Riza Fauzi Rahman, 2015
PERAMALAN VOLUME PENUMPANG KERETA API DI PULAU JAWA-SUMATERA DENGAN METODE
DAFTAR ISI
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
UCAPAN TERIMA KASIH ... iv
DAFTAR ISI ... vi
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... x
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Identifikasi Masalah ... 6
1.3 Tujuan Penelitian ... 7
1.4 Batasan Masalah ... 7
1.5 Metodologi Penelitian ... 8
1.6 Sistematika Penulisan ... 9
BAB II TINJAUAN PUSTAKA ... 10
2.1 Definisi Peramalan ... 10
2.2 Karakteristik Peramalan ... 10
2.2.1 Manfaat... 12
2.2.2 Jenis-jenis Peramalan ... 12
2.2.3 Langkah-langkah Peramalan ... 16
2.2.4 Ukuran Akurasi Peramalan ... 16
2.3 Knowledge Discovery in Database (KDD) dan Data Mining ... 18
2.3.1 Proses KDD ... 18
2.3.2 Taksonomi Data Mining ... 20
2.4 Proses KDD dan Data Mining pada Kasus Peramalan Volume penumpang kereta api ... 22
2.5 Data Preprocessing ... 23
vii
Riza Fauzi Rahman, 2015
2.5.2 Transformasi Data... 25
2.6 Jaringan Saraf Tiruan ... 26
2.6.1 Pengertian Jaringan Saraf Tiruan ... 26
2.6.2 Kelebihan dan Kekurangan Jaringan Syaraf Tiruan (JST) ... 26
2.6.2.1 Kelebihan JST ... 26
2.6.2.2 Kekurangan JST ... 27
2.6.3 Model Neuron ... 27
2.6.4 Arsitektur Jaringan ... 28
2.6.5 Fungsi Aktivasi ... 31
2.6.6 Bias dan Threshold ... 32
2.6.7 Metode Pelatihan/Pembelajaran ... 32
2.7 Backpropagation ... 33
2.7.1 Arsitektur Backpropagation ... 33
2.7.2 Fungsi Aktivasi Backpropagation ... 34
2.7.3 Pelatihan Backpropagation ... 35
2.7.4 Analisis Kesalahan ... 37
2.7.5 Epoch Maksimum dan Batas Nilai Toleransi ... 38
2.7.6 Optimalisasi Backpropagation ... 38
2.8 Referensi Penelitian ... 43
BAB III METODOLOGI PENELITIAN ... 46
3.1 Desain Penelitian ... 46
3.2 Alat dan Bahan Penelitian ... 50
3.2.1 Alat Penelitian ... 50
3.2.2 Bahan Penelitian ... 51
BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 52
4.1 Data Penelitian ... 52
viii
Riza Fauzi Rahman, 2015
4.2.1. Deskripsi Umum Sistem... 56
4.2.2. Representasi Masalah ... 57
4.2.3. Data Preprocessing ... 59
4.2.4. Perancangan Struktur Jaringan ... 61
4.2.5. Menyusun Data Set Pelatihan dan Pengujian ... 63
4.2.6. Insialiasasi Data... 65
4.2.7. Modifikasi Algoritma Pelatihan Backpropagation ... 70
4.2.8. Pengujian Jaringan ... 80
4.2.9. Analisis Sensitifitas ... 81
4.2.10. Pemilihan Jaringan Optimum untuk Peramalan ... 81
4.3 Perancangan ... 82
4.3.1 Algoritma Peramalan Volume penumpang kereta api ... 82
4.3.2 Batasan Perangkat Lunak ... 85
4.3.3 Analisis Proses Bisnis ... 86
4.3.4 Model Proses Sistem ... 88
4.3.5 Desain Perangkat Lunak... 90
4.4 Implementasi ... 90
4.4.1 Implementasi Modul Program ... 91
4.4.2 Implementasi Antarmuka ... 94
4.5 Studi Kasus dan Hasil Penelitian ... 99
4.5.1 Studi Kasus ... 99
4.5.2 Hasil Penelitian ... 101
