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 2016
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 Tugas Akhir ini dapat terselesaikan. ii
IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN LEMBAR PERNYATAAN KOMPETENSI KOMPUTASI [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 I MADE DWI UDAYANA PUTRA 1108405026 Pembimbing II Pembimbing I Luh Putu Ida Harini, S.Si., M.Sc. Drs. G. K. Gandhiadi, M.T. NIP. 198002102003122001 NIP. 196209301988031002 iii
LEMBAR PENGESAHAN TUGAS AKHIR Judul : Implementasi Backpropagation Neural Network dalam Prakiraan Cuaca di Daerah Bali Selatan Kompetensi Nama : Komputasi : 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, Desak Putu Eka Nilakusmawati, S.Si., M.Si. NIP. 197106111997022001 iv
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. Kata Kunci: Metode jaringan syaraf tiruan, Algortima backpropagation, Prakiraan cuaca v
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. Keyword : Artificial neural network method, Back propagation algorithm, Weather forecasting vi
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. 7. Teman-teman di Jurusan Matematika yang selalu memberikan semangat. vii
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 Penulis
BIODATA ALUMNI Nama Lengkap : I Made Dwi Udayana Putra NIM : 1108405026 Jenis Kelamin : Laki-laki Tempat/Tanggal Lahir : Denpasar, 17 Nopember 1993 Alamat Asal Alamat Sekarang Agama : Jalan Tegal Sari No. 6 Jimbaran : Jalan Tegal Sari No. 6 Jimbaran : 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 Nama Ibu Alamat Ayah/Ibu : I Wayan Pugir : Ni Nyoman Asriyani : Jalan Tegal Sari No. 6 Jimbaran Nomer Telepon : (0361) 701079 ix
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 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 3 1.3 Batasan Masalah... 4 1.4 Tujuan Penelitian... 4 1.5 Manfaat Penelitian... 4 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 2.3 Cuaca... 16 x
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 LAMPIRAN... 40
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 4.9 Akurasi hasil prakiraan cuaca... 35 xii
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 4.2 Plot data hasil transformasi (data ke-246 sampai data ke-493)... 24 xiii
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 6. Hasil Prakiraan Cuaca xiv