PREDIKSI ph AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION

Transkripsi

1 Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 04, No. 3 (2015), hal PREDIKSI ph AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION Fra Siskus Dia Ariato, Muhlasah Novitasari Mara, Naomi Nessyaa Debataraja INTISARI Huja asam dipegaruhi oleh emisi gas Karbo Mooksida (CO), Sulfur Dioksida (SO 2 ), da Nitroge Dioksida (NO 2 ). Terjadiya huja asam diakibatka oleh gas CO, SO 2, da NO 2 yag mecair bersamaa dega air huja sehigga membetuk asam pada air tersebut. Dikataka huja asam apabila ph air kurag dari 5,6 da jika terjadi huja asam maka dapat meyebabka berbagai macam peyakit. Oleh karea itu, iformasi huja asam petig diketahui dega cara memperkiraka ph air huja. Salah satu upaya utuk memperkiraka permasalaha tersebut yaitu dega cara membetuk model utuk mesimulasika huja asam dega akurasi yag tiggi. Adapu data CO, SO 2, NO 2, da ph air huja yag diguaka dalam peelitia ii yaitu sebayak 55 pegamata. Berdasarka data tersebut, diguaka metode Backpropagatio utuk meetuka model terbaik ph air huja. Dari hasil 40 percobaa terhadap euro pada lapisa tersembuyi diperoleh struktur jariga yag outputya medekati data aktual ph air huja yaitu 3 uit euro pada lapisa iput, 2 uit euro pada lapisa tersembuyi, da 1 uit euro pada lapisa output. Struktur jariga tersebut meghasilka MSE 0,06414, MAD 0,212, MAPE 0,041349, da R -0, Kata kuci: Algoritma Backpropagatio, Gradiet Descet PENDAHULUAN Huja asam berpegaruh terhadap kualitas air di Kalimata Barat. ph mejadi salah satu faktor utuk megetahui terjadiya huja asam. Huja asam terjadi saat ph yag dihasilka dibawah ph ormal yaitu 5,6. Dari tahu 2009 sampai 2013 rata-rata ph air huja di Kalimata Barat yaitu 5,2 berdasarka Bada Meteorologi, Klimatologi da Geofisika (BMKG) Stasiu Klimatologi Siata Potiaak. Air yag terkotamiasi oleh huja asam apabila dikosumsi dapat meyebabka berbagai macam gaggua kesehata. Masyarakat Kalimata Barat dalam kegiata sehari-hari sagat bergatug pada air sehiga huja asam merupaka suatu masalah ligkuga yag serius. Iformasi huja asam petig diketahui utuk megetahui batasa faktor yag meyebabka kejadia iklim, ketika terjadi huja asam yag berlebiha maka dapat ditagai dega memperhatika kombiasi faktor peyebab kejadia iklim. Salah satu upaya utuk memperkiraka permasalaha tersebut yaitu dega melalui pembetuka model simulasi ph air huja dega akurasi yag tiggi. Huja asam di Kalimata Barat di pegaruhi oleh emisi baha bakar berupa gas Karbo Mooksida (CO), Sulfur Dioksida (SO 2 ), da Nitroge Dioksida (NO 2 ). ph merupaka logaritma egatif kosetrasi io hydroge (H + ). Karbo Mooksida (CO) hampir merupaka zat opolar yag tidak mudah larut didalam air, amu ketika gas CO ii berada di udara aka cepat teroksidasi mejadi CO 2. Karbo Dioksida (CO 2 ) merupaka molekul liear da opolar karea strukturya yag simetris, zat ii mudah larut didalam air da larutaya bersifat asam karboat. Sulfur Dioksida (SO 2 ) merupaka molekul oliear da berbetuk polar, caira SO 2 didalam air membetuk asam ecer. Nitroge dioksida (NO 2 ) merupaka zat itermediate dalam reaksi ammoia mejadi asam itrat [1]. Gas CO, SO 2, da NO 2 yag dikeluarka oleh kedaraa, pabrik, da