V. PERANCANGAN SISTEM PERINGATAN DINI BANJIR KALI GARANG
5.4 Perancangan Sub Sistem Prediksi Banjir Kali Garang dengan
Perangkat lunak prediksi banjir yang dibuat ini bertujuan untuk memprediksi tinggi permukaan air yang akan datang berdasarkan data curah hujan dan data tinggi permukaan air sebelumnya dengan menggunakan metode Jaringan Syaraf Tiruan. Dalam perancangan perangkat lunak prediksi banjir ini, terdapat 3 prosedur yang harus dilakukan. Pertama adalah prosedur pelatihan yaitu prosedur yang digunakan untuk melatih suatu data yang telah disediakan,
dalam hal ini data curah hujan dan data tinggi permukaan air selama 3 bulan sehingga didapatkan bobot-bobot JST-nya. Kedua adalah prosedur pengujian yaitu prosedur yang digunakan untuk menguji sejauh mana nilai bobot yang digunakan dapat memprediki dengan baik, baik dengan menggunakan data yang sudah dilatih maupun dengan data yang belum dilatih. Ketiga adalah prosedur prediksi yaitu prosedur yang digunakan untuk meramalkan tinggi permukaan air satu jam kemudian dengan menggunakan bobot-bobot yang telah disimpan sebelumnya. Diagram alir perancangan prediksi tinggi muka air dengan Jaringan Syaraf Tiruan dapat dilihat pada Gambar 42.
Gambar 42 Diagram alir perancangan Jaringan Syaraf Tiruan.
5.4.1. Ukuran Jaringan (Network Size)
Dalam merancang ukuran jaringan yang diperlukan terdapat bebarapa hal yang harus ditentukan, diantaranya jumlah simpul pada lapis masukan, jumlah
lapis tersembunyi, jumlah simpul lapis tersembunyi dan jumlah simpul pada lapis keluaran.
Jaringan Syaraf Tiruan perambatan-balik adalah suatu sistem yang tersusun dari beberapa unit proses berupa proses pada lapisan masukan dan lapisan keluaran serta lapisan tersembunyi yang terdapat di antaranya. Lapisan tersembunyi ini dapat berupa satu lapis.
Hal utama dalam merancang suatu Jaringan Syaraf Tiruan perambatan-balik adalah penentuan jumlah lapis dan jumlah simpul pada lapis tersembunyi, umumnya satu lapisan tersembunyi adalah cukup (Siang, 2004). Tidak ada cara yang pasti untuk menentukan jumlah simpul lapis tersembunyi, kecuali dengan melakukan percobaan-percobaan pelatihan. Patokan yang dipakai adalah jumlah epoch dan kecepatan dalam melakukan pelatihan serta sistem mampu mengenali kembali data-data yang telah dipelajarinya secara akurat. Dalam perancangan ini disediakan pilihan jumlah neuron dengan pilihan jumlah neuron dengan jumlah maksimal adalah 50 neuron. Diagram sistem dan JST perambatan-balik yang dirancang dalam Desertasi ini dapat dilihat pada Gambar 43.
Gambar 43 Arsitektur JST perambatan-balik peramalan tinggi permukaan air dengan 1 lapis tersembunyi dengan jumlah neuron tersembunyi maksimum 50.
5.4.2. Parameter Laju Pembelajaran (α)
Dalam standar Backpropagation (perambatan balik), laju pembelajaran merupakan suatu konstanta yang dipakai dalam seluruh iterasi pada Jaringan Syaraf Tiruan. Nilai laju pembelajaran (learning rate) yang terlalu kecil mengakibatkan jaringan syaraf terlalu lambat dalam proses pelatihan tetapi bila terlalu besar mengakibatkan hasil divergen atau melewati nilai target yang diinginkan. Semakin besar nilaiαsemakin cepat pula proses pelatihan, tetapi jika
α telalu besar maka algoritma menjadi tidak stabil dan mencapai titik minimum lokal. Nilai parameter laju belajar yang umum digunakan adalah 0 sampai 1.
5.4.3. Parameter Momentum (μ)
Dengan menggunakan perambatan-balik standar maka pelatihan akan memakan banyak waktu, hal ini bisa diperbaiki dengan menambah parameter momentum sehingga pelatihan akan berjalan lebih cepat. Tidak ada perumusan untuk mendapatkan nilai parameter momentum yang sesuai untuk suatu Jaringan Syaraf Tiruan. Semakin besar nilai parameter momentum menjadikan jaringan syaraf semakin cepat konvergen. Sebagai pendekatan umum jaringan syaraf, nilai parameter momentum (μ) biasanya berkisar antara 0 sampai 1. Nilai parameter momentum yang terlalu besar dapat mengakibatkan hasil iterasi tidak mencapai nilai minimal yang diinginkan karena sebenarnya parameter momentum adalah kemiringan garis pada prosesstep decentiterasi.
5.4.4. Perancangan Senarai Program Jaringan Syaraf Tiruan
Dalam Disertasi ini semua Senarai program dibuat menggunakan bahasa pemrograman Borland Delphi versi 7.0. Secara garis besar Senarai program dapat dikelompokkan menjadi 3 bagian utama, yaitu bagian pertama adalah prosedur pelatihan yang meliputi: prosedur umpan-maju dan prosedur perambatan-balik. Bagian kedua adalah prosedur pengujian, sedangkan bagian ketiga adalah prosedur peramalan/prediksi.
A. Prosedur Pelatihan
Prosedur pelatihan (training) pada JST perambatan-balik pada prinsipnya adalah proses pencarian nilai keluaran mendekati nilai target keluaran yang telah ditentukan. Dalam proses ini dihitung nilai selisih keluaran jaringan dengan target keluarannya sehingga didapatkan nilai galat. Nilai galat ini selanjutnya dirambat-balikkan ke lapis tersembunyi untuk perhitungan galat lapis tersembunyi. Hasil proses selanjutnya sebagai dasar perbaikan nilai bobot-bobot lapis tersembunyi maupun bobot lapis masukan.
Prosedur pelatihan meliputi 3 tahapan, yaitu prosedur umpan-maju, prosedur penghitungan galat, dan prosedur perbaikan bobot. Bobot-bobot hasil perbaikan nantinya disimpan sebagai memori jaringan yang dapat dipanggil
kembali atau dibaca dalam proses pengenalan pola saat diaplikasikan. Diagram alir prosedur pelatihan dapat dilihat dari Gambar 45.
Gambar 45 Prosedur pelatihan Jaringan Syaraf Tiruan.
B. Prosedur Pengujian
Prosedur pengujian pada prinsipnya adalah proses pengujian nilai bobot yaitu diuji sejauh mana nilai bobot yang digunakan dapat memprediksikan dengan baik, baik dengan menggunakan data yang sudah dilatih maupun dengan data yang belum dilatih. Nilai-nilai bobot yang baik adalah yang menghasilkan kesalahan yang kecil antara nilai target dan nilai hasil prediksi. Prosedur pengujian hanya melibatkan proses umpan-maju saja. Proses pengujian yang dilakukan meliputi pengambilan data untuk pengujian, pengambilan bobot yang akan diuji, dan proses pengujian itu sendiri.
C. Prosedur Prediksi
Bagian prediksi adalah bagian tempat program siap digunakan. Setelah proses pelatihan selesai maka jaringan syaraf harus mampu mengenali pola atau rangkaian data yang dimasukkan padanya sehingga dapat meramalkan kondisi yang akan datang. Prosedur peramalan hanya melibatkan proses umpan-maju saja.
5.5 Perancangan Sub Sistem Informasi Banjir Kali Garang Berbasis SMS
