commit to user
MENGGUNAKAN JARINGAN SYARAF TIRUAN
DI DAS WURYANTORO PADA AWLR KECAMATAN
WURYANTORO
ANALYSIS OF DISCHARGE TIME SERIES DATA USING THE
ARTIFICIAL OF NEURAL NETWORK AT DAS WURYANTORO
ON AWLR DISTRICTS WURYANTORO
SKRIPSI
Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Pada Jurusan Teknik Sipil Fakultas Teknik
Universitas Sebelas Maret Surakarta
Disusun Oleh :
HERI EKO PRASETYO
NIM. I 1111044
PROGRAM STUDI S1 TEKNIK SIPIL NON - REGULER
JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK
UNIVERSITAS SEBELAS MARET
SURAKARTA
commit to user iv
MOTTO
Ingat. . . . Di atas langit masih ada langit.
Orang sukses takkan pernah mengeluh bagaimana kalau gagal, namun
berusaha bagaimana untuk berhasil.
Orang yang luar biasa itu sederhana dalam ucapan, tetapi hebat dalam
tindakan.
Ibadah dan doa adalah kunci pokok meraih keberhasilan, tapi jangan lupa
harus selalu berusaha.
Kalau tidak pernah berani tersesat, maka kalian tidak akan pernah
menemukan jalan baru.
Tidak ada hal yang tidak mungkin dikerjakan di dunia ini, semua masalah
commit to user v
PERSEMBAHAN
Alhamdulillah puji syukur tiada terkira kupanjatkan kehadirat Allah S.W.T pencipta alam semesta yang telah memberikan rahmat, hidayah serta anugerah yang tak terhingga, sehingga semua ini dapat tercapai dengan lancar dan baik.
Ribuan terima kasih untuk Bapak, Ibu dan Adik disemarang yang tak henti-hentinya mendoakan dan memberikan semangat kepada penulis hingga selesainya skripsi ini.
Kepada Elsi Tri Juniati di depok, terima kasih atas doa, cinta, kasih sayang, semangat dan dukungannya selama ini.
Ibu Rintis Hadiani dan Bapak Setiono selaku dosen pembimbing skripsi, Terima Kasih atas ilmu yang diajarkan dan kesabarannya dalam membimbing saya.
Untuk teman-teman Berkly Tarigan, Egar, Danang, Dhiky, Jonas Eratika Ginting, Frandy Eko Yulianto, Ferry Dirgantoro, Dewa Winditiatama kalian team yang luar biasa dan sukses buat kalian.
Kepada rekan-rekan Teknik Sipil S1 Non Reguler khususnya angkatan
2011, terima kasih atas kebersamaan, suka, duka, canda, tawa dan
perjuangan bersama kalian selama ini, semoga kita menjadi orang
yang sukses ke depannya, amin.
Kepada segenap pihak yang telah membantu menyelesaikan laporan
ini yang tidak bisa saya sebutkan satu-satu, penulis mengucapkan
commit to user vi
ABSTRAK
HERI EKO PRASETYO, 2014, “ANALISIS DATA RUNTUN WAKTU DEBIT
MENGGUNAKAN JARINGAN SYARAF TIRUAN DI DAS WURYANTORO PADA AWLR KECAMATAN WURYANTORO”.
Jaringan Syaraf Tiruan (JST) adalah suatu teknologi yang dikembangkan berdasarkan prinsip jaringan syaraf biologi pada manusia, dapat dilatih untuk meramalkan apa yang akan terjadi dimassa yang akan datang berdasarkan pola kejadian yang ada dimassa lampau. JST memiliki kemampuan untuk mengingat dan membuat generalisasi dari apa yang sudah terjadi sebelumnya. Jaringan Syaraf Tiruan dapat melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola (data historis) yang digunakan selama pelatihan serta kemampuan jaringan untuk merespon yang benar terhadap pola masukan yang serupa (tapi tak sama) dengan pola yang dipakai selama pelatihan. Tujuan penelitian ini untuk menentukan jumlah pola input yang terbaik menggunakan Jaringan Syaraf Tiruan, dengan arsitektur propagasi balik.
