Jaringan Syaraf Tiruan

Pengembangan Model Jaringan Syaraf Tiruan untuk Memprediksi Jumlah Mahasiswa Baru di PTS Surabaya

Jaringan Syaraf Tiruan (JST) dan data time series dapat digunakan untuk metode peramalan dengan baik. Jaringan Syaraf Tiruan adalah suatu metode yang prinsip kerjanya diadaptasi dari model matematika pada manusia atau syaraf biologi. Jaringan syaraf dikarakteristikkan oleh; (1) pola koneksi diantara neuron (disebut arsitektur), (2) menentukan bobot dari koneksi (disebut training atau learning), dan (3) fungsi aktifasi.  Tujuan penelitian adalah mendapatkan arsitektur jaringan syaraf tiruan yang terbaik, membandingkan dua metode Jaringan Syaraf Tiruan Backpropogation dengan metode Jaringan Syaraf Tiruan Fungsi Basis Radial (RBF). Penelitian ini merupakan penelitian dengan menggunakan data yang sebenarnya (true experimental). Jaringan Syaraf Tiruan (JST) adalah pemproses sistem informasi dengan karakteristik tertentu dan performa yang mendekati syaraf biolog.

Penelitian ini akan mengembangkan Metode Jaringan Syaraf Tiruan Backpropagation (BP) dan Jaringan Syaraf Tiruan Fungsi Basis Radial (RBF) yang diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran 

1. Metode Jaringan Syaraf Tiruan Fungsi Basis Radial (RBF)

Gupta (2003) menyatakan bahwa Jaringan Syaraf Fungsi Basis Radial yang merupakan alternatif dari Multilayered feedforward Neural network (MFNNs) telah dikembangkan. Jaringan syaraf Fungsi Basis Radial adalah model jaringan syaraf dengan satu unit pada hidden layer, dimana fungsi aktivasinya adalah fungsi basis dan fungsi linear pada lapisan output

.

2. Metode Jaringan Syaraf Tiruan Backpropagation (BP) 

Arsitektur Backpropagation merupakan model untuk peramalan time series dengan menggunakan jaringan syaraf tiruan Feedforward,  input layer terhubung ke output layer melalui satu atau lebih hidden layer. Arsitektur backpropagation menggunakan error output untuk mengubah nilai bobot-bobotnya dalam arah mundur (backward).

METODE PENELITIAN

1. Studi Literatur 

Melakukan kajian artikel ilmiah untuk mengetahui 

perkembangan dan metoda-metoda yang baru penelitian di bidang penerapan Jaringan Syaraf Tiruan. Literatur yang digunakan adalah artikel-artikel ilmiah pada jurnal internasional dan jurnal nasional yang membahas mengenai penerapan Jaringan Syaraf Tiruan untuk memprediksi di semua bidang, misalnya: bidang industri, bidang klimatologi, bidang lingkungan hidup, bidang energi, dan bidang ekonomi.

2. Pengumpulan Data

Dalam mengumpulkan data, dilakukan pengambilan data dan kemudian dilanjutkan dengan validasi data. Data yang digunakan pada penelitian ini adalah data sekunder yang diambil dari Biro Kemahasiswaan Universitas Wijaya Putra Surabaya, beralamat Jalan Raya Benowo No. 1-3 Surabaya. Data yang digunakan adalah data jumlah calon mahasiswa baru yang mendaftar setiap tahun selama 5 tahun terakhir yaitu tahun 2012-2016. Data jumlah calon mahasiswa baru yang diambil berdasarkan asal daerah kabupaten/kota masing-masing mahasiswa baru, antara lain: Surabaya, Gresik, Lamongan, Mojokerto, Pasuruan, dan kabupaten/kota lainnya. Validasi data dilakukan supaya data-data yang sudah diambil dapat menjadi data input dan data target yang sesuai untuk training dan testing pada Jaringan Syaraf Tiruan

3. Pengolahan Data

Setelah data divalidasi, data jumlah mahasiswa baru berdasarkan asal daerah calon mahasiswa masing-masing sudah bisa digunakan sebagai data input. Pengelompokan data dapat digambarkan seperti Tabel 1  berikut ini

4. Preprocessing Data 

Sebelum data input dimasukkan kedalam jaringan terlebih dahulu data di transformasi kedalam bentuk data interval. Data-data tersebut dinormalisasi sehingga menjadi data yang berada dalam selang [0,1], normalisasi menggunakan rumus Min-max normalisasi

Misalkan data input X dengan jumlah data n, x1, ,x2,…,xn2

 Tujuan dari normalisasi adalah menyamakan selang dari nilai-nilai tiap data sehingga setiap data memiliki peran yang proporsional dalam setiap proses. 

5. Perancangan Arsitektur Jaringan Syaraf Tiruan (JST)

Langkah selanjutnya adalah perancangan arsitektur jaringan yang terbaik menerjemahkan atau menganalisa parameter-parameter dalam suatu jaringan, antara lain: 

1. Untuk mendapatkan model Backpropagation yang sesuai, perlu menentukan kombinasi yang tepat antara jumlah neuron (unit) pada lapisan input, jumlah neuron pada lapisan tersembunyi (hidden layer). Backpropagation merupakan algoritma pembelajaran terawasi (supervised) dengan mempunyai banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan neuron-neuron yang ada pada lapisan tersembunyinya, jadi perlu ditentukan inisialisasi bobot (bobot awal). 
2. Untuk mendapatkan model Fungsi Basis Radial yang sesuai, perlu menentukan kombinasi yang tepat antara jumlah input, jumlah node (cluster) pada unit lapisan tersembunyi (hidden layer), nilai pusat (center), dan standar deviasi (lebar) dari input pada setiap node. 
3. Berdasarkan rancangan JST Backpropagation dan Fungsi Basis Radial kemudian peneliti akan merancang dan menterjemahkan algoritma training dan diimplementasikan menggunakan Matlab untuk menentukan prediksi peningkatan jumlah calon mahasiswa baru. 
4. Menggunakan hasil implementasi di atas, kemudian peneliti menganalisa dan membahas hasil prediksi oleh Jaringan Syaraf Tiruan Backpropagatian dan Fungsi Basis Radial. Pengujian kehandalan rancangan arsitektur jaringan yang dibuat digunakan beberapa indeks statistik yaitu; Mean Absolut Error (MAE) dan Root Mean Square Error (RMSE). Dari pengujian kehandalan jaringan kemudian dibandingkan kedua metode yang digunakan yaitu Backpropagation dan Fungsi Basis Radial.

HASIL DAN PEMBAHASAN 

Pengambilan Data Data yang digunakan adalah data jumlah calon mahasiswa baru Universitas Wijaya Putra Surabaya yang mendaftar setiap tahun selama 5 tahun terakhir yaitu tahun 2012-2016 diambil berdasarkan asal daerah kabupaten/kota masing-masing mahasiswa baru, seperti pada Tabel 2 berikut ini.

Bagikan Artikel ini