Implementasi Backpropagation Neural Network dalam Prakiraan Cuaca di Daerah Bali Selatan.

(1)

IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK

DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN

HALAMAN JUDUL

KOMPETENSI KOMPUTASI

SKRIPSI

I MADE DWI UDAYANA PUTRA

1108405026

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS UDAYANA

BUKIT JIMBARAN

(2)

(3)

(4)

HALAMAN JUDUL

SKRIPSI

1108405026

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS UDAYANA

BUKIT JIMBARAN

(5)

ii

LEMBAR PERSEMBAHAN

Kegagalan adalah satu-satunya kesempatan untuk memulai

lagi dengan lebih cerdik

(Henry Ford)

Tugas Akhir ini kupersembahkan untuk Ida Sang Hyang Widhi Wasa atas segala anugerah yang diberikanNya,

Kedua orang tua yang selalu memberikan doa serta nasihat, Kakakku Anggreni dan adikku Astrayasa yang selalu memberikan senyum,

Kekasihku yang selalu memberikan tawa dan semangat, Sahabat-sahabatku selalu memberikan semangat tempur dan mengajarkan perjuangan tanpa batas, Teman-teman Matematika Angkatan 2011 yang selalu memberikan dukungan, Serta teman-teman Matematika Udayana atas kerja samanya hingga

(6)

iii

LEMBAR PERNYATAAN

[SKRIPSI]

Sebagai syarat untuk memperoleh gelar Sarjana Sains bidang Matematika pada

Fakultas Matematika dan Ilmu Pengetahuan Alam

Universitas Udayana

Tulisan ini merupakan hasil penelitian yang belum pernah dipublikasikan

1108405026

Pembimbing II Pembimbing I

(7)

iv

LEMBAR PENGESAHAN TUGAS AKHIR

Judul : Implementasi Backpropagation Neural Network dalam

Prakiraan Cuaca di Daerah Bali Selatan

Kompetensi : Komputasi

Nama : I Made Dwi Udayana Putra

NIM : 1108405026

Fakultas/Jurusan : Matematika dan Ilmu Pengetahuan Alam/Matematika

Tanggal Seminar : 23 Juni 2016

Disetujui oleh :

Pembimbing II Pembimbing I

Luh Putu Ida Harini, S.Si., M.Sc. Drs. G. K. Gandhiadi, M.T. NIP. 198002102003122001 NIP. 196209301988031002

Penguji I

Ir. Tjokorda Bagus Oka, Ph.D. NIP. 195411261986031001

Penguji III Penguji II

I Wayan Sumarjaya, S.Si., M.Stats. Drs. Ketut Jayanegara, M.Si. NIP. 197704212005011001 NIP. 196503021992031001

Mengetahui,

Jurusan Matematika FMIPA Unud

Ketua,

(8)

v

Judul : Implementasi Backpropagation Neural Network dalam

Prakiraan Cuaca di Daerah Bali Selatan

Nama : I Made Dwi Udayana Putra (NIM: 1108405026)

Pembimbing : 1. Drs. G. K. Gandhiadi, M.T.

2. Luh Putu Ida Harini, S.Si., M.Sc.

ABSTRAK

Informasi cuaca mempunyai peranan penting bagi kehidupan manusia dalam berbagai bidang, antara lain bidang pertanian, kelautan, dan penerbangan. Prakiraan cuaca yang akurat sangat dibutuhkan agar dapat meningkatkan kinerja dari bidang-bidang tersebut. Pada penelitian ini digunakan metode jaringan syaraf tiruan dengan algoritma pembelajaran backpropagation untuk membuat model prakiraan cuaca di daerah Bali Selatan. Penelitian ini bertujuan untuk mengetahui pengaruh jumlah neuron dalam lapisan tersembunyi dan untuk mengetahui tingkat akurasi metode jaringan syaraf tiruan dengan algoritma pembelajaran backpropagation dalam model prakiraan cuaca. Model prakiraan cuaca pada penelitian ini menggunakan input berupa faktor-faktor yang memengaruhi cuaca yaitu suhu udara, titik embun, kecepatan angin, jarak pandang, dan tekanan udara.

