IMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA .IMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION

  • View
    223

  • Download
    0

Embed Size (px)

Text of IMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA .IMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA...

IMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA

BACKPROPAGATION UNTUK MEMPREDIKSI

JUMLAH PENDUDUK DI YOGYAKARTA

NASKAH PUBLIKASI

diajukan oleh

Setyo Nugroho

10.11.4264

kepadaSEKOLAH TINGGI MANAJEMEN INFROMATIKA DAN KOMPUTER

AMIKOM YOGYAKARTAYOGYAKARTA

2013

IMPLEMENTATION OF ARTIFICIAL NEURAL NETWORKS WITHBACKPROPAGATION METHOD TO PREDICT THE NUMBER OF

RESIDENTS IN YOGYAKARTAIMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA

BACKPROPAGATION UNTUK MEMPREDIKSIJUMLAH PENDUDUK DI YOGYAKARTA

Setyo Nugroho

KusriniJurusan Teknik Informatika

STMIK AMIKOM YOGYAKARTA

ABSTRACT

Indonesia has a large population with the largest population in SoutheastAsia and the fourth highest in the world, then the government has a hugemortgage to prosper, if the government can not afford it there will be an increasein unemployment and crime.

The development of science and technology is very fast has created a lot ofinformation. Artificial neural network is an information processing paradigminspired by the nervous system or the discovery of new information by adoptingthe workings of biological neurons that focuses on the workings of the humanbrain neurons. By searching a particular pattern or rules of a number of largeamounts of data, methods Backpropagation is expected to overcome thedifficulties in predicting the population, especially in Yogyakarta.

There are many methods have been developed to achieve optimal resultsfrom the prediction or forecasting. Which will be reviewed in this paper is the useof artificial neural network Backpropagation method to obtain prediction resultsare expected to provide a level of accuracy that comes closest to the error.

Keywords: Artificial Neural Networks, population, backpropagation

1. PENDAHULUAN

Indonesia mempunyai jumlah penduduk yang besar, berdasarkan

perhitungan pada tahun 2004 indonesia menjadi negara dengan penduduk

terbanyak di asia tenggara dan urutan ke 4 dunia. Memiliki penduduk yang

banyak bisa memberikan keuntungan yaitu dengan memberdayakannya untuk

meningkatkan pembangunan akan tetapi nilai negatifnya juga ada, dengan jumlah

penduduk yang besar maka pemerintah mempunyai tanggungan yang besar untuk

mensejahterakannya dan apabila pemerintah tidak mampu maka akan ada

peningkatan angka pengangguran dan kejahatan.

Di Indonesia jumlah kependudukan diatur dalam Dinas Kependudukan

dan Catatan Sipil. Dinas tersebut bertugas mengadakan penelitian dan pelayanan

tentang kependudukan yang salah satu bidangnya adalah pembuatan surat tanda

lahir atau yang lebih dikenal dengan akta kelahiran, kartu tanda penduduk (KTP),

kartu keluarga (KK).

Jumlah pertambahan penduduk dapat mempengaruhi tingkat kepadatan

penduduk yang tidak merata di suatu wilayah serta mempengaruhi tingkat

perekonomian, pendidikan, kesehatan dan juga instansi-instansi terkait lainnya.

2. LANDASAN TEORI

2.1. Pengertian penduduk

Kependudukan, atau dalam hal ini adalah penduduk, merupakan pusat dari

seluruh kebijaksanaan dan program pembangunan yang dilakukan. Dalam Garis

Besar Haluan Negara (GBHN) dengan jelas dikemukakan bahwa penduduk adalah

subyek dan obyek pembangunan. Sebagai subyek pembangunan maka penduduk

harus dibina dan dikembangkan sehingga mampu menjadi penggerak

pembangunan. Sebaliknya, pembangunan juga harus dapat dinikmati oleh

penduduk yang bersangkutan. Dengan demikian jelas bahwa pembangunan harus

dikembangkan dengan memperhitungkan kemampuan penduduk agar seluruh

penduduk dapat berpartisipasi aktif dalam dinamika pembangunan tersebut.

Sebaliknya, pembangunan tersebut baru dikatakan berhasil jika mampu

meningkatkan kesejahteraan penduduk dalam arti yang luas

(www.bappenas.go.id/get-file-server/node/8562/. April, 7, 2013).

2.2. Jaringan Syaraf Tiruan

Jaringan saraf tiruan (JST), atau juga disebut simulated neural network

(SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari

sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf

manusia. Jaringan saraf tiruan merupakan sistem adaptif yang dapat mengubah

strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun

internal yang mengalir melalui jaringan tersebut. Secara sederhana, JST adalah

sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk

memodelkan hubungan yang kompleks antara input dan output untuk menemukan

pola-pola pada data (Arief Hermawan, 2006, hlm. 5).

2.2.1. Model Jaringan Syaraf Tiruan

Seperti halnya otak manusia, jaringan syaraf tiruan terdiri dari

beberapa neuron dan ada hubungannya antara neuron-neuron tersebut.