dari alam terpapar ke udara, jika terjadi huja, gas pecemar tersebut aka mecair mejadi asam sehigga ph air tersebut mejadi kurag dari 5,6. Jariga syaraf tirua merupaka salah satu represetasi buata dari otak mausia yag selalu mecoba utuk mesimulasika proses pembelajara pada otak mausia tersebut. Istilah buata disii diguaka karea jariga syaraf ii diimplemetasika dega megguaka program komputer yag mampu meyelesaika sejumlah proses perhituga selama proses pembelajara [2][3]. Terdapat 397

2 398 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA beberapa metode pada jariga syaraf tirua yaitu metode perceptro, backpropagatio, self orgaizig, learig vector quatizatio. Metode perceptro merupaka jariga syaraf sederhaa yag diguaka utuk megklasifikasika suatu tipe pola tertetu yag serig dikeal dega pemisaha secara liear. Metode Backpropagatio merupaka algoritma pembelajara yag terawasi da metode ii serig diguaka utuk pembetuka model jariga basis radial. Jariga syaraf berbasis radial biasaya membutuhka euro lebih bayak dibadig dega jariga feedword. metode Self orgaizig yaitu jariga pada lapisaya berisi euro-euro yag aka meyusu diri berdasarka iput ilai tertetu dalam suatu kelompok yag dikeal dega istilah cluster. Kemudia learig vector quatizatio merupaka suatu metode utuk melakuka pelatiha terhadap lapisalapisa kompotitif yag terawasi [2][3]. Pada peelitia ii diguaka metode backpropagatio sebagai metode peetua model utuk memperkiraka ph air huja di Kalimata Barat pada masa medatag. Metode backpropagatio diguaka diberbagai bidag diataraya yaitu, Aidita Septiai da Nur Sya baiah (2012) membahas tetag sistem peramala jumlah produksi air PDAM Samarida megguaka jariga syaraf tirua backpropagatio. Peelitia tersebut meemuka bahwa jumlah data yag diguaka pada peelitia berbadig lurus dega kierja sistem ii, artiya semaki bayak data latih yag diguaka utuk peelitia, hasil prediksiya aka semaki membaik [4]. Apriati (2013) membahas tetag estimasi curah huja bulaa Kota Potiaak dega suhu permukaa laut sebagai estimator berdasarka jariga syaraf tirua backpropagatio. Diperoleh 3 koefisie korelasi tertiggi terhadap data pegujia yaitu 0,70, 0,71 da 0,75, yag masig-masig berada di sekitar garis equator. Koefisie korelasi ii meujuka bahwa pola SPL medekati pola curah huja di Potiaak [5]. Tujua dari peelitia ii adalah membuat model prediksi ph air huja megguaka metode backpropagatio pada Jariga Syaraf Tirua. Pembetuka model utuk perkiraa ph air huja yag ditetuka berdasarka emisi baha bakar berupa gas karbo mooksida (CO), sulfur dioksida (SO 2 ), da itroge dioksida (NO 2 ). METODE BACKPROPAGATION Backpropagatio merupaka algoritma pembelajara yag terawasi da biasaya diguaka oleh perceptro dega bayak lapisa utuk megubah bobot-bobot yag terhubug dega euroeuro yag ada pada lapisa tersembuyi. Algoritma backpropagatio megguaka eror output utuk megubah ilai bobot-bobot dalam arah mudur (backward). Utuk medapatka eror ii, tahap perambata maju (forward propagatio) harus dikerjaka terlebih dahulu. Saat perambata maju euro-euro diaktifka dega megguaka fugsi aktivasi yag dapat dideferesiasika, seperti sigmoid bier [2]: (1) dega Atau fugsi liear (2) dega Arsitektur jariga backpropagatio fugsi gradiet