Oktober November Desember
0,2849 0,2447 0,1614 0,3135 0,3696 0,4531
Pola-3Januari Pebruari Maret April Mei Juni
0,24410,1 0,1068 0,2635 0,2361 0,3645 0,2849Juli Agustus September Oktober November Desember
0,2447 0,1614 0,3135 0,3696 0,4531 0,2660
Pola-4Januari Pebruari Maret April Mei Juni
0,15700,1068 0,2635 0,2361 0,3645 0,2849 0,2447Juli Agustus September Oktober November Desember
0,1614 0,3135 0,3696 0,4531 0,2660 0,2441Pola-5 Januari Pebruari Maret April Mei Juni 0,1671
0,2635 0,2361 0,3645 0,2849 0,2447 0,1614Juli Agustus September Oktober November Desember
35
0,3135 0,3696 0,4531 0,2660 0,2441 0,1570
Pola-6Januari Pebruari Maret April Mei Juni
0,20710,2361 0,3645 0,2849 0,2447 0,1614 0,3135Juli Agustus September Oktober November Desember
0,3696 0,4531 0,2660 0,2441 0,1570 0,1671
Pola-7Januari Pebruari Maret April Mei Juni
0,41710,3645 0,2849 0,2447 0,1614 0,3135 0,3696Juli Agustus September Oktober November Desember
0,4531 0,2660 0,2441 0,1570 0,1671 0,2071
Pola-8Januari Pebruari Maret April Mei Juni
0,24430,2849 0,2447 0,1614 0,3135 0,3696 0,4531Juli Agustus September Oktober November Desember
0,2660 0,2441 0,1570 0,1671 0,2071 0,4171
Pola-9Januari Pebruari Maret April Mei Juni
0,29900,2447 0,1614 0,3135 0,3696 0,4531 0,2660Juli Agustus September Oktober November Desember
0,2441 0,1570 0,1671 0,2071 0,4171 0,2443
Pola-10Januari Pebruari Maret April Mei Juni
0,28480,1614 0,3135 0,3696 0,4531 0,2660 0,2441Juli Agustus September Oktober November Desember
0,1570 0,1671 0,2071 0,4171 0,2443 0,2990
Pola-11Januari Pebruari Maret April Mei Juni
0,26200,3135 0,3696 0,4531 0,2660 0,2441 0,1570Juli Agustus September Oktober November Desember
0,1671 0,2071 0,4171 0,2443 0,2990 0,2848
Pola-12Januari Pebruari Maret April Mei Juni
0,49610,3696 0,4531 0,2660 0,2441 0,1570 0,1671Juli Agustus September Oktober November Desember
0,2071 0,4171 0,2443 0,2990 0,2848 0,2620
Pola-13Januari Pebruari Maret April Mei Juni
0,59710,4531 0,2660 0,2441 0,1570 0,1671 0,2071Juli Agustus September Oktober November Desember
0,4171 0,2443 0,2990 0,2848 0,2620 0,4961
Pola-14Januari Pebruari Maret April Mei Juni
0,27540,2660 0,2441 0,1570 0,1671 0,2071 0,4171Juli Agustus September Oktober November Desember
0,2443 0,2990 0,2848 0,2620 0,4961 0,5971
Pola-15Januari Pebruari Maret April Mei Juni
0,32480,2441 0,1570 0,1671 0,2071 0,4171 0,2443Juli Agustus September Oktober November Desember
0,2990 0,2848 0,2620 0,4961 0,5971 0,2754
Pola-16Januari Pebruari Maret April Mei Juni
0,44920,1570 0,1671 0,2071 0,4171 0,2443 0,2990Juli Agustus September Oktober November Desember
0,2848 0,2620 0,4961 0,5971 0,2754 0,3248
Pola-17Januari Pebruari Maret April Mei Juni
0,45990,1671 0,2071 0,4171 0,2443 0,2990 0,2848Juli Agustus September Oktober November Desember
0,2620 0,4961 0,5971 0,2754 0,3248 0,4492
Pola-18Januari Pebruari Maret April Mei Juni
0,51670,2071 0,4171 0,2443 0,2990 0,2848 0,2620Juli Agustus September Oktober November Desember
0,4961 0,5971 0,2754 0,3248 0,4492 0,4599Pola-19 Januari Pebruari Maret April Mei Juni 0,7024
0,4171 0,2443 0,2990 0,2848 0,2620 0,4961
36
Juli Agustus September Oktober November Desember0,5971 0,2754 0,3248 0,4492 0,4599 0,5167
Pola-20Januari Pebruari Maret April Mei Juni
0,61640,2443 0,2990 0,2848 0,2620 0,4961 0,5971Juli Agustus September Oktober November Desember
0,2754 0,3248 0,4492 0,4599 0,5167 0,7024
Pola-21Januari Pebruari Maret April Mei Juni
0,62640,2990 0,2848 0,2620 0,4961 0,5971 0,2754Juli Agustus September Oktober November Desember
0,3248 0,4492 0,4599 0,5167 0,7024 0,6164
Pola-22Januari Pebruari Maret April Mei Juni
0,62820,2848 0,2620 0,4961 0,5971 0,2754 0,3248Juli Agustus September Oktober November Desember
0,4492 0,4599 0,5167 0,7024 0,6164 0,6264
Pola-23Januari Pebruari Maret April Mei Juni
0,77750,2848 0,2620 0,4961 0,5971 0,2754 0,4492Juli Agustus September Oktober November Desember
0,4599 0,5167 0,7024 0,6164 0,6264 0,6282
Pola-24Januari Pebruari Maret April Mei Juni
0,90,2620 0,4961 0,5971 0,2754 0,4492 0,4599Juli Agustus September Oktober November Desember
0,5167 0,7024 0,6164 0,6264 0,6282 0,7775
4.1.5 Inisialisasi Parameter
Parameter yang diset untuk pembelajaran adalah traingdm. Traingdm
merupakan fungsi pembelajaran untuk bobot-bobot dengan menggunakan nilai
momentum. Selain itu, terdapat beberapa nilai parameter yang harus diset untuk
pelatihan. Parameter-parameter tersebut yaitu:
1. Maksimum epoh
Epoh adalah perulangan atau iterasi dari proses yang dilakukan untuk
mencapai target yang telah ditentukan. Maksimum epoh adalah jumlah epoh
maksimum yang boleh dilakukan selama proses pelatihan. Iterasi akan
dihentikan apabila nilai epoh melebihi maksimum epoh.
Instruksi : net.trainParam.epochs = MaxEpoh
Nilai standar untuk maksimum epoh adalah 10.
2. Kinerja Tujuan
Kinerja tujuan adalah target nilai fungsi kinerja. Iterasi akan dihentikan
apabila nilai fungsi kinerja kurang dari atau sama dengan kinerja tujuan.
Instruksi : net.trainParam.goal = TargetError
Nilai standar untuk kinerja tujuan adalah 0.
37
3. Learning Rate
Learning rate adalah laju pembelajaran yang berupa perkalian negatif dari
gradien untuk menetukan perubahan pada nilai bobot dan bias. Semakin
besar nilai learning rate akan berimplikasi pada semakin besarnya langkah
pembelajaran. Jika learning rate diset terlalu besar, maka algoritma akan
menjadi tidak stabil. Sebaliknya, jika learning rate diset terlalu kecil maka
algoritma akan mencapai target dalam jangka waktu yang sangat lama.
