APLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG

Transkripsi

1 APLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG Oleh : M.Rizi.H.S, Andri Heryandi,S.T, Bambang Siswoyo,Ir,M.Si Jl. Dipati Uur Bandung Teni Informatia Universitas Komputer Indonesia Abstract To fullfill the demand of water from consumen economically a company lie PDAM must be able to predict the burden of water accuratelly. This article will describe the beginning of research about implementation of ANN (Artificial Neural Networ Bacpropagation to predict the burden of water on area Kota Bandung that the writer do. The important advantage from ANN is that ANN capable to compute parallelly with study process from patterns which have teached. On study process ANN capable to do the recognation or adusment the patterns of burden of water every hour on a day. So ANN can predict the burden of water on a day in the future Key words : Artificial Neural Networ, bacpropagation, predict the burden Abstra Untu memenuhi permintaan air dari onsumen secara eonomis suatu perusahaan air harus bisa memprairaan beban pemaaian air secara aurat. Artiel ini mengungap penelitian awal pemaaian JST Bacpropagation untu prairaan beban pemaaian air di area Kota Bandung yang dilauan penulis. Keunggulan utama JST adalah emampuan omputasi yang pararel dengan cara belaar dari pola-pola yang diaaran. Dalam proses belaarnya JST dapat melauan pengenalan atau penyesuaian pola-pola beban pemaaian air tiap am dalam satu hari. Sehingga JST mampu memprairaan beban pemaaian air pada hari yang aan datang. Kata unci : Jaringan syaraf tiruan, bacpropagation, prairaan beban,.

2 I.Pendahuluan Suatu instansi seperti PDAM mempunyai tugas poo untu memenuhi ebutuhan masyaraat terhadap air untu itu PDAM harus mempunyai sto air untu dipaai oleh masyaraat agar ebutuhan air masyaraat terpenuhi, untu itu diperluan suatu metode peramalan untu meramalan seberapa besar ebutuhan masyaraat aan air untu setiap harinya. Persoalan dalam menghadapi ebutuhan air yang tida tetap dari watu e watu, bagaimana mengoperasian suatu sistem yang selalu dapat memenuhi permintaan air pada setiap saat. Oleh arena itu diperluan penyesuaian antara pendistribusian dengan permintaan air. Syarat mutla yang pertama harus dilasanaan untu mencapai tuuan itu adalah piha perusahaan air mengetahui beban atau permintaan air dimasa depan. Karena itu prairaan beban anga pende, menengah dan panang merupaan tugas yang penting dalam perencanaan dan pengoperasian sistem. Prairaan beban anga pende, yaitu beban setiap hari digunaan untu penadwalan dan pengontrolan sistem. Untu memecahan masalah tersebut salah satu alannya adalah dengan menggunaan Jaeingan Syaraf Tiruan (JST yaitu model sistem omputasi yang beera seperti sistem syaraf biologis pada saat berhubungan dengan 'dunia luar'. 2. Tuuan Tuuan spesifi dari penelitian ini adalah : 1. Merancang dan membuat simulasi JST dalam apliasinya sebagai preditor, 2. Mengetahui emampuan JST dalam menengani masalah-masalah dalam peramalan. 3. Untu mengetahui atau untu meramalan atau mempredisi berapa beban pemaaian air yang dibutuhan di masa yang aan datang oleh masyaraat selama satu hari e depan dan hari libur nasional sehingga sto yang ada dapat memenuhi ebutuhan masyaraat terhadap air 4. Membuat simulasinya atau suatu preditor melalui program omputer

3 3. Ruang Lingup Kaian Ruang Lingup Kaian dari penelitian ini berupa meramalan beban pemaaian air untu masa yang aan datang di wilayah Kota Bandung dengan metode pembelaaran Bacpropagation dan input berupa beban pemaaian air pada watu tertentu dan menghasilan output berupa berapaah pemaaian air yang dipaai oleh masyaraat untu urun watu satu hari e depan. Pola egiatan pelanggan pada setiap hari yaitu senin sampai dengan minggu untu setiap minggunya, pada setiap harinya tida aan banya berubah. Pola egiatan pelanggan aan berulang pada setiap minggunya. Pengulangan ini uga aan teradi pada pola urva beban dari hari e hari, dimana hari yang sama pada suatu miggu mempunyai pola urva beban yang mirip. Misalnya pola urva beban hari selasa dalam minggu ini aan mirip dengan pola urva beban pada hai selasa dalam minggu yang aan datang. Hal yang sama uga teradi pada hari-hari lain. Dilauan lasifiasi pola beban harian yaitu hari senin sampai dengan hari minggu. Sehingga terdapat 7 pola untu tiap hari pada setiap minggunya ditambah dengan pola untu hari libur nasional 3 pola adi terdapat 10 pola. Beban pada suatu hari dipengaruhi oleh beban pada hari-hari yang lalu. Sifat ecenderungan beban tersebut digunaan sebagai dasar sistem prairaan beban di PDAM dan pada penelitian ini. 4. Metodologi 4.1. Library Research (Penelitian Kepustaaan Penelitian epustaaan ini dimasudan untu memperoleh data-data yang mempunyai landasan teoritis dari litatur-literatur dan sumber data lainnya yang beraitan dengan masalah yang diteliti. 4.2.Field Research (Penelitian Lapangan Merupaan peneitian yang dilauan melalui pendeatan studi asus, yaitu penelitian secara langsung terhadap obe yang aan diteliti. Adapun penelitian ini dilauan dengan Wawancara, yaitu melauan tanya awab langsung e piha PDAM Kota Bandung mengenai masalah-masalah yang beraitan dengan udul penelitian, dan untu memperelas hasil dibuat