descet dega mometum disajika pada Gambar 1. Pada Gambar 1, lapisa iput terdiri atas euro da pegamata, yag diyataka dega dimaa meujuka uit iput utuk euro ke- pada pegamata ke- Satu lapisa tersembuyi dega euro, pegamata, da epoch, yag diyataka dega dimaa meujuka uit lapisa tersembuyi utuk euro ke-, pegamata ke-, pada epoch ke- Serta satu uit output yag diyataka dega dimaa uit output utuk pegamata ke-, pada epoch ke-. Bobot yag meghubugka dega uit euro pada lapisa tersembuyi adalah dimaa merupaka bobot yag meghubugka euro iput ke- dega uit euro lapisa

3 Prediksi ph Air Huja Di Kalimata Barat Dega Metode Backpropagatio 399 tersembuyi ke- pada pegamata ke- da epoch ke-. Bobot bias yag terhubug ke uit euro pada lapisa tersembuyi adalah dimaa merupaka bobot bias euro ke-, pegamata ke-, pada epoch ke- Bobot yag meghubugka uit euro pada lapisa tersembuyi dega uit euro pada lapisa output adalah dega uit lapisa tersembuyi, pegamata, da epoch. Bobot bias terhubug dega lapisa output. Fugsi aktivasi yag diguaka pada lapisa tersembuyi yaitu fugsi aktivasi sigmoid bier (logsig) da pada lapisa output fugsi aktivasi yag diguaka yaitu fugsi aktivasi liear (pureli). z_i tk z tk b tk + x it v i tk v tk x t v 2ptk v 2tk v 3tk v ptk v 2 tk v 22tk x 2t v23tk b tk2 + x it v i2tk b 3tk + x it v i3tk z_i 2tk z_i 3tk z 2tk z 3tk w 2tk w tk w 3tk b tk + z itk w jtk y_i tk y tk v 3tk b 2tk v tk v 2k w ptk b 3tk x t b tk v ptk 1 b ptk b ptk + x it v iptk z_i ptk z ptk 1 b tk Gambar 1. Arsitektur Jariga Backpropagatio [2] Pembelajara megguaka backpropagatio memiliki beberapa tahap pegerjaa yaitu feedforward dimaa pada tahap ii siyal iput dipropagasika ke euro tersembuyi megguaka fugsi aktivasi sigmoid bier. Substitusika pegamata pertama terlebih dahulu dari masig-masig uit euro iput. Nilai dari selajutya dipropagasi lagi ke euro output dega megguaka fugsi aktivasi liear yaitu ilai dari. Nilai pada euro output dibadigka dega target atau data aktual yaitu, dega mecari kesalaha dari peramala yaitu dega begitu bobot-bobot aka dimodifikasi utuk meguragi kesalaha yag terjadi pada peramala pertama. Propagasi mudur atau backpropagatio dilakuka utuk memperbaiki kesalaha dega meghitug. Nilai diguaka utuk memperbaiki ilai yaitu koreksi bobot yag meghubugka lapisa tersembuyi ke- dega lapisa output pada pegamata ke- di epoch ke-. Nilai koreksi bobot tersebut diguaka utuk medapatka bobot-bobot. meghitug ilai utuk memperbaiki yaitu koreksi bobot yag meghubugka lapisa iput ke- dega lapisa tersembuyi ke- pada pegamata ke- di epoch ke-. Nilai koreksi bobot tersebut diguaka utuk medapatka bobot-bobot. Setelah diperoleh perbaika bobot-bobot pada proses perhituga di pegamata pertama bobot-bobot tersebut diguaka utuk proses perhituga di pegamata kedua, da proses tersebut dilakuka sebayak pegamata sampai kodisi berheti. Algoritma Backpropagatio: Iisialisasi bobot awal dega megambil ilai acak yag umumya terletak atara -0,5 sampai 0,5 atau -1 sampai 1. Nilai bobot yag terlalu kecil dari -1 aka meghasilka ilai keluara jariga syaraf ke euro tersembuyi maupu ke euro keluara medekati ol. Hal ii dapat meyebabka waktu yag pajag utuk proses pembelajara, begitu juga sebalikya utuk ilai bobot yag lebih besar dari 1. Peetapa maksimum epoch, target eror, mometum (mc), da learig rate sebagai