Instruksi : net.trainParam.lr = LearningRate
Nilai standar untuk learning rate adalah 0.01.
4. Momentum
Momentum adalah konstanta yang mempengaruhi besarnya perubahan
bobot.
Instruksi : net.trainParam.mc = Momentum
Nilai standar untuk momentum adalah 0 sampai 1.
5. Jumlah epoh yang akan ditunjukkan kemajuannya.
Menunjukkan berapa jumlah epoh berselang yang akan ditunjukkan
kemajuannya.
Instruksi : net.trainParam.show = EpohShow
Nilai standar untuk jumlah epoh yang akan ditunjukkan adalah 10.
4.1.6 Pola Pelatihan dan Pengujian Data
Untuk mendapatkan suatu metode yang baik dalam sistem peramalan
digunakan tingkat ketelitian sebagai ukuran. Semakin tinggi tingkat ketelitian
yang didapat maka semakin baik metode tersebut. Setelah dilakukan pelatihan dan
pengujian didapat hasil- hasil penelitian dengan klasifikasi terhadap error
maksimum yang dapat tercapai.
Besarnya nilai error yang dicapai tersebut menentukan seberapa besar nilai
ketepatan yang dapat dilakukan dalam peramalan. Untuk serangkaian data yang
akan ditentukan nilainya, berbeda tingkat penyimpangannya yang secara
terakumulasi membentuk hasil peramalan tersebut. Untuk memudahkan analisis,
maka hasil-hasilnya ditampilkan dalam bentuk grafik.
38
Pembentukan pola peramalan yang terbentuk secara implisit oleh Jaringan
Syaraf Tiruan terlihat pada grafik dibawah ini yang merupakan hasil dari
komputasi simulator yang digunakan dengan parameter-parameter yang
mempengaruhinya.
Pembentukan jaringan disesuaikan dengan pola data yang didapat. Data
awal dimasukan dalam simulator untuk dilakukan komputasi dengan
memperhatikan pola data yang ada. Adapun tahap-tahap yang ada :
1. Plot data untuk membentuk pola.
Masukan data-data yang akan digunakan ke simulator untuk melalui tahap
proses belajar/pengenalan pola. Pada bagian ini perlu ditentukan jumlah
variabel masukan, keluaran, dan jumlah pasangan pola yang diberikan
2. Plot data tes.
Memasukan data-data ke dalam simulator, yang akan digunakan untuk tahap
proses pengetesan atas hasil pembentukan pola peramalan oleh jaringan
syaraf tiruan. Pengetesan pola dimasukan untuk melihat kemampuan model
yang telah dihasilkan oleh jaringan syaraf tiruan (JST) pada tahap
peramalan yang telah dibentuk sebelumnya.
3. Tahap normalisasi data
Data-data masukan sebelum diproses dalam simulator, terlebih dahulu
dilakukan proses normalisasi. Dimana diperlukan untuk lebih mempercepat
konvergensi pencarian (pembentukan) pola dan proses yang dibutuhkan
oleh fungsi sigmoid dalam kinerjanya sebagai fungsi aktivasi neuron. Jika
masukan dari parameter tersebut diluar rentang (range) yang dinginkan
yaitu dalam range 0 sampai dengan 1, maka konvergensi pada saat
pembentukan pola tidak akan pernah tercapai.
4. Menentukan tingkat error.
Dalam penelitian ini akan digunakan tingkat error yang bervariasi, dengan
tujuan untuk melihat sejauh mana kemampuan jaringan syaraf tiruan dalam
mengenal pola sampai membentuk pola. Tingkat error yang digunakan
mulai dari 0,1 (10 %) sampai dengan 0,01 (1 %).
5. Menentukan jumlah lapis (layer).
39
Lapis (layer) yang digunakan pada jaringan syaraf tiruan terdiri dari 3 (tiga)
lapis yaitu lapis masukan (input layer), lapis tersembunyi (hidden layer),
dan lapis keluaran (output layer). Pada penelitian ini data-data yang
digunakan memiliki satu lapis masukan dan satu lapis keluaran. Pada lapis
tersembunyi akan digunakan sistem trial and error untuk mendapatkan hasil
keluaran yang lebih baik. Semakin banyak hidden layer yang digunakan
biasanya akan semakin banyak waktu yangdigunakan untuk melatih pola.
6. Plot bobot interkoneksi.
Menggunakan bobot secara acak untuk membentuk bobot koneksi yang
dapat memetakan vektor masukan ke vektor keluaran. Bobot acak ini
merupakan bobot awal yang akan digunakan untuk melatih pola oleh
jaringan syaraf tiruan.
Pada tahap pembentukan selanjutnya, data-data diproses oleh simulator
jaringan syaraf tiruan dengan memperhatikan parameter-parameter yang
diberikan, yaitu berupa maksimum epoh, learning rate, momentum, jumlah layer,
jumlah sel dalam setiap layernya, dan target. Melalui kombinasi parameter ini
terjadi proses internalisasi dalam jaringan sehingga terbentuklah pola peramalan
secara implisit. Pola peramalan inilah yang menjadi model peramalan dengan
jaringan syaraf tiruan backpropagation.
4.2 Hasil
4.2.1 Analisis Model Peramalan
Pada tahap ini dilakukan analisis terhadap hasil-hasil pembentukan pola data
oleh simulator jaringan syaraf tiruan (JST) dan juga pembentukan pola peramalan
dari hasil perhitungan berdasarkan metode regresi linier yang menyatakan
hubungan antara variabel masukan data dengan variabel keluaran data menjadi
satu fungsi. Fungsi tersebut di dalam peramalan digunakan sebagai usaha untuk
melihat pola hubungan yang ada pada masa lalu. Berdasarkan literatur,
pendekatan dengan metode regresi pada umumnya memberikan pemahaman yang
lebih baik mengenai keadaan berdasarkan hubungan tersebut.
40
4.2.2 Peramalan Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Pola Data dengan Data Pelatihan yang dilatihkan dan Data pengujian Dengan Target Error 0,01
(a)
41
(b)
Gambar 4.3 Grafik Hasil Keluaran Jaringan Syaraf Tiruan Backpropagation Data Pelatihan dengan Target Error 0,01
Berdasarkan pada Gambar 4.3 dapat diketahui hasil dari proses jaringan syaraf
tiruan backpropagation yang ditampilkan dalam bentuk grafik. Untuk
mendapatkan hasil tersebut diperlukan parameter sistem masukan untuk
pembentukan pola. Parameter sistem dari pola yang dibentuk, yaitu:
Net Size: Input Layer : 12 sel
Hidden Layer : 10 sel
Output Layer : 1 Sel
Maksimum epoh / iterasi : 1000
Show Epoh : 25
Learning Rate : 0,5
Momentum : 0,8
Goal / Target : 0,01
Bobot : -1 sampai dengan 1
Fungsi Neuron : Sigmoid
Pada Gambar 4.3a menunjukkan proses pembelajaran pada setiap epoh. Pada
proses ini, iterasi dihentikan pada epoh ke-9, karena fungsi kinerja tujuannya
sudah tercapai ( MSE = 0,00925< 0,01). Gambar 4.3b menunjukkan hubungan
antara target dengan output jaringan pada data pelatihan. Dari pengujian pada data
pelatihan untuk kecocokan antara output jaringan dengan target diperoleh
koefisien korelasi (R) bernilai 0,968 dimana untuk hasil terbaik adalah bernilai 1.
