KINERJA ARSITEKTUR MADALINE DALAM MEMPREDIKSI
CUACA DENGAN MENGGUNAKAN PARAMETER SUHU,
KELEMBAPAN UDARA DAN CURAH HUJAN
Dianta Hasri Natalius Barus / 0422083
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email : atta_4peace@yahoo.com
ABSTRAK
Cuaca adalah merupakan salah satu faktor yang sangat mempengaruhi aktifitas kehidupan manusia sehari-hari, terutama aktifitas yang banyak dilakukan di lapangan atau diluar rumah. Sehingga dengan mengetahui prediksi cuaca yang akan datang, maka akan mempermudah manusia untuk dapat mengatur aktifitasnya agar tidak terganggu oleh karena cuaca.
Untuk itu, pada Tugas Akhir ini mencoba untuk merancang dan merealisakan suatu Jaringan Syaraf Tiruan (JST) dengan menggunakan Arsitektur Madaline dalam memprediksi cuaca akan datang (jangka pendek) dan menganalisa kinerja dari Arsitektur Madaline yang digunakan. Ada tiga jenis parameter yang digunakan untuk memprediksi cuaca pada Tugas Akhir ini, yaitu : suhu, kelembapan, dan curah hujan. Dengan banyaknya data yang digunakan untuk pelatihan adalah sebanyak tiga tahun.. Dari hasil percobaan yang telah dilakukan, berdasarkan jumlah data masukan yang digunakan untuk pelatihan dan banyaknya pelatihan, maka diperoleh kinerja dari jaringan arsitektur Madaline dalam memprediksi cuaca jangka pendek adalah sebesar 73.27%.
MADALINE ARCHITECTURE PERFORMANCE FOR
WEATHER PREDICTING USING PARAMETERS OF
TEMPERATURE, HUMIDITY, AND RAIN DROP
Dianta Hasri Natalius Barus / 0422083
Department of Electrical Engineering, Faculty of Techniques,
Maranatha Christian University
Jalan Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email : atta_4peace@yahoo.com
ABSTRACT
Weather becomes one of the important factor in human lives so when people manage their lives or their activity those thing will be upon to the weather at that day. But when people lives are growing, the management about something needs weather prediction far away from its day.
In order to get predict the weather, it is need a good forecasting system and in this paper, Madaline neural network will be used as its system. In the predicting process neural network has become a important role. As human brain, neural network also does some training in order to get a correct measurement. Neural network is also contains some algorithms that used to manage the process inside the neural network.
In this paper the system will use three different parameters of input and output: temperature, humidity, and rain drop. The data that used are three years for each parameter. Prefer to final result, then it is concluded that weather forecasting has finished by 26,73% performance and for every parameter given different results.
DAFTAR ISI
ABSTRAK……….. i
ABSTRACT……… ii
DAFTAR ISI ……….. iii
DAFTAR GAMBAR ………. vi
DAFTARTABEL……… vii
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah ………... 1
1.2 Rumusan Masalah ………. 1
1.3 Pembatasan Masalah ………. 1
1.4 Tujuan ………. 2
1.4 Sistematika Penulisan ……… 2
BAB II TEORI DASAR JARINGAN SARAF TIRUAN 2.1 Pengertian Jaringan Saraf Tiruan ………. 3
2.2 Model Neuron ……… 8
2.3 Arsitektur Jaringan ……… 9
2.3.1 Jaringan Layar Tunggal ………. 9
2.3.2 Jaringan Layar Jamak ……… 9
2.4 Fungsi Aktivasi ………. 10
2.5 Bias dan Threshold ………... 11
2.6 Taksonomi Jaringan Saraf Tiruan ………... 11
2.7 Aplikasi Jaringan Saraf Tiruan ……… 12
2.8 Adaline ……….. 12
2.8.1 Pemrograman Adaline ……….….. 13
2.9 Jaringan Madaline ……….………… 14
2.9.1 Membangun Madaline di Matlab ………. 15