4 400 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA batasa pembelajara. Adapu algoritma pelatiha pada metode bakcpropagatio yag dikerjaka yaitu tahap feedforward terlebih dahulu kemudia selajutya tahap backpropagatio, tahap-tahap tersebut dapat dijelaska sebagai berikut: Feedforward: a. Setiap siyal iput ( da ) diteruska ke semua uit pada lapisa tersembuyi. b. Setiap uit pada suatu lapisa tersembuyi meerima siyal dari lapisa iput da diproses dega megguaka persamaa sebagai berikut: _ + = (3) Nilai _ (,, da ) diperoleh dega mesubstitusika,, da ke dalam persamaa (3). Nilai _ dari persamaa (3) diaktivasi utuk medapatka output dari uit lapisa tersembuyi dega megguaka persamaa sebagai berikut: ( _ ) _ (4) Nilai (,, da ) diperoleh dega mesubstitusika ilai _ dari persamaa (3) ke persamaa (4). Setiap siyal di lapisa tersembuyi diteruska ke semua uit di lapisa output. c. Setiap uit pada suatu lapisa output meerima siyal dari lapisa tersembuyi da diproses dega megguaka persamaa sebagai berikut: _ + = (5) Nilai _ ( da ) diperoleh dega mesubstitusika ilai pada persamaa (4),, da ke dalam persamaa (5). Nilai _ dari persamaa (5) diaktivasi utuk medapatka output dari uit lapisa output dega megguaka persamaa sebagai berikut: ( _ ) (6) Backpropagatio: a. Setiap uit output ( da ) meerima target pola yag berhubuga dega pola iput pembelajara. Bobot-bobot baru yag meghubugka atar lapisa tersembuyi dega lapisa output diperoleh berdasarka iformasi eror megguaka persamaa sebagai berikut: ( _ ) (7) Nilai da pada persamaa (6) disubstitusika ke dalam persamaa (7) utuk medapatka iformasi eror. Koreksi bobot yag diguaka utuk memperbaiki ilai yaitu dega persamaa sebagai berikut: (8) Nilai, ilai pada persamaa (7), da ilai pada persamaa (4) disubstitusika ke dalam persamaa (8). Persamaa (8) tersebut diguaka utuk epoch ke-1 sedagka utuk epoch lebih dari 1 megguaka persamaa sebagai berikut: ( ) + (9) Nilai,,, ilai pada persamaa (7), da ilai pada persamaa (4) disubstitusika ke dalam persamaa (9). Koreksi bias yag diguaka utuk memperbaiki ilai yaitu dega persamaa sebagai berikut: (10) Nilai pada persamaa (7) da disubstitusika ke dalam persamaa (10) utuk epoch ke-1, sedagka utuk epoch lebih dari 1 megguaka persamaa sebagai berikut:

5 Prediksi ph Air Huja Di Kalimata Barat Dega Metode Backpropagatio 401 ( + (11) Nilai,,, da pada persamaa (7) disubstitusika ke dalam persamaa (11). Lagkah (a) pada tahap backpropagatio ii dilakuka sebayak jumlah lapisa tersembuyi, yaitu dega meghitug iformasi eror dari suatu lapisa tersembuyi ke lapisa tersembuyi sebelumya. b. Tiap-tiap uit tersembuyi (, da ) mecari delta iput utuk medapatka bobot-bobot baru yag meghubugka atara lapisa iput dega lapisa tersembuyi da diproses megguaka persamaa sebagai berikut: _ = (12) Substitusika ilai pada persamaa (7) da ke dalam persamaa (12). Iformasi eror yag diguaka utuk proses medapatka bobot-bobot baru diperoleh dega megguaka persamaa sebagai berikut: _ ( _ ) (13) Substitusika ilai _ pada persamaa (12) da turua dari fugsi aktivasi pada lapisa tersembuyi terhadap _ ke dalam persamaa (13). Koreksi bobot yag diguaka utuk memperbaiki ilai