4 suatu simulasi melalui program dengan menggunan software Matlab Jaringan Syaraf Tiruan Jaringan syaraf tiruan adalah salah satu representasi buatan dari ota manusis yang selalu mencoba untu mensimulasian proses pembelaaran pada ota diimplementasian dengan menggunaan program omputer yang mampu menyelesaian seumlah proses perhitungan selama proses pembelaaran. Dalam penelitian ini penulis menggunaan algoritma Bacpropagation sebagai algoritma pembelaarannya. Algoritma Bacpropagation Algoritma belaarbacpropagation adalah sebagai beriut : - Inisialisasi bobot - Tetapan : Masimum epoh, Target error, dan learning rate. - Inisialisasi : epoh = 0, MSE=1 - Keraan langah-langah beriut selama (epoh<masimum epoh dan (MSE> Target error 1. epoh = epoh+1 2. Untu tiap-tiap elemen input yang aan dilauan pembelaaran, eraan : feedforward : a. Tiap-tiap unit input (xi, i=1,2,3,,n menerima sinyal xi dan menerusan sinyal tersebut e semua unit pada lapisan yang ada di atasnya (lapisan tersembunyi. b.tiap-tiap unit pada suatu lapisan tersembunyi (z, =1,2,3,,p menumlahan sinyal-sinyal terbobot : z _ in = b1 + x. v n i= 1 gunaan fungsi ativasi untu menghitung sinyal outputnya : z = f ( z _ in dan iriman sinyal tersebut e unit di lapisan atasnya. c. Tiap-tiap unit output (y, =1,2,3,,m menumlahan sinyalsinyal terbobot : y _ in = b2 + z. w p = 1 gunaan fungsi ativasi untu menghitung sinyal outputnya : y = f ( y _ in Bacpropagation d.tiap-tiap unit output (y, =1,2,3,,m menerima target pola yang berhubungan dengan pola input pembelaaran, hitung informasi errornya : δ 2 = ( t. y ( f '( y _ in ϕ 2 = δ 2. z i i

5 β 2 = δ emudian hitung oresi bobot (yang nantinya aan digunaan untu memperbaii nilai w : w = αϕ2 hitung oresi bias : b2 = αβ 2 langah d ini dilauan sebanya umlah lapisan tersembunyi, yaitu menghitung informasi error dari suatu lapisan tersembunyi e lapisan tersembunyi sebelumnya. e. Tiap-tiap unit tesembunyi (z,- 1,2,3,,p menumlahan delta inputnya : m δ _ in = δ 2. w = 1 alian nilai inidengan turunan dari fungsi ativasinya untu menghitung informasi error : δ 1 = δ _ in. f '( z _ in ϕ 1 = δ1 i β 1 = δ1 x emudian hitung oresi bobot( yang nantinya aan digunaan untu memperbaii nilai v i : f.tiap-tiap unit output (y,=1,2,3,,m memperbaii bias dan bobotnya (=0,1,2,,p: w ( baru = w ( lama + w b2 ( baru = b1 ( lama + b1 tiap-tiap unit tersembunyi (z, =1,2,3,,p memperbaii bias dan bobotnya (i=0,1,2,,n : v ( baru = v ( lama + v i i b1 ( baru = b1 ( lama + b1 3. Hitung MSE 5.2 Tampilan program contoh tampilan program untu peramalan beban pemaaian air untu hari senin tanggal 26 februari, 5 maret, 12 maret, 19 maret 2002 dengan data pelatihan selama 7 minggu yaitu dari tanggal 6 anuari 2002 sampai dengan 18 februari 2002 serta parameter aringan alpha=0.5, momentum=0.8, epoh 5000, dan target error 0.01 i v = αϕ1 i i hitung uga oresi bias (yang nantinya aan digunaan untu memperbaii nilai b 1 :

6 Gambar.1. Grafi hasil pelatihan Gb. 4.4 Grafi Hubungan antara target dan output untu data penguian Gb.4.2 Grafi hubungan antara targetdan output untu data pelatihan Gb.4.5 Grafi perbandingan target dan output untu data penguian 6. Kesimpulan Gb.4.3 Grafi perbandingan target dan output untu data pelatihan 1. Dengan peramalan dapat dietahui berapa besar euntungan dan erugian yang diterima. 2. Semain banya data historis yang dimasuan maa aan semain bai output yang dihasilan. 3. Koefisien Korelasi yang mendeati 1 manunuan bahwa hubungan antara variabel independent dan dependentnya uat

7 DAFTAR PUSTAKA [1]. Delores M Etter, David Tengah-DIY, Teni eletro Faultas UNDIP, Semarang C..Kuncicy With Doug Hull Pengantar Matlab 6, indes elompo gramedia, Edisi Indonesia [2] Eletro Indonesia, Apliasi JST sebagai metode alternative Prairaan Janga Pende, 2000 [3].Janes A. Freeman and David M Sapura, Neural Networ Algorithms,Application and Programming Techniques, Addison- Wesley Publishing Company, California, 1992 [4]O. Mohammed, D. Par, R Merchant, T.Dhin, C.Tong, A.Azeem, Practical Experiences With An Adaptive Neural Networ Short Term Load Forecasting System, February [5]. Subiyanto, Pemaaian JST Perambatan bali sebagai cara lain prairaan anga pende Di Jawa