4.5.3 Analisis Hasil Penelitian ... 108
BAB V KESIMPULAN DAN SARAN ... 109
5.1 Kesimpulan ... 109
5.2 Saran ... 109
ix
x
Riza Fauzi Rahman, 2015
DAFTAR TABEL
Tabel 2. 1 Referensi Jurnal... 43
Tabel 4. 1 Volume penumpang kereta api 2006-2014 ... 52
Tabel 4. 2 Penyusunan Data Set ... 63
Tabel 4.3 Data Set Pelatihan ... 63
Tabel 4.4 Data Set Pengujian ... 64
Tabel 4.5 Inisialisasi Bobot Bilangan Acak ... 66
Tabel 4.6 Inisialisasi Bobot Lapisan Tersembunyi ... 68
Tabel 4.7 Inisialisasi Bobot Lapisan Keluaran ... 69
Tabel 4.8 Data Pelatihan ... 72
Tabel 4.9 Bobot Simpul Tersembunyi Pertama ... 72
Tabel 4.10 Perubahan Bobot Lapisan Tersembunyi ... 76
Tabel 4.11 Bobot Baru Lapisan Tersembunyi ... 78
Tabel 4.12 Modul SIPJUPKA ... 91
Tabel 4.13 Skenario Studi Kasus ... 100
xi
Riza Fauzi Rahman, 2015
DAFTAR GAMBAR
Gambar 1. 1 Grafik Perkembangan Volume Angkutan Penumpang kereta api, Tahun
2004 s.d. 2008 (PT. Kereta Api Persero) ... 2
Gambar 1. 2 Contoh Adaptive Filter (Siana Halim, 2010) ... 4
Gambar 2. 1. Pola Data Horizontal (Aceng Mu’min, 2012) ... 14
Gambar 2. 2 Pola Data Trend (Aceng Mu’min, 2012) ... 14
Gambar 2. 3 Pola Data Musiman (Aceng Mu’min, 2012) ... 15
Gambar 2. 4 Pola Data Siklis (Aceng Mu’min, 2012) ... 15
Gambar 2. 5 Proses KDD (Maimon, 2010) ... 19
Gambar 2. 6 Taksonomi Data Mining (Maimon, 2010)... 21
Gambar 2. 7 Model Neuron (Maria Agustin, 2012)... 27
Gambar 2. 8 Arsitektur Layar Tunggal (Elista, 2008) ... 29
Gambar 2. 9 Arsitektur Layar Jamak (Elista, 2008) ... 30
Gambar 2. 10 Arsitektur Layar Kompetitif (Elista, 2008) ... 30
Gambar 2. 11 Arsitektur Backpropagation (Siang, 2009)... 34
Gambar 2. 12 Kurva Kesalahan Bobot (Rojas, 1996) ... 39
Gambar 3. 1 Desain Penelitian ... 42
Gambar 3. 2 V-Model ... 44
Gambar 4. 1 Flowchart Pengembangan Sistem ... 58
Gambar 4. 2 Arsitektur Jaringan Backpropagation (Palit, 2005) ... 62
Gambar 4.3 Flowchart Modifikasi Algoritma Backpropagation ... 71
Gambar 4.4 Proses Pengujian Jaringan ... 81
Gambar 4. 5 Proses Bisnis Sistem Peramalan volume penumpang kereta api ... 88
Gambar 4.6 Context Diagram SIPJUPKA ... 89
xii
Riza Fauzi Rahman, 2015
xiii
Riza Fauzi Rahman, 2015
Gambar 4. 10 Halaman Lihat Bobot ... 96
Gambar 4.11 Halaman Pengujian Data Latih ... 97
Gambar 4. 12 Halaman Hasil Pengujian Data Uji ... 97
Gambar 4.13 Halaman Pengujian Data Uji ... 98
Gambar 4.14 Halaman Tabel Hasil Pengujian Data Uji ... 99
Gambar 4.15 Halaman Peramalan... 100
Gambar 4.16 Persentase Akurasi 12 Simpul Tersembunyi ... 105
Gambar 4.17 Persentase Akurasi 24 Simpul Tersembunyi ... 106
Gambar 4.18 Persentase Akurasi 36 Lapisan Tersembunyi... 106
Gambar 4.19 Persentase Akurasi Learning Rate 0,1... 107
Gambar 4.20 Persentase Akurasi Learning Rate 0,3 ... 107
Gambar 4.21 Persentase Akurasi Learning Rate 0,5 ... 108