yaitu bobot-bobot yag meghubugka atara lapisa iput da lapisa tersembuyi dega persamaa sebagai berikut: (14) Substitusika ilai, ilai pada persamaa (13), da ke dalam persamaa (14) utuk epoch ke-1, sedagka utuk epoch lebih dari 1 megguaka persamaa sebagai berikut: ( ) + (15) Substitusika ilai,,, ilai pada persamaa (13), da ke dalam persamaa (15) tersebut. Koreksi bias yag diguaka utuk memperbaiki ilai yaitu bobot bias yag terhubug ke lapisa tersembuyi dega megguaka persamaa sebagai berikut: (16) Substitusika ilai da ilai pada persamaa (13) ke dalam persamaa (16) tersebut utuk epoch ke-1, sedagka utuk epoch lebih dari 1 megguaka persamaa sebagai berikut: ( ) + (17) Substitusika ilai,,, da ilai pada persamaa (13) ke dalam persamaa (17) tersebut. c. Tiap-tiap uit output ( da ) mecari bias da bobot baru yag meghubugka atara lapisa tersembuyi da lapisa output dega persamaa sebagai berikut: + (18) + (19) Bobot-bobot baru tersebut diperoleh dega mesubstitusika ilai, ilai pada persamaa (8) atau ilai pada persamaa (9),, da ilai pada persamaa (10) ke dalam persamaa (18) da ke dalam persamaa (19). Tiap-tiap uit tersembuyi (,, da ) mecari bias da bobot baru yag meghubugka atara lapisa iput da lapisa tersembuyi dega persamaa + (20) + (21) Bobot-bobot baru tersebut diperoleh dega mesubstitusika ilai, ilai pada

6 402 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA persamaa (14) atau ilai pada persamaa (15),, da ilai pada persamaa (16) atau ilai pada persamaa (17) ke dalam persamaa (20) da ke dalam persamaa (21). Lagkah dari persamaa (3) sampai persamaa (21) dilakuka sebayak data yag diguaka utuk pembelajara. Setelah lagkah-lagkah tersebut dikerjaka dilakuka perhituga MSE darisuatu pembelajara yag meujuka besarya kesalaha rata-rata kuadrat, dega rumus perhituga sebagai berikut: (22) dimaa meyataka jumlah data da yaitu ilai kesalaha hasil ramala. Dalam hal ii adalah ilai data aktual yag merupaka target pembelajara, da adalah ilai ramala [2][3]. Lagkahlagkah pada persamaa (3) sampai (23) diatas dikerjaka selama epoch dalam pembelajara kurag dari maksimum epoch yag ditetapka da MSE lebih besar dari target eror yag ditetapka. PREDIKSI ph AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION Tigkat keasama air huja dapat diketahui melalui pegukura ilai ph dari air huja tersebut. Dikataka huja asam apabila ph air huja tersebut dibawah ph ormal yaitu 5,6. Utuk dapat megetahui tigkat keasama suatu air huja perlu juga diketahui faktor-faktor terjadiya huja asam. Permasalaha yag dihadapi wilayah Kalimata Barat saat ii adalah bagaimaa memperkiraka ph air huja dega akurasi yag tiggi, dega begitu wilayah tersebut dapat megatisipasi meuruya kesehata masyarakat yag disebabka huja asam. Berdasarka hal iilah yag mejadika peetua model ph air huja di wilayah Kalimata Barat sebagai kasus dalam peelitia ii. Data yag diperoleh yaitu emisi baha bakar gas CO, SO 2, NO 2, da ph air huja. Data gas CO, SO 2, NO 2, da ph merupaka data bulaa dari Jauari 2009 sampai November Data CO, SO 2, da NO 2 diperoleh dari Bada Ligkuga Hidup Kota Potiaak sedagka data ph diperoleh dari Bada Meteorologi, Klimatologi da Geofisika (BMKG) Stasiu Klimatologi Siata Potiaak. Pegambila ilai CO, SO 2, da NO 2 