Tabel 4.9 Hasil Peramalan Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Pola Data Dengan Data Pelatihan yang dilatihkan
No Data Masukan (X1, X2, X3,........,X12) Target Prediksi ErrorJanuari Pebruari Maret April Mei Juni
0,3025 0,2912 0,01130,2665 0,1 02409 0,1853 0,2567 0,3026
Juli Agustus September Oktober November Desember0,4096 0,3564 0,2637 0,3983 0,2515 0,3745
2Januari Pebruari Maret April Mei Juni
0,2134 0,2219 -0,00850,1 02409 0,1853 0,2567 0,3026 0,4096Juli Agustus September Oktober November Desember
0,3564 0,2637 0,3983 0,2515 0,3745 0,3025
3Januari Pebruari Maret April Mei Juni
0,3395 0,3331 0,006402409 0,1853 0,2567 0,3026 0,4096 0,3564Juli Agustus September Oktober November Desember
0,2637 0,3983 0,2515 0,3745 0,3025 0,21344 Januari Pebruari Maret April Mei Juni 0,2251
0,1853 0,2567 0,3026 0,4096 0,3564 0,2637
42
0,2135 0,0116Juli Agustus September Oktober November Desember
0,3983 0,2515 0,3745 0,3025 0,2134 0,3395
5Januari Pebruari Maret April Mei Juni
0,2354 0,2909 -0,05540,2567 0,3026 0,4096 0,3564 0,2637 0,3983
Juli Agustus September Oktober November Desember0,2515 0,3745 0,3025 0,2134 0,3395 0,2251
6Januari Pebruari Maret April Mei Juni
0,2151 0,2238 -0,00870,3026 0,4096 0,3564 0,2637 0,3983 0,2515Juli Agustus September Oktober November Desember
0,3026 0,4096 0,3564 0,2637 0,3983 0,2354
7Januari Pebruari Maret April Mei Juni
0,2324 0,23008 0,00230,4096 0,3564 0,2637 0,3983 0,2354 0,3026
Juli Agustus September Oktober November Desember0,4096 0,3564 0,2637 0,3983 0,2354 0,2151
8Januari Pebruari Maret April Mei Juni
0,2496 0,2655 -0,01590,3564 0,2637 0,3983 0,2354 0,3026 0,4096
Juli Agustus September Oktober November Desember0,3564 0,2637 0,3983 0,2354 0,2151 0,2324
9Januari Pebruari Maret April Mei Juni
0,1955 0,2712 -0,07570,2637 0,3983 0,2354 0,3026 0,4096 0,3564
Juli Agustus September Oktober November Desember0,2637 0,3983 0,2354 0,2151 0,2324 0,2496
10Januari Pebruari Maret April Mei Juni
0,1911 0,1809 0,01020,3983 0,2354 0,3026 0,4096 0,3564 0,2637
Juli Agustus September Oktober November Desember0,3983 0,2354 0,2151 0,2324 0,2496 0,1955
11Januari Pebruari Maret April Mei Juni
0,2355 0,2223 0,01310,2354 0,3026 0,4096 0,3564 0,2637 0,3983Juli Agustus September Oktober November Desember
0,2354 0,2151 0,2324 0,2496 0,1955 0,1911
12Januari Pebruari Maret April Mei Juni
0,3237 0,3254 -0,00170,3026 0,4096 0,3564 0,2637 0,3983 0,2354Juli Agustus September Oktober November Desember
0,2151 0,2324 0,2496 0,1955 0,1911 0,2355
13Januari Pebruari Maret April Mei Juni
0,2942 0,2845 0,00970,3025 0,2134 0,3395 0,2251 0,2354 0,2151Juli Agustus September Oktober November Desember
0,2324 0,2496 0,1955 0,1911 0,2355 0,3237
14Januari Pebruari Maret April Mei Juni
0,2003 0,2038 -0,00350,2134 0,3395 0,2251 0,2354 0,2151 0,2324Juli Agustus September Oktober November Desember
0,2496 0,1955 0,1911 0,2355 0,3237 0,2942
15Januari Pebruari Maret April Mei Juni
0,3415 0,3445 -0,00300,3395 0,2251 0,2354 0,2151 0,2324 0,2496
Juli Agustus September Oktober November Desember0,1955 0,1911 0,2355 0,3237 0,2942 0,2003
16Januari Pebruari Maret April Mei Juni
0,2698 0,2715 -0,00170,2251 0,2354 0,2151 0,2324 0,2496 0,1955Juli Agustus September Oktober November Desember
0,1911 0,2355 0,3237 0,2942 0,2003 0,3415
17Januari Pebruari Maret April Mei Juni
0,3167 0,3259 -0,00920,2354 0,2151 0,2324 0,2496 0,1955 0,1911
Juli Agustus September Oktober November Desember0,2355 0,3237 0,2942 0,2003 0,3415 0,2698
18
Januari Pebruari Maret April Mei Juni
0,3182 0,3212 -0,00300,2151 0,2324 0,2496 0,1955 0,1911 0,2355
Juli Agustus September Oktober November Desember
0,3237 0,2942 0,2003 0,3415 0,2698 0,3167
19Januari Pebruari Maret April Mei Juni
0,3792 0,3442 0,03500,2324 0,2496 0,1955 0,1911 0,2355 0,3237
Juli Agustus September Oktober November Desember0,2942 0,2003 0,3415 0,2698 0,3167 0,3182
20Januari Pebruari Maret April Mei Juni
0,3129 0,2992 0,01370,2496 0,1955 0,1911 0,2355 0,3237 0,2942
Juli Agustus September Oktober November Desember0,2003 0,3415 0,2698 0,3167 0,3182 0,3792
21 Januari Pebruari Maret April Mei Juni 0,35370,1955 0,1911 0,2355 0,3237 0,2942 0,2003
43
0,3342 0,0195Juli Agustus September Oktober November Desember
0,3415 0,2698 0,3167 0,3182 0,3792 0,3129
22Januari Pebruari Maret April Mei Juni
0,3119 0,3020 0,00990,1911 0,2355 0,3237 0,2942 0,2003 0,3415Juli Agustus September Oktober November Desember
0,2698 0,3167 0,3182 0,3792 0,3129 0,3537
23Januari Pebruari Maret April Mei Juni
0,3594 0,3326 0,02680,2355 0,3237 0,2942 0,2003 0,3415 0,2698
Juli Agustus September Oktober November Desember0,3167 0,3182 0,3792 0,3129 0,3537 0,3119
24Januari Pebruari Maret April Mei Juni
0,4065 0,4111 -0,00460,3237 0,2942 0,2003 0,3415 0,2698 0,3167Juli Agustus September Oktober November Desember
0,3182 0,3792 0,3129 0,3537 0,3119 0,3594
25Januari Pebruari Maret April Mei Juni
0,2894 0,3288 -0,03930,2942 0,2003 0,3415 0,2698 0,3167 0,3182
Juli Agustus September Oktober November Desember0,3792 0,3129 0,3537 0,3119 0,3594 0,4065
26Januari Pebruari Maret April Mei Juni
0,2826 0,2949 -0,01240,2003 0,3415 0,2698 0,3167 0,3182 0,3792
Juli Agustus September Oktober November Desember0,3129 0,3537 0,3119 0,3594 0,4065 0,2894
27Januari Pebruari Maret April Mei Juni
0,2964 0,3707 -0,07430,3415 0,2698 0,3167 0,3182 0,3792 0,3129
Juli Agustus September Oktober November Desember0,3537 0,3119 0,3594 0,4065 0,2894 0,2826
28Januari Pebruari Maret April Mei Juni
0,3838 0,3795 0,00430,2698 0,3167 0,3182 0,3792 0,3129 0,3537Juli Agustus September Oktober November Desember
