PEMODELAN JARINGAN SYARAF TIRUAN RECURRENT YANG TEROPTIMASI SECARA HEURISTIK UNTUK PENDUGAAN CURAH HUJAN BERDASARKAN PEUBAH ENSO
AFAN GALIH SALMAN
Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Departemen Ilmu Komputer
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006
ABSTRAK
Pendugaan Curah Hujan yang akurat di sektor pertanian kini telah menjadi kebutuhan utama, disamping faktor lain seperti pemilihan bibit, pupuk, dan pemberantas hama. Informasi tentang banyak curah hujan sangat berguna bagi petani dalam mengantisip asi peristiwa-peristiwa ekstrim seperti kekeringan dan kebanjiran. Model pendugaan curah hujan yang telah dilakukan selama ini belum banyak yang menggunakan data peubah El-Nino Southern Oscilation (ENSO) sebagai masukan model padahal peubah ENSO cukup berpengaruh terhadap tinggi rendahnya curah hujan di sebagian besar wilayah Indonesia (Yusmen 1998). Penelitian yang pernah dilakukan sebelumnya hanya menggunakan data suhu dan curah hujan sebagai masukan model diantaranya adalah penerapan metode Principal Component Regression (Fitriadi 2004) menghasilkan R2 sebesar 63,16%, JST propagasi balik standar (Normakristagaluh 2004) menghasilkan R2 sebesar 74,02%, JST propagasi balik standar (Apriyanti 2005) menghasilkan R2 sebesar 48,179% dan JST dengan optimasi algoritma genetika menghasilkan R2 sebesar 87,7% (Apriyanti 2005) Berdasarkan tersebut penelitian di bidang ini masih layak dan perlu dilakukan untuk mendapatkan model pendugaan curah hujan yang lebih akurat. Penelitian ini menggunakan JST recurrent Elman yang teroptimasi secara heuristik dengan penerapan 3 algoritma pembelajaran yaitu gradient descent adaptive learning rate, dengan variasi nilai parameter penambahan laju pembelajran (lr_inc) dan penurunan laju pembelajaran (lr_dec), gradient descent adaptive learning rate & momentum dengan variasi nilai parameter momentum (m c) serta resilient backpropagation dengan variasi nilai parameter penambahan bobot (delt_inc) & penurunan bobot (delt_dec). Teknik optimasi heuristik terbaik pada penelitian ini adalah algoritma resilient backpropagation. Hasil pendugaan curah hujan terbaik pada leap 0 menghasilkan nilai R2 maksimum 77%, leap 1 menghasilkan nilai R2 maksimum 84,8%, leap 2 menghasilkan nilai R2 maksimum 75,5%, dan leap 3 menghasilkan nilai R2 maksimum 54,1%. Hal ini membuktikan JST recurrent dapat diterapkan dalam pendugaan curah hujan berdasarkan peubah ENSO dengan tingkat keakuratan yang cukup baik.
Judul Tesis
:
Pemodelan
Jaringan
Syaraf
Tir uan
Recurrent
yang
Teroptimasi Secara Heuristik untuk Pendugaan Curah Hujan Berdasarkan Peubah ENSO Nama
:
Afan Galih Salman
NRP
:
G651030204
Disetujui Komisi Pembimbing
Ir. Agus Buono, M.Si., M. Kom. Ketua
Irman Hermadi, S. Kom.,MS. Anggota
Diketahui
Ketua Program Studi Ilmu Komputer
Dr. Sugi Guritman
Tanggal Ujian :
Dekan Sekolah Pascasarjana
Prof. Dr. Ir. Syafrida Manuwoto, M.Sc.