dilakuka setiap 30 meit dega jumlah data yag diperoleh setiap hari yaitu 48 data. Masig-masig dari gas tersebut dicari ilai rata-rata perbulaya. Pegambila Data ph air huja tersebut dilakuka setiap 7 hari sekali da kemudia dicari ilai rata-rata ph air huja perbula. (23) (a) Karbo Mooksida (CO) (b) Sulfur Dioksida (SO 2 ) (c) Nitroge Dioksida (NO 2 ) (d) ph Air Huja Gambar 2. Kadar Emisi Karbo Mooksida (CO), Sulfur Dioksida (SO 2 ), Nitroge Dioksida (NO 2 ), da ph Air Huja Di Kota Potiaak Tahu 2009 Sampai 2013

7 Prediksi ph Air Huja Di Kalimata Barat Dega Metode Backpropagatio 403 Gambar 2. merupaka data pegamata da kadar emisi CO, SO 2, NO 2, da ph yag berada di udara Kota Potiaak dega 55 pegamata. Kadar emisi CO memiliki ilai rata-rata 0,47 mg/m 3, kadar emisi teredah yaitu sebesar 0,079 mg/m 3 da kadar emisi tertiggi yaitu sebesar 1,132 mg/m 3. kadar emisi SO 2 memiliki rata-rata 22,1436 g/m 3, data teredah yaitu sebesar 5,525 g/m 3, da kadar emisi tertiggi yaitu sebesar 54,608 g/m 3. Kadar emisi NO 2 memiliki rata-rata 8,95407 g/m 3, kadar emisi teredah yaitu sebesar 3,562 g/m 3, da data tertiggi yaitu sebesar 27,177 g/m 3. Data ph memiliki rata-rata 5,2, ph air huja teredah yaitu sebesar 4,29, da ph air huja tertiggi yaitu sebesar 6,01. Deskriptif data dari keempat data tersebut di sajika pada tabel 1. Tabel 1. Deskriptif Data CO SO 2 NO 2 ph Rata-rata 0,47 mg/m 3 22,1436 g/m 3 8,95407 g/m 3 5,2 Miimum 0,079 mg/m 3 5,525 g/m 3 3,562 g/m 3 4,29 Maksimum 1,132 mg/m 3 54,608 g/m 3 27,177 g/m 3 6,01 Data pada pegamata pertama sampai data pada pegamata ke-45 tersebut diguaka utuk membetuk model ph air huja dega pembelajara backpropagatio berdasarka fugsi gradiet descet dega mometum, sedagka data pada pegamata ke-46 sampai data pada pegamata ke- 55 diguaka utuk proses pegujia terhadap keakurata model ph air huja pada metode backpropagatio. Variabel yag terlibat dalam peetua model prediksi ph air huja pada peelitia ii meliputi 3 variabel yaitu = karbo mooksida (CO), 2 sulfur dioksida (SO 2 ), da 3 itroge dioksida (NO 2 ). Variabel, 2, da 3 sebagai iput da sebagai target. Peelitia ii dilakuka sebayak 40 percobaa utuk meetuka euro di lapisa tersembuyi agar didapatka suatu model ph air huja terbaik berdasarka MSE, MAD, da MAPE. Percobaa pertama dega arsitektur jariga backpropagatio dapat dilihat pada Gambar 3. v tk 0 45 x t v 2 tk 0 45 b tk + x it v i tk 3 z_i tk z tk w tk b tk + z itk w itk y_i tk y tk x 2t v 3 tk b tk b tk x 3t 1 Gambar 3. Arsitektur Jariga Backpropagatio percobaa ke 1 Percobaa 1 pada arsitektur jariga dega satu euro di lapisa tersembuyi, adapu lagkahlagkahya sebagai berikut: Lagkah 1: data yag diguaka utuk membuat model distadarisasi dega megguaka rata-rata da simpaga baku. Lagkah 2: pembetuka jariga syaraf backpropagatio dega 3 lapisa euro, lapisa euro ke 1 yaitu lapisa iput terdiri dari 3 euro, lapisa euro ke 2 yaitu lapisa tersembuyi (hidde layer) terdiri dari 1 euro dega fugsi aktivasi sigmoid bier (logsig), da lapisa euro ke 3 yaitu lapisa output terdiri dari 1 euro dega fugsi aktivasi liear (pureli). Lagkah 3: peetapa bobot-bobot awal dilakuka secara acak dega megambil ilai yag umumya terletak atara -0,5 sampai 0,5 atau -1 sampai 1.