Hasil dari pengujian jaringan dengan jumlah neuron pada lapisan tersembunyi yang berbeda menggunakan metode jaringan syaraf tiruan dengan algoritma pembelajaran

backpropagation menunjukan bahwa penambahan jumlah neuron pada lapisan

tersembunyi tidak berbanding lurus dengan nilai akurasi hasil prakiraan cuaca. Bertambahnya jumlah neuron pada lapisan tersembunyi tidak serta merta meningkatkan atau menurunkan nilai akurasi prakiraan cuaca dan diperoleh tingkat akurasi terbaik sebesar 51,6129% pada model jaringan dengan tiga buah neuron pada lapisan tersembunyi.

(9)

vi

Title : Implementation of Backpropagation Neural Network in

Weather Forecasting in South Bali Area

Name : I Made Dwi Udayana Putra (NIM: 1108405026)

Supervisor : 1. Drs. G. K. Gandhiadi, M.T.

2. Luh Putu Ida Harini, S.Si., M.Sc.

ABSTRACT

Weather information has an important role in human life in various fields, such as agriculture, marine, and aviation. The accurate weather forecasts are needed in order to improve the performance of various fields. In this study, use artificial neural network method with backpropagation learning algorithm to create a model of weather forecasting in the area of South Bali. The aim of thi study is to determine the effect of the number of neurons in the hidden layer and to determine the level of accuracy of the method of artificial neural network with backpropagation learning algorithm in weather forecast models. Weather forecast models in this study using input of the factors that influence the weather, namely air temperature, dew point, wind speed, visibility, and barometric pressure.

The results of testing the network with a different number of neurons in the hidden layer of artificial neural network method with backpropagation learning algorithms show that the increase in the number of neurons in the hidden layer is not directly proportional to the value of the accuracy of the weather forecasts, the increase in the number of neurons in the hidden layer does not necessarily increase or decrease value accuracy of weather forecasts we obtain the best accuracy rate of 51.6129% on a network model with three neurons in the hidden layer.

(10)

vii

KATA PENGANTAR

Puji syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa karena atas

rahmat-Nya penulis dapat menyelesaikan tugas akhir dengan judul” Implementasi

Backpropagation Neural Network dalam Prakiraan Cuaca di Daerah Bali Selatan.

Penulis mengucapkan terima kasih kepada berbagai pihak yang telah memberikan

bantuan sehingga tugas akhir ini dapat tersusun dengan baik, antara lain:

1. Ibu Desak Putu Eka Nilakusmawati, S.Si., M.Si., selaku Ketua Jurusan

Matematika FMIPA Universitas Udayana yang telah membantu dalam

kelancaran tugas akhir ini.

2. Bapak Drs. G. K. Gandhiadi, M.T., selaku Dosen Pembimbing I yang telah

membantu dan membimbing dalam pelaksanaan penelitian dan penyusunan

tugas akhir ini.

3. Ibu Luh Putu Ida Harini, S.Si., M.Sc., selaku Dosen Pembimbing II yang telah

membimbing dan memberi masukan dalam penyusunan tugas akhir ini.

4. Bapak Ir. Tjokorda Bagus Oka, Ph.D., Bapak Drs. Ketut Jayanegara, M.Si.,

dan Bapak I Wayan Sumarjaya, S.Si., M.Stats., sebagai dosen penguji yang

senantiasa memberikan sarannya dalam penyempurnaan tugas akhir ini.

5. Bapak dan Ibu dosen Jurusan Matematika Fakultas MIPA Universitas

Udayana yang telah memberikan bekal ilmu selama penulis menjadi

mahasiswa.

6. Kedua orang tua saya yang selalu memberikan dukungan moral maupun

material selama penyusunan tugas akhir.

(11)

viii

8. Sahabat terbaikku Ayu Dinita Trisnayanti yang selalu memberikan semangat

dan mengajarkan arti perjuangan tanpa batas.

Penulis menyadari sepenuhnya bahwa apa yang telah dipaparkan pada tugas

akhir ini masih jauh dari tingkat sempurna. Oleh karena itu kritik dan saran yang

membangun sangat penulis harapkan.