0,3119 0,3594 0,4065 0,2894 0,2826 0,2964
29Januari Pebruari Maret April Mei Juni
0,4516 0,4276 0,02400,3167 0,3182 0,3792 0,3129 0,3537 0,3119Juli Agustus September Oktober November Desember
0,3594 0,4065 0,2894 0,2826 0,2964 0,3838
30Januari Pebruari Maret April Mei Juni
0,3679 0,3683 -0,00040,3182 0,3792 0,3129 0,3537 0,3119 0,3594Juli Agustus September Oktober November Desember
0,4065 0,2894 0,2826 0,2964 0,3838 0,4516
31Januari Pebruari Maret April Mei Juni
0,4394 0,4291 0,01030,3792 0,3129 0,3537 0,3119 0,3594 0,4065
Juli Agustus September Oktober November Desember0,2894 0,2826 0,2964 0,3838 0,4516 0,3679
32Januari Pebruari Maret April Mei Juni
0,3290 0,3487 -0,01970,3129 0,3537 0,3119 0,3594 0,4065 0,2894
Juli Agustus September Oktober November Desember0,2826 0,2964 0,3838 0,4516 0,3679 0,4394
33Januari Pebruari Maret April Mei Juni
0,3868 0,3827 0,00400,3537 0,3119 0,3594 0,4065 0,2894 0,2826
Juli Agustus September Oktober November Desember0,2964 0,3838 0,4516 0,3679 0,4394 0,3290
34Januari Pebruari Maret April Mei Juni
0,4263 0,4292 -0,00290,3119 0,3594 0,4065 0,2894 0,2826 0,2964
Juli Agustus September Oktober November Desember0,3838 0,4516 0,3679 0,4394 0,3290 0,3868
35Januari Pebruari Maret April Mei Juni
0,4255 0,3819 0,04350,3594 0,4065 0,2894 0,2826 0,2964 0,3838
Juli Agustus September Oktober November Desember0,4516 0,3679 0,4394 0,3290 0,3868 0,4263
36Januari Pebruari Maret April Mei Juni
0,4229 0,4982 -0,07530,4065 0,2894 0,2826 0,2964 0,3838 0,4516
Juli Agustus September Oktober November Desember0,3679 0,4394 0,3290 0,3868 0,4263 0,4255
37Januari Pebruari Maret April Mei Juni
0,4001 0,3907 0,00940,2894 0,2826 0,2964 0,3838 0,4516 0,3679
Juli Agustus September Oktober November Desember0,4394 0,3290 0,3868 0,4263 0,4255 0,4229
38Januari Pebruari Maret April Mei Juni
0,3465 0,3807 -0,03420,2826 0,2964 0,3838 0,4516 0,3679 0,4394Juli Agustus September Oktober November Desember
44
0,3290 0,3868 0,4263 0,4255 0,4229 0,4001
39Januari Pebruari Maret April Mei Juni
0,4073 0,3723 0,03490,2964 0,3838 0,4516 0,3679 0,4394 0,3290
Juli Agustus September Oktober November Desember0,3868 0,4263 0,4255 0,4229 0,4001 0,3465
40Januari Pebruari Maret April Mei Juni
0,3755 0,3785 -0,00300,3838 0,4516 0,3679 0,4394 0,3290 0,3868Juli Agustus September Oktober November Desember
0,4263 0,4255 0,4229 0,4001 0,3465 0,4073
41Januari Pebruari Maret April Mei Juni
0,4131 0,4131 -0,000030,4516 0,3679 0,4394 0,3290 0,3868 0,4263Juli Agustus September Oktober November Desember
0,4255 0,4229 0,4001 0,3465 0,4073 0,3755
42Januari Pebruari Maret April Mei Juni
0,4397 0,4301 0,00960,3679 0,4394 0,3290 0,3868 0,4263 0,4255
Juli Agustus September Oktober November Desember0,4229 0,4001 0,3465 0,4073 0,3755 0,4131
43Januari Pebruari Maret April Mei Juni
0,5194 0,5099 0,00950,4394 0,3290 0,3868 0,4263 0,4255 0,4229Juli Agustus September Oktober November Desember
0,4001 0,3465 0,4073 0,3755 0,4131 0,4397
44Januari Pebruari Maret April Mei Juni
0,4145 0,4162 -0,00170,3290 0,3868 0,4263 0,4255 0,4229 0,4001
Juli Agustus September Oktober November Desember0,3465 0,4073 0,3755 0,4131 0,4397 0,5194
45Januari Pebruari Maret April Mei Juni
0,4360 0,4403 -0,00430,3868 0,4263 0,4255 0,4229 0,4001 0,3465Juli Agustus September Oktober November Desember
0,4073 0,3755 0,4131 0,4397 0,5194 0,4145
46Januari Pebruari Maret April Mei Juni
0,5223 0,4676 0,05470,4263 0,4255 0,4229 0,4001 0,3465 0,4073
Juli Agustus September Oktober November Desember0,3755 0,4131 0,4397 0,5194 0,4145 0,4360
47Januari Pebruari Maret April Mei Juni
0,5068 0,5041 0,00270,4255 0,4229 0,4001 0,3465 0,4073 0,3755Juli Agustus September Oktober November Desember
0,4131 0,4397 0,5194 0,4145 0,4360 0,5223
48Januari Pebruari Maret April Mei Juni
0,5081 0,4943 0,01380,4229 0,4001 0,3465 0,4073 0,3755 0,4131Juli Agustus September Oktober November Desember
0,4397 0,5194 0,4145 0,4360 0,5223 0,5068
49Januari Pebruari Maret April Mei Juni
0,5283 0,5169 0,01140,4001 0,3465 0,4073 0,3755 0,4131 0,4397Juli Agustus September Oktober November Desember
0,5194 0,4145 0,4360 0,5223 0,5068 0,5081
50Januari Pebruari Maret April Mei Juni
0,4113 0,4041 0,00720,3465 0,4073 0,3755 0,4131 0,4397 0,5194
Juli Agustus September Oktober November Desember0,4145 0,4360 0,5223 0,5068 0,5081 0,5283
51Januari Pebruari Maret April Mei Juni
0,4934 0,5086 -0,01520,4073 0,3755 0,4131 0,4397 0,5194 0,4145
Juli Agustus September Oktober November Desember0,4360 0,5223 0,5068 0,5081 0,5283 0,4113
52Januari Pebruari Maret April Mei Juni
0,4545 0,4525 0,00200,3755 0,4131 0,4397 0,5194 0,4145 0,4360
Juli Agustus September Oktober November Desember0,5223 0,5068 0,5081 0,5283 0,4113 0,4934
53Januari Pebruari Maret April Mei Juni
0,5207 0,5208 -0,000070,4131 0,4397 0,5194 0,4145 0,4360 0,5223Juli Agustus September Oktober November Desember
0,5068 0,5081 0,5283 0,4113 0,4934 0,4545
54Januari Pebruari Maret April Mei Juni
0,5600 0,5296 0,03040,4397 0,5194 0,4145 0,4360 0,5223 0,5068
Juli Agustus September Oktober November Desember0,5081 0,5283 0,4113 0,4934 0,4545 0,5207
55Januari Pebruari Maret April Mei Juni
0,6032 0,6026 0,00060,5194 0,4145 0,4360 0,5223 0,5068 0,5081Juli Agustus September Oktober November Desember
0,5283 0,4113 0,4934 0,4545 0,5207 0,5600
45
56Januari Pebruari Maret April Mei Juni
0,7263 0,5864 0,13990,4145 0,4360 0,5223 0,5068 0,5081 0,5283Juli Agustus September Oktober November Desember
0,4113 0,4934 0,4545 0,5207 0,5600 0,6032
57
Januari Pebruari Maret April Mei Juni
0,53590,5316 0,00430,4360 0,5223 0,5068 0,5081 0,5283 0,4113