BAB III PERANCANGAN JARINGAN MADALINE 3.1 Arsitektur Jaringan ……….. 17
3.2 Diagram Alir Proses Utama ……….…… 18
3.2.1 Diagram Alir Proses Pelatihan ……….………. 20
3.3 PembuatanLinkMicrosoft Excel dan Matlab ………….…… 21
3.4 PerintahMicrosoft ExcelUntuk Masukan dan KeluaranMatlab 24 3.4.1 Perintah Masukan Data ……….. 24
3.4.2 Perintah Mendapatkan Keluaran Matlab ………. 25
3.5 Input Data ……….. 25
3.6 Penulisan Source Code ……….. 32
BAB IV HASIL DAN ANALISA PERCOBAAN 4.1 Hasil Percobaan ……….. 34
4.1.1 Percobaan Berdasarkan Banyaknya Pelatihan….... …. 34
4.1.1.2 Bulan Januari 50 Pelatihan ……… 36
4.1.1.3 Bulan Januari 100 Pelatihan ………. 37
4.1.1.4 Bulan Januari 250 Pelatihan ………. 38
4.1.1.5 Bulan Januari 500 Pelatihan ……….………… 39
4.1.1.6 Bulan Januari 700 Pelatihan ……….………… 40
4.1.1.7 Bulan Januari 850 Pelatihan ………. 41
4.1.1.8 Bulan Januari 900 Pelatihan ……….……… 42
4.1.1.9 Bulan Januari 950 Pelatihan ………... 43
4.1.1.10 Bulan Januari 1000 Pelatihan ………. 44
4.1.1.11 Kinerja Jaringan Bulan Januari ……….. 45
4.1.1.12 Kinerja Jaringan ……… ………. 46
4.1.2 Percobaan Berdasarkan Banyaknya Data Pelatihan ……….. . … 47
4.1.2.1 Kinerja Jaringan Dengan Data Pelatihan Sebanyak 1 Tahun ... 47
4.1.2.2 Kinerja Jaringan Dengan Data Pelatihan Sebanyak 2 Tahun ... 48
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ……… 50
5.2 Saran ………. 50
DAFTAR GAMBAR
Gambar 2.1 Arsitektur JST……….. 3
Gambar 2.2 Axon ……….... 5
Gambar 2.3 Jaringan Saraf……….………. 6
Gambar 2.4 Cara Kerja Jaringan Saraf Tiruan………..….... 8
Gambar 2.5 Jaringan Layar Tunggal………..…….….… 9
Gambar 2.6 Jaringan Layar Jamak………..…... 9
Gambar 2.7 Jaringan Adaline………... 13
Gambar 2.8 Jaringan Madaline………..…... 14
Gambar 2.9 Topologi Jaringan Madaline………... 15
Gambar 3.1 Arsitektur Madaline………...…. 16
Gambar 3.2 Diagram Alir Jaringan……….………..….... 17
Gambar 3.3 Diagram Alir Pelatihan………...….. 19
Gambar 3.4 Excel Option ……….. ………...…………..…. 21
Gambar 3.5 Memilih Add-Ins ……….. 21
Gambar 3.6 Menu Add-Ins ……….. 22
Gambar 3.7 Tampilan Folder Exlink ……….. 22
DAFTAR TABEL
Tabel 3.2 Data Masukan Bulan Januari ………. 26
Tabel 3.3 Data Masukan Bulan Februari ………... 26
Tabel 3.4 Data Masukan Bulan Maret ……….…….. 27
Tabel 3.5 Data Masukan Bulan April ………..…….. 27
Tabel 3.6 Data Masukan Bulan Mei ……….………. 28
Tabel 3.7 Data Masukan Bulan Juni ……….. 28
Tabel 3.8 Data Masukan Bulan Juli ……….….. 29
Tabel 3.9 Data Masukan Bulan Agustus ………..….. 29
Tabel 3.10 Data Masukan Bulan September ……….. 30
Tabel 3.11 Data Masukan Bulan Oktober ……….. 30
Tabel 3.12 Data Masukan Bulan November ……….. 31
Tabel 3.13 Data Masukan Bulan Desember ………... 31
Tabel 4.1 Bulan Januari 10 Pelatihan………... 35
Tabel 4.2 Bulan Januari 50 Pelatihan………... 36
Tabel 4.3 Bulan Januari 100 Pelatihan…..………... 37
Tabel 4.4 Bulan Januari 250 Pelatihan..………... 38
Tabel 4.5 Bulan Januari 500 Pelatihan………...………... 39
Tabel 4.6 Bulan Januari 700 Pelatihan…..………... 40
Tabel 4.8 Bulan Januari 900 Pelatihan………..………... 42
Tabel 4.9 Bulan Januari 950 Pelatihan………. 43
Tabel 4.10 Bulan Januari 1000 Pelatihan……..………... 44
Tabel 4.11 Bulan Januari ………. 45
Tabel 4.12 Kinerja Jaringan ………. 46
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Cuaca adalah salah satu faktor penting dalam kehidupan manusia, apakah itu di bidang bisnis, transportasi, pendidikan, dan sebagainya. Keadaan cuaca yang tidak menentu membuat kegiatan manusia menjadi terkendala sehingga manusia kini tidak bisa lagi berpatokan pada sistem musim yang sebelumnya.