Tanggal Lulus :
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia Nya sehingga karya ilmiah ini berhasil diselesaikan. Penelitian dilaksanakan sejak bulan Desember 2005 dengan judul Pemodelan Jaringan Syaraf Tiruan Recurrent Yang Teroptimasi Secara Heuristik Untuk Pendugaan Curah Hujan Berdasarkan Peubah ENSO. Terima kasih penulis ucapkan kepada Bapak Ir. Agus Buono M.Si, M.Kom dan Bapak Irman Hermadi S.Kom, M.S selaku dosen pembimbing yang telah memberikan arahan serta saran dalam pembuatan karya ilmiah ini serta Bapak Aziz Kustiyo S.Si, M.Kom selaku dosen penguji. Ucapan terima kasih juga saya sampaikan kepada Bapak Adang, peneliti pada Kantor BALIKLIMAT Bogor yang telah memberikan data curah hujan yang lengkap seluruh wilayah Indonesia. Penulis juga mengucapkan terima kasih kepada Bapak serta Ibu ya ng telah memberi doa dan dorongannya demi selesainya penelitian ini, juga kepada rekanrekan mahasisiwa Magister Ilmu Komputer IPB atas bantuan serta dorongan morilnya terutama Bapak M.Syafii, M.Si dan keluarga yang telah memberikan pinjaman peralatan komp uter serta buku-buku mengenai jaringan syaraf tiruan. Ungkapan terima kasih juga disampaikan kepada seluruh staf administrasi
dan
karyawan Pascasarjana Ilmu Komputer IPB Bogor serta isteri dan anak saya atas segala doa dan dukungannya. Semoga karya ilmiah ini bermanfaat Bogor, Mei 2006 Afan Galih Salman
RIWAYAT HIDUP
Penulis dilahirkan di Bandung pada tanggal 9 September 1969 dari ayah Kodir Ali dan ibu Mien Suliah. Penulis merupakan putra keempat dari enam bersaudara. Penulis beristerikan Ir. R. Tantie Kustiantie dan mempunyai 1 orang putri. Tahun 1988, penulis lulus dari SMA Negeri 2 Bogor. Tahun 1994 lulus dari Fakultas Teknik Gas Petrokimia Universitas Indonesia. Tahun 2003 lulus seleksi masuk Program Pascasarjana Ilmu Komputer IPB Bogor. Penulis mengawali karir pekerjaan dimulai pada tahun 1988 sampai saat ini menjadi supervisor di Perusahaan kontraktor CV. Menteng, Bogor. Mulai tahun 2005 sampai saat ini menjadi dosen luar biasa di Fakultas Teknik Informatika Universitas Ibnu Khaldun, Bogor. Penulis tinggal di Jl Hateup no 30 Bantarjati Bogor 16153. Telpon (0251) 316963.
DAFTAR ISI Halaman DAFTAR TABEL ………………......………………………………………….
viii
DAFTAR GAMBAR…………………………………………………………..
ix
DAFTAR LAMPIRAN ………………………………………………………..
x
PENDAHULUAN Latar Belakang …………………………………………………………
1
Tujuan Penelitian ...…………………………………………………….
2
Ruang Lingkup Penelitian...............................................……………….
2
Manfaat Penelitian ……………………………………………………..
3
Blok Diagram Sistem …………………………………………………..
3
TINJAUAN PUSTAKA Pendugaan Curah Hujan.... ………...…………………………………...
4
Jaringan Syaraf Tiruan.......……………………………………………..
5
Jaringan Saraf Tiruan Propagasi Balik............................……………….
6
Optimasi Pembelajaran Heuristik.......………………………………….
7
Jaringan Syarat Tiruan Recurrent Elman……………………………….
12
Inisialisasi Nguyen-Widrow………....………………………………….
13
Ketepatan Pendugaan......……………………………………………….
13
DATA & METODE Data...........................................................................................................
15
Metode. .…………………………………………...................................
15
PERANCANGAN & IMPLEMENTASI SISTEM Desain Arsitektur....... ..............................................................................
17
Tahapan Penelitian..………………………………………….................
17
Desain Struktur Data.................................................................................
21
Desain Keluaran (Output) …………………………………....………..
21
Perangkat Keras dan Lunak..………………………………....………..
21
HASIL DAN PEMBAHASAN Komposisi Data Pelatihan & Pengujian..................................................
22
Kelompok Data Pertama…………………………………….................
22
Kelompok Data Kedua...…………………………………….................
27
Komposisi Parameter Terbaik………………………………................
32
SIMPULAN DAN SARAN Simpulan .................................................................................................
37
Saran ..……………………………………………………….................
37
DAFTAR PUSTAKA …………………………………………………………
39
LAMPIRAN........................................................................................................
40
DAFTAR TABEL Halaman 1
Struktur JST recurrent standar gradient descent adaptive learning rate................................................................................................................
18
Struktur JST recurrent standar gradi ent descent adaptive learning rate & momentum.....................................................................................................
19
3
Struktur JST recurrent standar resilient backpropagation...........................
20
4
Data peubah ENSO & curah hujan..............................................................
21
5
Hasil percobaan kelompok data pertama gradient descent adaptive learning rate.................................................................................................