Juli Agustus September Oktober November Desember
0,4934 0,4545 0,5207 0,5600 0,6032 0,7263
58Januari Pebruari Maret April Mei Juni
0,6756 0,6756 0,00000,5223 0,5068 0,5081 0,5283 0,4113 0,4934
Juli Agustus September Oktober November Desember0,4545 0,5207 0,5600 0,6032 0,7263 0,5359
59Januari Pebruari Maret April Mei Juni
0,6561 0,6593 -0,00330,5068 0,5081 0,5283 0,4113 0,4934 0,4545Juli Agustus September Oktober November Desember
0,5207 0,5600 0,6032 0,7263 0,5359 0,6756
60Januari Pebruari Maret April Mei Juni
0,7001 0,6953 0,00480,5081 0,5283 0,4113 0,4934 0,4545 0,5207
Juli Agustus September Oktober November Desember0,5600 0,6032 0,7263 0,5359 0,6756 0,6561
61Januari Pebruari Maret April Mei Juni
0,6613 0,6649 -0,00360,5283 0,4113 0,4934 0,4545 0,5207 0,5600Juli Agustus September Oktober November Desember
0,6032 0,7263 0,5359 0,6756 0,6561 0,7001
62Januari Pebruari Maret April Mei Juni
0,5001 0,5000 0,000060,4113 0,4934 0,4545 0,5207 0,5600 0,6032Juli Agustus September Oktober November Desember
0,7263 0,5359 0,6756 0,6561 0,7001 0,6613
63Januari Pebruari Maret April Mei Juni
0,6399 0,6372 0,00260,4934 0,4545 0,5207 0,5600 0,6032 0,7263
Juli Agustus September Oktober November Desember0,5359 0,6756 0,6561 0,7001 0,6613 0,5001
64Januari Pebruari Maret April Mei Juni
0,5617 0,5628 -0,00110,4545 0,5207 0,5600 0,6032 0,7263 0,5359
Juli Agustus September Oktober November Desember0,6756 0,6561 0,7001 0,6613 0,5001 0,6399
65Januari Pebruari Maret April Mei Juni
0,6990 0,6984 0,00060,5207 0,5600 0,6032 0,7263 0,5359 0,6756Juli Agustus September Oktober November Desember
0,6561 0,7001 0,6613 0,5001 0,6399 0,5617
66Januari Pebruari Maret April Mei Juni
0,7557 0,6764 0,079230,5600 0,6032 0,7263 0,5359 0,6756 0,6561Juli Agustus September Oktober November Desember
0,7001 0,6613 0,5001 0,6399 0,5617 0,6990
67Januari Pebruari Maret April Mei Juni
0,6902 0,691228 -0,00100,6032 0,7263 0,5359 0,6756 0,6561 0,7001
Juli Agustus September Oktober November Desember0,6613 0,5001 0,6399 0,5617 0,6990 0,7557
68Januari Pebruari Maret April Mei Juni
0,8153 0,8102 0,00510,7263 0,5359 0,6756 0,6561 0,7001 0,6613Juli Agustus September Oktober November Desember
0,5001 0,6399 0,5617 0,6990 0,7557 0,6902
69Januari Pebruari Maret April Mei Juni
0,5868 0,5768 0,01000,5359 0,6756 0,6561 0,7001 0,6613 0,5001
Juli Agustus September Oktober November Desember0,6399 0,5617 0,6990 0,7557 0,6902 0,8153
70Januari Pebruari Maret April Mei Juni
0,7364 0,7319 0,00450,6756 0,6561 0,7001 0,6613 0,5001 0,6399Juli Agustus September Oktober November Desember
0,5617 0,6990 0,7557 0,6902 0,8153 0,5868
71Januari Pebruari Maret April Mei Juni
0,6972 0,6967 0,00050,6561 0,7001 0,6613 0,5001 0,6399 0,5617
Juli Agustus September Oktober November Desember0,6990 0,7557 0,6902 0,8153 0,5868 0,7364
72Januari Pebruari Maret April Mei Juni
0,8056 0,8040 0,00160,7001 0,6613 0,5001 0,6399 0,5617 0,6990Juli Agustus September Oktober November Desember
0,7557 0,6902 0,8153 0,5868 0,7364 0,6972
46
73Januari Pebruari Maret April Mei Juni
0,7554 0,7541 0,00130,6613 0,5001 0,6399 0,5617 0,6990 0,7557Juli Agustus September Oktober November Desember
0,6902 0,8153 0,5868 0,7364 0,6972 0,8056
74Januari Pebruari Maret April Mei Juni
0,66140,6632 -0,00190,5001 0,6399 0,5617 0,6990 0,7557 0,6902
Juli Agustus September Oktober November Desember0,8153 0,5868 0,7364 0,6972 0,8056 0,7554
75Januari Pebruari Maret April Mei Juni
0,6443 0,6461 -0,00190,6399 0,5617 0,6990 0,7557 0,6902 0,8153Juli Agustus September Oktober November Desember
0,5868 0,7364 0,6972 0,8056 0,7554 0,6614
76Januari Pebruari Maret April Mei Juni
0,5981 0,5942 0,00190,5617 0,6990 0,7557 0,6902 0,8153 0,5868Juli Agustus September Oktober November Desember
0,7364 0,6972 0,8056 0,7554 0,6614 0,6443
77Januari Pebruari Maret April Mei Juni
0,7516 0,7516 0,000050,6990 0,7557 0,6902 0,8153 0,5868 0,7364Juli Agustus September Oktober November Desember
0,6972 0,8056 0,7554 0,6614 0,6443 0,5981
78Januari Pebruari Maret April Mei Juni
0,8530 0,8511 0,00190,7557 0,6902 0,8153 0,5868 0,7364 0,6990Juli Agustus September Oktober November Desember
0,8056 0,7554 0,6614 0,6443 0,5981 0,7516
79Januari Pebruari Maret April Mei Juni
0,8914 0,8924 -0,00100,6902 0,8153 0,5868 0,7364 0,6990 0,8056Juli Agustus September Oktober November Desember
0,7554 0,6614 0,6443 0,5981 0,7516 0,8530
80Januari Pebruari Maret April Mei Juni
0,8403 0,8398 0,00050,8153 0,5868 0,7364 0,6990 0,8056 0,7554
Juli Agustus September Oktober November Desember0,6614 0,6443 0,5981 0,7516 0,8530 0,8914
81Januari Pebruari Maret April Mei Juni
0,6847 0,6820 0,00270,5868 0,7364 0,6990 0,8056 0,7554 0,6614
Juli Agustus September Oktober November Desember0,6443 0,5981 0,7516 0,8530 0,8914 0,8403
82Januari Pebruari Maret April Mei Juni
0,8181 0,8214 -0,00330,7364 0,6990 0,8056 0,7554 0,6614 0,6443Juli Agustus September Oktober November Desember
0,5981 0,7516 0,8530 0,8914 0,8403 0,6847
83Januari Pebruari Maret April Mei Juni
0,7372 0,7402 -0,00310,6990 0,8056 0,7554 0,6614 0,6443 0,5981Juli Agustus September Oktober November Desember
0,7516 0,8530 0,8914 0,8403 0,6847 0,8181
84Januari Pebruari Maret April Mei Juni
0,9 0,8979 0,00210,8056 0,7554 0,6614 0,6443 0,5981 0,7516
Juli Agustus September Oktober November Desember0,8530 0,8914 0,8403 0,6847 0,8181 0,7372
Tabel di atas menunjukkan bahwa pelatihan yang dilakukan oleh jaringan syaraf tiruan backpropagation mencapai hasil 84 data sesuai target (100%) seperti yang ditampilkan oleh komputer (network output) seluruh data output sesuai dengan target yang ditentukan.