8 404 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA Lagkah 4: peetapa maksimum epoch = 5000, target eror = 0, mometum (mc) = 0.5, da learig rate = 0.01 yag diguaka dalam pembelajara. Lagkah 5: melakuka pembelajara berdasarka persamaa (3) sampai (23) pada algoritma bakcpropagatio terhadap data pada pegamata pertama sampai data pegamata ke-45 berdasarka bobot-bobot yag baru. Perulaga berheti pada epoch ke-5000 dega MSE 0,92 pada data stadarisasi da diperoleh bobot akhir yaitu (45)(5 ) , 2 (45)(5 ) , 3 (45)(5 ) 0 5 5, (45)(5 ) , (45)(5 ) 094, (45)(5 ) Bobot-bobot akhir yag diperoleh tersebut dibuat model ph air huja utuk percobaa pertama yaitu siyal-siyal iput, 2, da 3 dega bobot akhir yag meghubugka lapisa iput da lapisa tersembuyi disubstitusika ke persamaa berikut ( ) + ( )( 2 ) + (0 5 5 )( 3 ) Nilai tersebut diguaka fugsi aktivasi sigmoid bier utuk meghitug siyal lapisa tersembuyi dega mesubstitusika ilai ke persamaa berikut + Pejumlaha siyal-siyal lapisa tersembuyi dega bobot akhir yag meghubugka lapisa tersembuyi da lapisa output disubstitusika ke persamaa berikut ( 094) Nilai tersebut diguaka fugsi aktivasi liier utuk meghitug siyal lapisa output dega mesubstitusika ilai ke persamaa berikut Lagkah 6: dilakuka pegujia terhadap data-data baru yag tidak ikut dilatih amu terlebih dahulu data tersebut distadarisasi yaitu data dari pegamata ke-46 sampai data pada pegamata ke-55. Data yag telah distadarisasi diguaka utuk mecari variabel (prediksi ph air huja di pegamata ke-t pada epoch ke-k). Berdasarka model ph air huja utuk percobaa pertama dari pembelajara megguaka metode backpropagatio, maka diperoleh MSE 0,06463, MAD 0,213, da MAPE 0, pada data pegujia. Dari 40 percobaa terhadap arsitektur jariga dalam meetuka euro di lapisa tersembuyi utuk medapatka model terbaik prediksi ph air huja. Dari peelitia tersebut diperoleh bahwa percobaa ke-2 dega bayak euro pada lapisa tersembuyi 2, learig rate 0,01, mometum 0,5, MSE pada pembelajara 0,919, da bayak epoch 5000 merupaka model terbaik ph air huja backpropagatio dega MSE 0,06414, MAD 0,212, MAPE 0,041349, da R -0,41573 pada data pegujia. (a) Hubuga Target da Output (b) Perbadiga Target da Output Gambar 4. Hubuga da Perbadiga atara Target da Output Jariga utuk Data Pegujia