Beberapa neuron akan mentranformasikan informasi yang diterimanya

melalui sambungan keluaran menuju neuron-neuron lainnya. Dengan kata

lain, neuron/sel saraf adalah sebuah unit pemroses informasi yang

merupakan dasar operasi jaringan syaraf tiruan. Neuron ini dimodelkan

dari penyederhanaan sel syaraf manusia sebenarnya. Gambar dibawah ini

menunjukan contoh suatu neuron (Arief Hermawan, 2006, hlm. 5).

Gambar 2.2. Struktur Unit Jaringan Syaraf Tiruan

2.2.2. Backpropagation

Penemuan Backpropagation yang terdiri dari beberapa

layar membuka kembali cakrawala. Terlebih setelah berhasil

ditemukannya berbagai aplikasi yang dapat diselesaikan

dengan Backpropagation, membuat Jaringan Syaraf Tiruan

semakin diminati orang. Backpropagation melatih jaringan

untuk mendapatkan keseimbangan antara kemampuan jaringan

untuk mengenali pola yang digunakan selama pelatihan serta

kemampuan jaringan untuk memberikan respon yang benar

terhadap pola masukan yang serupa (Diyah Puspitaningrum,

2006, hlm. 125)

3. ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis Data

3.1.1. Kebutuhan Fungsional

Kebutuhan fungsional pada aplikasi prediksi jumlah penduduk ini

adalah sebagai berikut :

1. Pengujian Data

Fungsi ini berguna untuk mengetahui tingkat keakuratan nilai prediksi

dengan nilai aktualnya.

2. Pelatihan Data

Fungsi ini berguna untuk melatih jaringan hingga diperoleh bobot yang

sesuai.

3. Prediksi

Fungsi ini berguna jika user memprediksi jumlah penduduk tahunan

tertentu secara khusus.

3.1.2. Analisis Kebutuhan Data

Dalam pelatihan Jaringan Syaraf Tiruan, banyak data yang dibutuhkan

supaya jaringan dapat dilatih dengan benar. Data yang digunakan dibagi menjadi

dua, yaitu data yang akan dijadikan bahan pelatihan serta data yang akan diujikan.

Semakin banyaknya data yang digunakan dalam pelatihan, jaringan akan mudah

mengenali polanya dan diharapkan hasil prediksinya mendekati sempurna

3.1.2.1. Analisis Kebutuhan Perangkat Lunak

Perangkat lunak (Software) yang digunakan dalam

pelatihan Jaringan Syaraf Tiruan ini adalah :

1. MATLAB 7.10 beserta toolbox Neural Network untuk pembuatan jaringan

dan GUIDE MATLAB untuk pembuatan user interface, juga M-File editor untuk

penulisan program.

2. Microsoft Excel 2010 untuk penyimpanan data masukan bagi jaringan

3.2. Perancangan Jaringan Backpropagation

Proses pembuatan jaringan dijelaskan dalam langkah-langkah aplikasi,

yaitu langkah pertama adalah mengumpulkan data untuk pelatihan dan

pengujian jaringan syaraf tiruan. Semakin banyak data dapat diperoleh,

semakin baik jaringan jaringan dapat menyelesaikan masalahnya. Data yang

telah diperoleh ini dipisahkan pada langkah ke 2 menjadi 2 bagian. Bagian

pertama digunakan untuk melatih jaringan syaraf dan bagian kedua

dipergunakan untuk menguji kerja jaringan syaraf tiruan.

Pada langkah ke 3 dan ke 4 dilakukan pemilihan arsitektur dan algoritma

pelatihan jaringan. Banyaknya sel input dan output disesuaikan dengan

masalah yang akan diselesaikan.

Langkah ke 5 adalah langkah untuk menginisialisasi parameter jaringan

syaraf bobot, bias, konstanta belajar, momentum dan lain-lain. Langkah ke 6

dan ke 7 dilakukan untuk melatih jaringan syaraf tiruan untuk menemukan

titik konvergensinya. Konvergensi jaringan syaraf tiruan di tandai dengan

telah tercapainya galat yang diinginkan. Setelah jaringan syaraf konvergen

diujikan pada langkah ke 8. Selanjutnya langkah ke 9 jaringan syaraf tiruan di

implementasikan sebagai sebuah sistem yang siap untuk menyelesaikan

masalah. (Arief Hermawan, 2006, hlm.142).

3.2.1. Pengumpulan Data dan Penentuan Pola

Data jumlah penduduk tahunan didapat dari Badan Pusat Statistik

(BPS) Yogyakarta yaitu data dari Tahun 1989 sampai Tahun 2012. Total

data adalah 24 data yang akan dibagi 2 yaitu 16 data untuk pelatihan

jaringan, dan 8 data untuk pengujian jaringan.

Data jumlah penduduk tersebut dibagi menjadi 2 yaitu data tahun

1989 sampai 2004 digunakan sebagai data pelatihan jaringan, dan data

tahun 2005 sampai tahun 2012 digunakan sebagai data pengujian jaringan.

3.2.1.1. Algoritma Pelatihan

Algoritma pelatihan jaringan backpropagation yang

memiliki tiga lapisan dengan fungsi aktivasi sigmoid biner serta

penambahan momentum adalah sebagai berikut:

1. Inisialisasi bobot dan bias secara acak dengan bilangan acak

kecil.

2. Tetapkan jumlah epoch maksimum, batas galat, laju

pembela