Setelah hampir seluruh data yang dilatihkan dikenali, jaringan akan di uji dengan 24 data baru yang belum pernah dilatihkan. Hal ini berfungsi untuk menguji seberapa besar
47
jaringan mengenali data baru. Hasil pengujian terhadap data baru seperti yang ditunjukkan oleh tabel 4.10 di bawah ini.
Tabel 4.10 Hasil Peramalan Jaringan Syaraf Tiruan Backpropagation Menggunakan Data Baru Seberapa Besar Jaringan Mengenali Data Baru.
No Data Masukan (X1, X2, X3,........,X12) Target Prediksi Error
1Januari Pebruari Maret April Mei Juni
0,4531 0,4547 -0,00160,3170 0,1016 0,1 0,1068 0,2635 0,2361Juli Agustus September Oktober November Desember
0,3645 0,2849 0,2447 0,1614 0,3135 0,3696
2Januari Pebruari Maret April Mei Juni
0,2660 0,2689 -0,00290,1016 0,1 0,1068 0,2635 0,2361 0,3645Juli Agustus September Oktober November Desember
0,2849 0,2447 0,1614 0,3135 0,3696 0,4531
3Januari Pebruari Maret April Mei Juni
0,2441 0,2485 -0,00440,1 0,1068 0,2635 0,2361 0,3645 0,2849Juli Agustus September Oktober November Desember
0,2447 0,1614 0,3135 0,3696 0,4531 0,2660
4Januari Pebruari Maret April Mei Juni
0,1570 0,1556 0,00140,1068 0,2635 0,2361 0,3645 0,2849 0,2447Juli Agustus September Oktober November Desember
0,1614 0,3135 0,3696 0,4531 0,2660 0,2441
5Januari Pebruari Maret April Mei Juni
0,1671 0,1648 0,00230,2635 0,2361 0,3645 0,2849 0,2447 0,1614Juli Agustus September Oktober November Desember
0,3135 0,3696 0,4531 0,2660 0,2441 0,1570
6Januari Pebruari Maret April Mei Juni
0,2071 0,2011 0,00600,2361 0,3645 0,2849 0,2447 0,1614 0,3135Juli Agustus September Oktober November Desember
0,3696 0,4531 0,2660 0,2441 0,1570 0,1671
7Januari Pebruari Maret April Mei Juni
0,4171 0,4155 0,00160,3645 0,2849 0,2447 0,1614 0,3135 0,3696Juli Agustus September Oktober November Desember
0,4531 0,2660 0,2441 0,1570 0,1671 0,2071
8Januari Pebruari Maret April Mei Juni
0,2443 0,2469 -0,00260,2849 0,2447 0,1614 0,3135 0,3696 0,4531Juli Agustus September Oktober November Desember
0,2660 0,2441 0,1570 0,1671 0,2071 0,4171
9Januari Pebruari Maret April Mei Juni
0,2990 0,2944 0,00460,2447 0,1614 0,3135 0,3696 0,4531 0,2660Juli Agustus September Oktober November Desember
0,2441 0,1570 0,1671 0,2071 0,4171 0,2443
10Januari Pebruari Maret April Mei Juni
0,2848 0,2877 -0,00290,1614 0,3135 0,3696 0,4531 0,2660 0,2441Juli Agustus September Oktober November Desember
0,1570 0,1671 0,2071 0,4171 0,2443 0,2990
11Januari Pebruari Maret April Mei Juni
0,2620 0,2608 0,00120,3135 0,3696 0,4531 0,2660 0,2441 0,1570Juli Agustus September Oktober November Desember
0,1671 0,2071 0,4171 0,2443 0,2990 0,2848
12Januari Pebruari Maret April Mei Juni
0,4961 -0,5987 1,09480,3696 0,4531 0,2660 0,2441 0,1570 0,1671Juli Agustus September Oktober November Desember
0,2071 0,4171 0,2443 0,2990 0,2848 0,2620
13Januari Pebruari Maret April Mei Juni
0,5971 0,5902 0,00690,4531 0,2660 0,2441 0,1570 0,1671 0,2071Juli Agustus September Oktober November Desember
0,4171 0,2443 0,2990 0,2848 0,2620 0,4961
48
14Januari Pebruari Maret April Mei Juni
0,2754 0,2768 -0,00140,2660 0,2441 0,1570 0,1671 0,2071 0,4171Juli Agustus September Oktober November Desember
0,2443 0,2990 0,2848 0,2620 0,4961 0,5971
15Januari Pebruari Maret April Mei Juni
0,3248 0,3272 -0,00240,2441 0,1570 0,1671 0,2071 0,4171 0,2443Juli Agustus September Oktober November Desember
0,2990 0,2848 0,2620 0,4961 0,5971 0,2754
16Januari Pebruari Maret April Mei Juni
0,4492 0,4493 -0,0001
0,1570 0,1671 0,2071 0,4171 0,2443 0,2990Juli Agustus September Oktober November Desember
0,2848 0,2620 0,4961 0,5971 0,2754 0,3248
17Januari Pebruari Maret April Mei Juni
0,4599 0,4523 0,00760,1671 0,2071 0,4171 0,2443 0,2990 0,2848Juli Agustus September Oktober November Desember
0,2620 0,4961 0,5971 0,2754 0,3248 0,4492
18Januari Pebruari Maret April Mei Juni
0,5167 0,5142 0,00250,2071 0,4171 0,2443 0,2990 0,2848 0,2620Juli Agustus September Oktober November Desember
0,4961 0,5971 0,2754 0,3248 0,4492 0,4599
19Januari Pebruari Maret April Mei Juni
0,7024 0,7058 -0,00340,4171 0,2443 0,2990 0,2848 0,2620 0,4961Juli Agustus September Oktober November Desember
0,5971 0,2754 0,3248 0,4492 0,4599 0,5167
20Januari Pebruari Maret April Mei Juni
0,6164 -0,6186 1,23500,2443 0,2990 0,2848 0,2620 0,4961 0,5971Juli Agustus September Oktober November Desember
0,2754 0,3248 0,4492 0,4599 0,5167 0,7024
21Januari Pebruari Maret April Mei Juni
0,6264 0,6258 0,00060,2990 0,2848 0,2620 0,4961 0,5971 0,2754Juli Agustus September Oktober November Desember
0,3248 0,4492 0,4599 0,5167 0,7024 0,6164
22Januari Pebruari Maret April Mei Juni
0,6282 0,6289 -0,00070,2848 0,2620 0,4961 0,5971 0,2754 0,3248Juli Agustus September Oktober November Desember
0,4492 0,4599 0,5167 0,7024 0,6164 0,6264
23Januari Pebruari Maret April Mei Juni
0,7775 0,7731 0,00440,2848 0,2620 0,4961 0,5971 0,2754 0,4492Juli Agustus September Oktober November Desember
0,4599 0,5167 0,7024 0,6164 0,6264 0,6282
24Januari Pebruari Maret April Mei Juni