9 Prediksi ph Air Huja Di Kalimata Barat Dega Metode Backpropagatio 405 Berdasarka pembelajara yag dilakuka terhadap data ph air huja diperoleh bobot-bobot akhir yaitu (45)(5 ) , 2 (45)(5 ) , 3 (45)(5 ) , 2(45)(5 ) 0 4 0, 22(45)(5 ) , 32(45)(5 ) 0 4 9, (45)(5 ) , 2(45)(5 ) , (45)(5 ) 795, 2(45)(5 ) 0 5, (45)(5 ) Bobot ii dibetuk model ph air huja yaitu utuk pejumlaha siyal-siyal iput, 2, da 3 dega bobot akhir yag meghubugka lapisa iput da lapisa tersembuyi di substitusika ke persamaa da 2 berikut ( ) + ( )( 2 ) + (0 55 9)( 3 ) ( 0 4 0) + (0 8509)( 2 ) + (0 4 9)( 3 ) Nilai da 2 tersebut diguaka fugsi aktivasi sigmoid bier utuk meghitug siyal lapisa tersembuyi dega mesubstitusika ilai da 2 ke persamaa da 2 berikut 2 ( 2 ) + Siyal-siyal lapisa tersembuyi da 2 tersebut dega bobot akhir yag meghubugka lapisa tersembuyi da lapisa output disubstitusika ke persamaa berikut ( 795 ) + ( 0 5 )( 2 ) Nilai tersebut diguaka fugsi aktivasi liier utuk meghitug siyal lapisa output dega mesubstitusika ilai ke persamaa berikut PENUTUP Dari hasil peelitia diperoleh model utuk prediksi ph air huja terbaik berdasarka pembelajara megguaka metode backpropagatio utuk meetuka euro pada lapisa tersembuyi yaitu pejumlaha siyal-siyal iput, 2, da 3 dega bobot akhir yag meghubugka lapisa iput da lapisa tersembuyi di substitusika ke persamaa da 2 berikut ( ) + ( )( 2 ) + (0 55 9)( 3 ) ( 0 4 0) + (0 8509)( 2 ) + (0 4 9)( 3 ) Nilai da 2 tersebut diguaka fugsi aktivasi sigmoid bier utuk meghitug siyal lapisa tersembuyi dega mesubstitusika ilai da 2 ke persamaa da 2 berikut 2 ( 2 ) + Siyal-siyal lapisa tersembuyi da 2 tersebut dega bobot akhir yag meghubugka lapisa tersembuyi da lapisa output disubstitusika ke persamaa berikut ( 795 ) + ( 0 5 )( 2 ) Nilai tersebut diguaka fugsi aktivasi liier utuk meghitug siyal lapisa output dega mesubstitusika ilai ke persamaa berikut DAFTAR PUSTAKA [1]. Brady JE. Kimia Uiversitas Asas da Struktur. Taggerag: Biarupa Aksara Publisher; [2]. Kusumadewi S. Membagu Jariga Syaraf Tirua Megguaka MATLAB & Excel Lik. Yogyakarta: Graha Ilmu;

10 406 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA [3]. Kusumadewi S. Artificial Itelligece (Tekik da Aplikasiya). Yogyakarta: Graha Ilmu; [4]. Septiarii A. da Sya baiah N. Sistem Peramala Jumlah Produksi Air PDAM Samarida Megguaka Jariga Syaraf Tirua Backpropagatio. Jural EKSPONENSIAL. 2012; 3: [5]. Apriati HF. Ihwa A. da Jumarag MI. Estimasi Curah Huja Bulaa Kota Potiaak Dega Suhu Permukaa Laut Sebagai Estimator Berdasarka Jariga Syaraf Tirua Backpropagatio. PRISMA FISIKA. 2013; 3: FRA SISKUS DIAN ARIANTO : FMIPA UNTAN, Potiaak, dia.ariato10@yahoo.com MUHLASAH NOVITASARI MARA : FMIPA UNTAN, Potiaak, oveemara@gmail.com NAOMI NESSYANA DEBATARAJA : FMIPA UNTAN, Potiaak, aomiessyaa@gmail.com