Untuk dapat membantu manusia mengatasi masalah yang telah dipaparkan sebelumnya maka dibutuhkan suatu sistem peramalan cuaca yang akurat. Dengan sistem peramalan tersebut maka manusia dapat memprediksi keadaan cuaca jangka panjang ataupun jangka pendek.
Ide dasar dari pengerjaan Tugas Akhir ini adalah untuk membuat suatu jaringan saraf tiruan yang dapat memprediksi keadaan cuaca jangka pendek dengan tiga buah parameter, yaitu suhu, kelembapan udara dan curah hujan dan selanjutnya menentukan kinerja jaringan.
1.2 Rumusan Masalah
Dalam Tugas Akhir ini, akan dibahas tentang kinerja arsitekturMadalinedalam memprediksi keadaan cuaca.
1.3 Pembatasan Masalah
Yang dibahas pada Tugas Akhir ini adalah :
a. Perancangan JST menggunakan model arsitekturMadaline.
b. Data harian yang digunakan adalah data dengan karakteristik: suhu, kelembaban udara, dan curah hujan selama tiga tahun.
2
d. Software yang digunakan untuk membuat JST ini adalahMatlab7.6.
1.4 Tujuan
Adapun tujuan dari Tugas Akhir ini adalah menentukan kinerja dari jaringan saraf tiruan Madaline dalam memprediksi cuaca dengan menggunakan parameter: suhu, kelembapan udara dan curah hujan.
1.5 Sistematika Penulisan
Sistematika dari penulisan Tugas Akhir ini adalah sebagai berikut: 1) Bab I. Pendahuluan
Berisikan tentang Latar Belakang, Tujuan, manfaat, Perumusan Masalah, Sistematika Penulisan.
2) Bab II Teori Dasar Jaringan saraf tiruan
Berisikan tentang teori pendukung jaringan saraf tiruan. 3) Bab III Perancangan Jaringan Saraf TiruanMadaline
Berisikan tentang cara pembuatan jaringan, proses pelatihan, dan penyajian data percobaan.
4) Bab IV Hasil dan Analisa Percobaan
Berisikan tentang hasil dan analisa percobaan. 5) Bab V Kesimpulan dan Saran
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dengan menggunakan Madaline dalam memprediksi cuaca, maka dapat disimpulkan kinerja jaringan sebagai berikut:
1. Kinerja jaringan untuk masukan data pelatihan sebanyak 3 tahun memberikan nilai kinerja yang paling baik yaitu sebesar 73.27%, sedangkan untuk masukan data pelatihan sebanyak dua tahun sebesar 72.92% dan untuk data masukan sebanyak 1 tahun sebesar 62.34%.
2. Rata-rata kinerja untuk setiap parameter dengan masukan sebanyak satu tahun adalah: suhu sebesar 94.54%, kelembapan sebesar 92.88% dan curah hujan sebesar 71.52%.
3. Rata-rata kinerja untuk setiap parameter dengan masukan sebanyak dua tahun adalah: suhu sebesar 94.79%, kelembapan sebesar 93.32% dan curah hujan sebesar 72.92%.
4. Rata-rata kinerja untuk setiap parameter dengan masukan sebanyak tiga tahun adalah: suhu sebesar 95.11%, kelembapan sebesar 93.66% dan curah hujan sebesar 31.04%.
5.2. Saran
Adapun saran untuk pengembangan Tugas Akhir ini adalah:
1. Memakai algoritma lain sebagai perbandingannya seperti Backpropagation, Neocognitron.
DAFTAR PUSTAKA
1. Bao, J.,Short-term Load Forecasting on Neural Network and Moving Average, Dept of Computer Science Iowa State University, 2002.
2. Curino, C.A., ECE 559 Homework 1: Madaline Neural Network for Simple Characters Recognition, 2004.
3. Fyve, C.,Artificial Neural Networks, 1996.
4. Jong ,J.S.,Jaringan Syaraf Tiruan & Pemogramannya Menggunakan Matlab, Penerbit Andi, 2005.
5. Krose, B., Smagt, V.P.,An Introduction to Neural Networks, 1996.
6. Kuncoro, A.H., Zuhal, Dalimi, R., Long Term Load Forecasting On The Java-Madura-Bali Electricity ZSystem Using Artificial Neural Network
Method, Dept. Of Electrical Engineering, University Of Indonesia, 2007.
7. Rabunal, J.R., Dorado, J., Artificial Neural Networks in Real Life Application, Idea Group Publishing, 2006.