0,9 0,9037 -0,00370,2620 0,4961 0,5971 0,2754 0,4492 0,4599Juli Agustus September Oktober November Desember
0,5167 0,7024 0,6164 0,6264 0,6282 0,7775
Dari 24 data baru yang diujikan tampak bahwa 22 data (93%) sesuai dengan target sementara 2 data (7%) tidak sesuai target dan tidak ada data yang tidak dikenali (error)
49
BAB VKESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan uraian pada bab-bab sebelumnya dan berdasarkan hasil pada
bab IV, maka pada penelitian ini dapat ditarik kesimpulan sebagai berikut:
Algoritma Jaringan Syaraf tiruan backpropagation yang telah dilatih telah
cukup mampu untuk melakukan peramalan/prediksi jumlah penumpang di Bandar
Udara Hang Nadim Batam dengan tingkat akurasi yang cukup baik, sesuai dengan
hasil pengujian jaringan syaraf tiruan dengan memasukkan data pelatihan dan
pengujian, diperoleh hasil 84 data pelatihan sesuai target (100 % sesuai target),
22 data pengujian sesuai target (93% sesuai target) dan 2 data tidak sesuai target
(7%).
5.2 Saran
Pada penelitian ini sebaiknya dilanjutkan pada tahap proses pengetesan
atas hasil pembentukan pola peramalan oleh jaringan syaraf tiruan dimana
dimaksudkan untuk melihat kemampuan model yang dihasilkan oleh jaringan
syaraf tiruan pada tahap meramalkan kejadian berikutnya dengan berdasarkan
pola-pola peramalan yang telah terbentuk sebelumnya.
50
51
1
DAFTAR PUSTAKA
Sinaga, Alex R. 2012 “Aplikasi Jaringan Syaraf Tiruan Untuk Penentuan
Konsentrasi Program Studi Bagi Calon Mahasiswa Baru STMIK Budidarma
Medan” jurnal Pelita Informatika. STMIK Budi Darma. Medan.
Away, Gunaidi A. 2014 “ The Shotcut of Matlab Programming”. Informatika.
Bandung.
Hermawan, Arief. 2006 “ Jaringan syaraf Tiruan, Teori dan Aplikasi”. ANDI.
Yogyakarta.
Pakaja, Fachrudin., Naba, Agus dan Purwanto. 2012. “Peramalan Penjualan Mobil
Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor”. Jurnal
EECCIS. Universitas Brawijaya. Malang.
Kusumadewi, Sri dan Sri Hartati. 2006. “Neuro- Fuzzy: Integrasi Fuzzy dan
Jaringan Syaraf”. Graha Ilmu. Yogyakarta.
Kusumadewi, Sri. 2003 “ Arficial Intelegent, Teknik dan Aplikasinya”. Graha
Ilmu. Yogyakarta.
Ramli., Yuniarti, Desi dan Goejantoro, Rito. 2013. “Perbandingan Metode
Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan”. Jurnal
EKSPONENSIAL. Universitas Mulawarman. Samarinda.
Siang, J. Jek. 2005. Jaringan Saraf Tiruan danPemogramannya menggunakan
Matlab. Andi. Yogyakarta.
Widodo, Prabowo P., Handayanto, Rahmadya T dan Herlawati. 2013 “ Penerapan Data Mining dengan Matlab”. Rekayasa Sains. Bandung.
LAMPIRANSTRUKTUR ORGANISASI PENELITI
Struktur Organisasi Penelitian
Tabel Struktur Organisasi Penelitian Hibah Internal
No Nama Instansi Asal Bidang Ilmu
Alokasi Waktu
(Jam/Minggu)
Uraian Tugas
1.Joni Eka Candra, S.T.,M.T
Universitas Putera Batam
Teknik Informatika 1
Membuat Proposal, menyediakan fasilitas pengembangan aplikasi, memberikan arahan rancangan dan membuat laporan akhir
2.Sunarsan Sitohang, S.kom
Universitas Putera Batam
Teknik Informatika 1
Melakukan analisis data Penelitian
3. Alpin Salamena Universitas Putera Batam
Teknik Informatika 1
Survey lokasi penelitian dan dokumentasi
LAMPIRANSURAT TUGAS PENELITIAN
LAMPIRANKONTRAK PENELITIAN HIBAH
INTERNAL
LAMPIRANTAMPILAN MENU PROGRAM DAN
SOURCE CODE PROGRAM
LAMPIRANDATA PENELITIAN
LAMPIRANFOTO DOKUMENTASI PENELITIAN
LAMPIRANBIODATA PENELITI
BIODATA KETUA PENELITI
A. Identitas Diri
1 Nama Lengkap (dengan gelar) Joni Eka Candra
2 Jenis Kelamin Laki-laki
3 Jabatan Fungsional Dosen
4 NIP 11461
5 NIDN 1025068201
6 Tempat, Tanggal Lahir Sumenep, 25 juni1982
7 Alamat surel (e-mail) [email protected]
8 Nomor Telepon/HP 085655567040
9 Alamat Kantor Jl. R.Suprapto
10 Nomor Telepon/Faks Kantor -
11 Mata Kuliah yang Diampu
1.Rangkaian Digital 2. Artificial Intelegent3. Arsitektur dan
Organisasi Komputer4. Komputasi Numerik
B. Riwayat Pendidikan
S-1 S-2 S-3
Nama Perguruan Tinggi Universitas Brawijaya
Universitas Brawijaya -
Bidang Ilmu Teknik Elektro Teknik Elektro -Tahun Masuk-Lulus 2002-2008 2009-2012 -
C. Pengalaman Penelitian Dalam 5 TahunTerakhir
Tahun Judul Pengabdian Jabatan Sumber
Dana Keterangan
2013
Aplikasi Logika Fuzzy Dalam Optimalisasi Produksi Barang Menggunakan Metode Tsukamoto Dan Metode Mamdani Pada PT. Mardi Jaya
Ketua Peneliti
LPPM Universistas Putera Batam
Laporan internal
2014
Aplikasi Fuzzy Inference System (FIS) Mamdani Untuk Penentuan Jurusan Siswa Di SMA Negeri 5 Batam
Ketua Peneliti
LPPM Universistas Putera Batam
Laporan internal
D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir
Tahun Judul Pengabdian Jabatan Sumber Dana
2014
Kompetensi Siswa di Bidang Teknologi Informasi dan Komunikasi Melalui Buku Pada SMP Islam Terpadu 01 Darussalam
Anggota Pengadian
LPPM Universitas Putera Batam
2014
Penyuluhan pembelajaran Ilmu Tajwid Dalam Membaca Al-Qur’an Menggunakan Teknologi Informasi di SMK Negeri 4 Batam
Anggota Pengadian
LPPM Universitas Putera Batam
E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir
No Judul Artikel ilmiah Nama Jurnal Volume/Nomor/ Tahun1.2.