Bukit Jimbaran, Juni 2016

(12)

ix

BIODATA ALUMNI

Nama Lengkap : I Made Dwi Udayana Putra

NIM : 1108405026

Jenis Kelamin : Laki-laki

Tempat/Tanggal Lahir : Denpasar, 17 Nopember 1993

Alamat Asal : Jalan Tegal Sari No. 6 Jimbaran

Alamat Sekarang : Jalan Tegal Sari No. 6 Jimbaran

Agama : Hindu

Tanggal Lulus : 23 Juni 2016

Kompetensi : Matematika Komputasi

IP Kumulatif : 3,38

Predikat Kelulusan : Sangat Memuaskan

Nilai TOEFL Lokal : 450

Alamat Email : dwiudayana@gmail.com

Nomor HP : 081353354657

Nama Ayah : I Wayan Pugir

Nama Ibu : Ni Nyoman Asriyani

Alamat Ayah/Ibu : Jalan Tegal Sari No. 6 Jimbaran

(13)

x

DAFTAR ISI

Halaman

HALAMAN JUDUL ... i

LEMBAR PERSEMBAHAN ... ii

LEMBAR PERNYATAAN ... iii

LEMBAR PENGESAHAN TUGAS AKHIR ... iv

ABSTRAK ... v

ABSTRACT ... vi

KATA PENGANTAR ... vii

BIODATA ALUMNI ... ix

DAFTAR ISI ... x

DAFTAR TABEL ... xii

DAFTAR GAMBAR ... xiii

DAFTAR LAMPIRAN ... xiv

BAB I PENDAHULUAN ... 1

BAB II TINJAUAN PUSTAKA ... 6

2.1 Jaringan Syaraf Tiruan ... 6

2.2 Backpropagation ... 7

2.2.1 Inisialisasi Bobot Awal ... 9

2.2.2 Fungsi Aktivasi pada Backpropagation ... 10

2.2.3 Algoritma Pelatihan ... 11

2.2.4 Mean Square Error (MSE) ... 16

2.2.5 Pengukuran Ketepatan Model Prakiraan ... 16

(14)

xi

BAB III METODE PENELITIAN... 19

3.1 Jenis dan Sumber Data ... 19

3.2 Variabel Penelitian ... 19

3.3 Teknik Analisis Data ... 19

BAB IV HASIL DAN PEMBAHASAN ... 22

4.1 Prakiraan Cuaca dengan Metode Jaringan Syaraf Tiruan ... 22

4.1.1. Transformasi Data ... 23

4.1.2. Pembagian Data ... 25

4.1.3. Pola Output ... 25

4.2 Pelatihan Jaringan ... 26

4.2.1 Inisialisasi Bobot dan Bias Awal ... 27

4.2.2 Pelatihan Jaringan dengan Algoritma Pembelajaran Backpropagation ... 32

4.3 Pengujian Jaringan... 33

4.3.1. Hasil Prakiraan Cuaca ... 33

4.3.2. Validasi Model Prakiraan Cuaca ... 34

BAB V KESIMPULAN DAN SARAN ... 37

5.1 Kesimpulan ... 37

5.2 Saran ... 37

DAFTAR PUSTAKA ... 38

(15)

xii

DAFTAR TABEL

Tabel Halaman

4.1 Nilai maksimum dan minimum data input ... 23

4.2 Pola output atau target yang diinginkan ... 26

4.3 Nilai faktor skala dari lapisan input ke lapisan tersembunyi ... 27

4.4 Nilai faktor skala dari lapisan tersembunyi ke lapisan output ... 28

4.5 Nilai besaran vektor bobot pada model jaringan dengan 1, 2, 3, 4, dan 5 buah neuron pada lapisan tersembunyi ... 29

4.6 Nilai besaran vektor bobot pada model jaringan dengan 6, 7, dan 8 buah neuron pada lapisan tersembunyi ... 30

4.7 Nilai besaran vektor bobot pada model jaringan dengan 9 dan 10 buah neuron pada lapisan tersembunyi ... 31

4.8 Hasil prakiraan cuaca ... 34

(16)

xiii

DAFTAR GAMBAR

Gambar Halaman

2.1 Sebuah Sel Syaraf Tiruan ... 6

2.2 Arsitektur Backpropagation ... 8

4.1 Plot data hasil transformasi (data ke-1 sampai data ke-246)... 24

(17)

xiv

DAFTAR LAMPIRAN

Lampiran

1. Data Hasil Transformasi

2. Data Pelatihan dan Data Pengujian

3. Nilai Besaran Vektor Bobot

4. Nilai Bobot dan Bias Awal yang Diperoleh Dengan Menggunakan Algoritma

Nguyen-Widrow

5. Nilai Bobot dan Bias yang Diperoleh pada Tahap Pelatihan Jaringan