22
2
6
Hasil percobaan kelompok data pertama gradient descent adaptive learning rate & momentum.......................................................................... 22
7
Hasil percobaan kelompok data pertama resilient backpropagation...........
23
8
Hasil percobaan kelompok data kedua gradient descent adaptive learning rate................................................................................................................
27
Hasil percobaan kelompok data kedua gradient descent adaptive learning rate & momentum.........................................................................................
27
9
10 Hasil percobaan kelompok data kedua resilient backpropagation.............
28
11 Komposisi parameter terbaik gradient descent adaptive learning rate….
33
12 Komposisi parameter terbaik gradient descent adaptive learning rate & momentum...................................................................................................
34
13 Komposisi parameter terbaik resilient backpropagation......................…..
36
DAFTAR GAMBAR Halaman 1
Blok diagram pemodelan………………………………………..………
3
2
Arsitektur JST recurrent……………………………………………………….
12
3
Kerangka berpikir penelitian.......................................................................
16
4
Jumlah epoh terbaik JST recurrent resilient backpropagation kelompok data pertama untuk leap 0.........................................................................
24
Korelasi terbaik JST recurrent resilient backpropagation kelompok data pertama untuk leap 0..................................................................................
24
5 6 7 8 9 10 11 12 13 14 15
Nilai prediksi (output) dan nilai aktual (target) terbaik JST recurrent resilient backpropagation kelompok pertama untuk leap 0.......................
25
Jumlah epoh terbaik JST recurrent resilient backpropagation kelompok data pertama untuk leap 1........................................................................
26
Korelasi terbaik JST recurrent resilient backpropagation kelompok data pertama untuk leap 1..................................................................................
26
Nilai prediksi (output) dan nilai aktual (target) terbaik JST recurrent resilient backpropagation kelompok pertama untuk leap 1.......................
27
Jumlah epoh terbaik JST recurrent resilient backpropagation kelompok data kedua untuk leap 0..............................................................................
28
Korelasi terbaik JST recurrent resilient backpropagation kelompok data kedua untuk leap 0......................................................................................
29
Nilai prediksi (output) dan nilai aktual (target) terbaik JST recurrent resilient backpropagation kelompok data kedua untuk leap 0....................
29
Jumlah epoh terbaik JST recurrent resilient backpropagation kelompok data kedua untuk leap 1..............................................................................
30
Korelasi terbaik JST recurrent resilient backpropagation kelompok data kedua untuk leap 1....................................................................................
31
Nilai prediksi (output) dan nilai aktual (target) terbaik JST recurrent resilient backpropagation kelompok data kedua untuk leap1.....................
31
DAFTAR LAMPIRAN Halaman 1
Data penelitian…………………………………………………………….
41
2
Pengkodean program JST recurrent adaptive learning rate……….……..
43
3
Pengkodean program JST recurrent adaptive learning rate & momentum
45
4
Pengkodean program JST recurrent resilient backpropagation.................
47
5 Hasil penelitian kelompok pertama JST recurrent gradient descent adaptive learning rate leap 0……………………………………………..
49
6 Hasil penelitian kelompok pertama JST recurrent gradient descent adaptive learning rate leap 1……………………………………………..
51
7 Hasil penelitian kelompok pertama JST recurrent gradient descent adaptive learning rate leap 2…………………………………………….
53
8 Hasil penelitian kelompok pertama JST recurrent gradient descent adaptive learning rate leap 3…………………………………………….
55
9 Hasil penelitian kelompok pertama JST recurrent gradient descent adaptive learning rate & momentum leap 0…………………………….
57
10 Hasil penelitian kelompok pertama JST recurrent gradient descent adaptive learning rate & momentum leap 1…………………………….
58
11 Hasil penelitian kelompok pertama JST recurrent gradient descent adaptive learning rate & momentum leap 2…………………………….
59
12 Hasil penelitian kelompok pertama JST recurrent gradient descent adaptive learning rate & momentum leap 3……………………………….
60
13 Hasil penelitian kelompok pertama JST recurrent resilient backpropagation leap 0…………………………………………………..
61
14 Hasil penelitian kelompok pertama JST recurrent resilient backpropagation leap 1…………………………………………………..
63
15 Hasil penelitian kelompok pertama JST recurrent resilient backpropagation leap 2……………………..…………………………...
65
16 Hasil penelitian kelompok pertama JST recurrent resilient backpropagation leap 3…………………………….…………………..
67
17 Hasil penelitian kelompok kedua JST recurrent gradient descent adaptive learning rate leap 0……………………………………………..
69