Metode penelitian ini menggunakan metode deskritif kuantitatif dengan teknik pengumpulan data dari sumber atau instansi terkait sehingga pada penelitian ini data yang digunakan adalah data sekunder. Tahapan penelitian yang dilaksanakan dengan mempersiapkan data debit pada tahun 2001 – 2012. Untuk simulasi data debit menggunakan metode Jaringan Syaraf Tiruan (JST) Backpropagation dengan bantuan
software Matlab.
Hasil penelitian menunjukkan bahwa jumlah pola input yang terbaik adalah pola input dengan masukan data debit 8 tahun. Hasil simulasi yang terbaik adalah simulasi data debit dengan masukan data debit 8 tahun dengan keluaran data debit 8 tahun. Reliabilitas hasil simulasi hanya mencapai 63,86%, maka hasil simulasi memiliki tingkat reliabilitas yang cukup baik.
commit to user vii
ABSTRACT
HERI EKO PRASETYO, 2014, “ANALYSIS OF DISCHARGE TIME SERIES
DATA USING THE ARTIFICIAL OF NEURAL NETWORK AT DAS
WURYANTORO ON AWLR DISTRICTS WURYANTORO”.
Artificial Neural Network (ANN) is a technology that was developed based on the principle of biological neural networks in humans, can be trained to predict what will happen future based on patterns occurrence existing in the past. ANN has the ability to remember and make a generalization of what has happened before. Artificial neural networks can train the network to get the balance between the ability of the network to recognize patterns (historical data) are used for training as well as the network's ability to respond correctly to the input patterns are similar (but not the same) to the pattern used during training. The purpose of this study was to determine the best number of input patterns using neural networks, back propagation architecture.
This research method using quantitative descriptive methods with techniques of data collection sources or agencies related to the research data used are secondary data. Stages of the research carried out by preparing the data discharge in the year 2001-2012. For the simulation of discharge data using Artificial Neural Networks (ANN) backpropagation with the help of MATLAB software.
The results showed that the number of input pattern is best with the input pattern data input discharge 8 years. The best simulation results are simulated discharge data with the data input discharge 8 years with the data output discharge 8 years. Reliability of simulation results only reaches 64.68%, the simulation results have a fairly good result level of reliability.
commit to user viii
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa, yang telah melimpahkan berkat, rahmat dan talenta-Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan judul Analisis Data Runtun Waktu Debit Menggunakan Jaringan Syaraf Tiruan di DAS Wuryantoro Pada AWLR Kecamatan Wuryantoro guna memperoleh gelar Sarjana Teknik pada Fakultas Teknik Jurusan Sipil Universitas Sebelas Maret Surakarta.
Dalam penyusunan laporan ini penulis banyak menerima bantuan dari berbagai pihak, oleh karena itu penulis ucapkan terima kasih kepada :
1. Segenap Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta.
2. Segenap Pimpinan Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta.
3. Ibu Dr. Ir. Rr. Rintis Hadiani, MT. Selaku dosen pembimbing pertama. 4. Bapak Setiono, ST, MSc selaku dosen pembimbing kedua.
5. Dosen Penguji Skripsi.
6. Bapak dan Ibu Dosen pengajar di Jurusan Teknik Sipil Universitas Sebelas Maret Surakarta.
7. Seluruh rekan-rekan mahasiswa S1 Non Reguler UNS angkatan 2011.
8. Seluruh pihak yang tidak dapat kami sebutkan satu persatu yang telah membantu kelancaran hingga terwujudnya laporan ini.