F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir
No Nama Pertemuan Judul Artikel Ilmiah Waktu dan Tempat
1. Seminar Penelitian Aplikasi Logika Fuzzy Dalam Optimalisasi Produksi Barang Menggunakan Metode Tsukamoto Dan Metode Mamdani Pada PT. Mardi Jaya
4 Maret 2014 / Universitas Putera Batam
2. Seminar Penelitian Aplikasi Fuzzy Inference System (FIS) Mamdani Untuk Penentuan Jurusan Siswa Di SMA Negeri 5 Batam
26 Agustus 2014 / Universitas Putera Batam
G. Karya Buku dalam 5 Tahun Terakhir
No Judul Buku Tahun Jumlah Halaman
Penerbit
1.
2.
H. Perolehan HKI (Hak Kekayaan Intelektual) dalam 5–10 Tahun Terakhir
No Judul / Tema HKI*
Tahun Jenis Nomor P/ID
1.
2.
I. Pengalaman Merumuskan Kebijakan Publik lainnya dalam 5 tahun terakhir
No Judul/Tema/Jenis Kebijakan Publik Lainnya yang Telah Diterapkan
Tahun Tempat Penerapan
Respon Masyarakat
1.
2.
3.
J. Penghargaan dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya)
No Jenis Penghargaan Institusi Pemberi Penghargaan
Tahun
1.
2.
3.
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggung jawab kan secara hukum. Apabila dikemudian hari ternyata
dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam laporan penelitian hibah internal dosen.
Batam, 20 Januari 2016
Ketua Tim Penelitian,
JONI EKA CANDRA, S.T.,M.T
BIODATA ANGGOTA PENELITI (1)
A. Identitas Diri
1 Nama Lengkap (dengan gelar) Sunarsan Sitohang, S.kom.
2 Jenis Kelamin L
3 Jabatan Fungsional -
4 NPM 120210055
5 Tempat, Tanggal Lahir Pacitan / 06 Juni 1990
6 E-mail [email protected]
7 Nomor Telepon/HP 0819-2680-371
8 Alamat Bida Ayu Blk. E No. 72, RT/RW :
001/015 Mangsang
B. Riwayat Pendidikan
S-1 S-2 S-3 Nama Perguruan Tinggi Universitas Bina
Nusantara- -
Bidang Ilmu Teknik Informatika
- -
Tahun Masuk-Lulus 2012 - Sekarang - -
C. Pengalaman Penelitian Dalam 5 Tahun Terakhir
(Bukan Skripsi, Tesis, maupun Disertasi)
No. Tahun Judul Penelitian PendanaanSumber Jml (Juta Rp)
- - - - -
D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir
No. Tahun Judul Pengabdian Kepada Masyarakat
PendanaanSumber Jml (Juta
Rp) - - - - -
E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir
No. Judul Artikel Ilmiah Nama Jurnal Volume/Nomor/Tahun
- - - -
F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir
No. Nama Seminar Judul Artikel Ilmiah Waktu dan Tempat
- - - -
G. Karya Buku dalam 5 Tahun Terakhir
No. Judul Buku Tahun Jumlah Halaman Penerbit
1 - - - -
H. Perolehan HKI (Hak Kekayaan Intelektual) dalam 5–10 Tahun Terakhir
No. Judul/Tema HKI Tahun Jenis Nomor P/ID
1 - - - -
I. Pengalaman Merumuskan Kebijakan Publik Lainnya dalam 5 Tahun Terakhir
No. Judul/Tema/Jenis Kebijakan Publik Lainnya yang Telah Diterapkan Tahun Tempat
PenerapanRespon Masyarakat
1 - - - -
J. Penghargaan dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya)
No. Jenis Penghargaan Institusi Pemberi Penghargaan Tahun
1 - - -
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata
dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam laporan penelitian.
Batam, 20 Januari 2016
Anggota Peneliti,
Sunarsan Sitohang, S.kom.
BIODATA ANGGOTA PENELITI (2)
A. Identitas Diri BIODATA ANGGOTA PENELITI (1)
A. Identitas Diri
1 Nama Lengkap (dengan gelar) Alpin Salamena
2 Jenis Kelamin L
3 Jabatan Fungsional -
4 NPM 120210055
5 Tempat, Tanggal Lahir Pacitan / 06 Juni 1990
6 E-mail [email protected]
7 Nomor Telepon/HP 0819-2680-371
8 Alamat Bida Ayu Blk. E No. 72, RT/RW :
001/015 Mangsang
B. Riwayat Pendidikan
S-1 S-2 S-3 Nama Perguruan Tinggi Universitas Bina
Nusantara- -
Bidang Ilmu Teknik Informatika
- -
Tahun Masuk-Lulus 2012 - Sekarang - -
C. Pengalaman Penelitian Dalam 5 Tahun Terakhir
(Bukan Skripsi, Tesis, maupun Disertasi)
No. Tahun Judul Penelitian PendanaanSumber Jml (Juta Rp)
- - - - -
D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir
No. Tahun Judul Pengabdian Kepada Masyarakat
PendanaanSumber Jml (Juta
Rp) - - - - -
E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir
No. Judul Artikel Ilmiah Nama Jurnal Volume/Nomor/Tahun
- - - -
F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir
No. Nama Seminar Judul Artikel Ilmiah Waktu dan Tempat
- - - -
G. Karya Buku dalam 5 Tahun Terakhir
No. Judul Buku Tahun Jumlah Halaman Penerbit
1 - - - -
H. Perolehan HKI (Hak Kekayaan Intelektual) dalam 5–10 Tahun Terakhir
No. Judul/Tema HKI Tahun Jenis Nomor P/ID
1 - - - -
I. Pengalaman Merumuskan Kebijakan Publik Lainnya dalam 5 Tahun Terakhir
No. Judul/Tema/Jenis Kebijakan Publik Lainnya yang Telah Diterapkan Tahun Tempat
PenerapanRespon Masyarakat
1 - - - -
J. Penghargaan dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya)
No. Jenis Penghargaan Institusi Pemberi Penghargaan Tahun
1 - - -
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata
dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam laporan penelitian.
Batam, 20 Januari 2016
Anggota Peneliti,
Alpin Salamena
BANDAR UDARA HANG NADIM BATAM
KUNJUNGAN SURVEY LOKASI PENELITIAN
RAPAT KOORDINASI PENELITIAN ANGGOTA PENELITIAN
PENYERAHAN SURAT PENELITIAN OLEH KEPALA HRD PENGELOLA
BADAR UDARA HANG NADIM BATAM