commit to user ix
DAFTAR ISI
HALAMAN JUDUL ... ... i
HALAMAN PERSETUJUAN PEMBIMBING ... ii
HALAMAN PENGESAHAN ... iii
MOTTO ... ………. iv
DAFTAR NOTASI DAN SIMBOL ... xiii
BAB I PENDAHULUAN
commit to user x
2.2.6. Backpropagation (Jaringan Propagasi Balik) ...…….... 8
2.2.7. Matlab ...……... 9
2.2.8. Prosedur Aplikasi JST menggunakan Matlab ...……... 9
2.2.9. Analisis Statistik Data ...…….... 10
2.2.10. Uji Hasil Analisis Model ...…….... 10
2.2.11. Koefisien Korelasi Debit ...……. 11
2.2.12. Analisis Reliabilitas Parameter ...……. 12
BAB III METODE PENELITIAN 3.1. Lokasi Penelitian ...………...……... 14
3.2. Jenis Penelitian ... 15
3.3. Langkah - Langkah Penelitian ...……... 15
3.3.1. Mengumpulkan Data dan Informasi ...…….. 15
3.3.2. Pengumpulan Data ...……... 16
3.3.3. Pengolahan Data ...……... 16
3.3.4. Pemodelan Menggunakan Jaringan Syaraf Tiruan ...……. 17
3.3.5. Algoritma Model Jaringan Syaraf Tiruan ...……. 19
BAB IV HASIL DAN PEMBAHASAN 4.1. Data Debit ...…... ... 21
4.2. Analisis Debit Menggunakan JST dengan Metode Backpropogation .…….. 22
4.3. Validitas Data Simulasi Debit ...…….. 26
4.4. Korelasi ...…… ... 35
4.5. Reliabilitas Hasil Simulasi ...……... 35
BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan ……...………...……... 36
5.2. Saran ...……... ... 36
DAFTAR PUSTAKA ... xvi
commit to user xi
DAFTAR TABEL
Tabel 4.1 Data Debit Rerata Bulanan DAS Wuryantoro Tahun 2001-2012 ... 21
Tabel 4.1 Lanjutan ... 22
Tabel 4.2. Validitas Data Simulasi Debit ... 27
Tabel 4.3. Statistik Keluaran Model ………... 27
Tabel 4.4. Hasil Simulasi Debit dengan masukan 4 tahun ... 28
Tabel 4.4. Lanjutan ………... 29
Tabel 4.5. Hasil Simulasi Debit Dengan Masukan 6 Tahun ……... 29
Tabel 4.6. Hasil Simulasi Debit Dengan Masukan 8 Tahun ……...………... 30
Tabel 4.7. Hasil Simulasi Debit Dengan Masukan 10 Tahun ..……..……… 30
Tabel 4.7. Lanjutan ……….………... 31
commit to user xii
DAFTAR GAMBAR
Gambar 2.1. JST untuk Perhitungan Debit ………...………... 9
Gambar 3.1. Peta Lokasi Wliayah Penelitian ………... 15
Gambar 3.2. DAS Wuryantoro………... 16
Gambar 3.3. Diagram Alir Tahapan Penelitin ………... 19
Gambar 3.4. Algoritma Pemodelan Jaringan Syaraf Tiruan ……... 21
Gambar 4.1. Artificial Neural Network untuk Q maka Q ……….……..……... 23
Gambar 4.2. Neural Network Training (nntraintool) ……….……..……... 24
Gambar 4.3. Grafik Hasil Simulasi Debit Bulanan Tahun 2009-2012 pada DAS Wuryantoro………. 25
Gambar 4.4. Grafik Statistik Keluaran Model………... 28
Gambar 4.5. Grafik Hasil Simulasi Debit Bulanan Tahun 2009-2012 pada DAS Wuryantoro ……….…... 31
Gambar 4.6. Grafik Hasil Simulasi Debit Bulanan Tahun 2007-2012 pada DAS Wuryantoro ………..…………... 32
Gambar 4.7. Grafik Hasil Simulasi Debit Bulanan Tahun 2005-2012 pada DAS Wuryantoro ………... 33
commit to user xiii
DAFTAR NOTASI DAN SIMBOL
y = Data Debit ke i,
= Data Debit Rerata,
Dy = Standar Deviasi,
n = Jumlah Data,
P1 = Masukan Data ke-1
Pn = Masukan Data ke-n
Z1.1 = Peubah Bantu ke-1 pada lapisan tersembunyi 1
Z2.1 = Peubah Bantu ke-1 pada lapisan tersembunyi 2
b=1 = Nilai bias yang ditentukan dengan Satu
Q1 = Keluaran data ke-1
Qn = Keluaran data ke-n
q
r = total run-length berdasarkan q (probabilitas),
j = 1, 2, 3, …, kr,
kr = jumlah total run-length.
r = Koefisien korelasi
Q50 = Debit simulasi (m3/dt)
Qobs = Debit lapangan (m3/dt)
σi2 = Jumlah varian i (merupakan jumlah diagonal),
σij = Kovarian item i dan j,
