66
6. Penentuan Output Jaringan
Proses penentuan output jaringan menggunakan struktur jaringan terbaik yang diperoleh dari pengujian data training dan data testing dengan 11 neuron
pada lapisan input, dan 5 neuron pada lapisan tersembunyi. Pada lapisan output,
banyaknya neuron ditentukan berdasarkan banyak himpunan fuzzy yang digunakan, yaitu 3. Arsitektur FRBFNN dengan 11 neuron input, 5 neuron
tersembunyi, dan 3 neuron output untuk prediksi kedatangan wisman melalui Pintu Masuk Great Batam pada Gambar 3.4.4 sebagai berikut:
Gambar 3.4.4 Arsitektur FRBFNN dengan 11 neuron input, 5 neuron tersembunyi, dan 3 neuron output
Berdasarkan arsitektur di atas, dan s=1,2,3, model FRBFNN yang terbentuk adalah sebagai berikut:
3.4.1
67 Diperoleh bobot-bobot akhir hasil pembelajaran adalah sebagai berikut:
3.4.2
Contoh 3.2 Misal akan dicari output jaringan pada bulan Februari 2017 atau
. Nilai input untuk hasil output pada bulan Februari 2017 adalah data bulan Februari 2016
– Januari 2017, yang kemudian dilakukan proses fuzzifikasi
seperti pada Contoh 3.1 yaitu
Tabel 3.4.7 Nilai input untuk prediksi Januari 2017
Input Data
Asli Hasil fuzzifikasi
A1 A2
A3 120351
0,968137 125324
0,850849 132410
0,683726 0,066274 103647
0,112099 0,637901 99724
0,204623 0,545377 115052
0,906887 114020
0,882547 106953
0,034127 0,715873 159277
0,050071 0,699929 129728
0,746981 0,003019
Berdasarkan model FRBFNN yang terbentuk maka perhitungan peramalan banyak kedatangan wisman melalui Pintu Masuk Great Batam di Kepulauan
Riau bulan Februari 2017 adalah sebagai berikut:
3.4.5
dengan dan t=122
Perhitungan , j=1,2,...,5, sebagai berikut:
68
69 Perhitungan nilai
untuk
Perhitungan nilai untuk
Perhitungan nilai untuk
70 Diperoleh nilai
7. Defuzzifikasi
Pada skripsi ini digunakan 3 metode defuzzifikasi yaitu mean of maximum, smallest of maximum,
dan largest of maximum. Dari ketiga metode tersebut diperoleh model terbaik menggunakan metode largest of maximum. Sehingga
solusi diperoleh dengan mengambil nilai terbesar dari domain yang memiliki derajat keanggotaan maksimum.
Misal hasil
prediksi pada
bulan Februari
2017 adalah
yang kemudian
diambil nilai
maksimumnya, yaitu . Nilai berada di , sehingga terletak
pada himpunan fuzzy kedua yaitu A2 Persamaan 3.4.2. Fungsi keanggotaan pada himpunan A2 adalah
Untuk mendapatkan nilai crisp dilakukan dengan memasukkan nilai pada fungsi tersebut sebagai berikut:
71 Terdapat 2 nilai crisp dari hasil defuzzifikasi. Pada skripsi ini defuzzifikasi
yang digunakan adalah Largest of Maximum Defuzzifier. Dari kedua nilai tersebut yang di ambil adalah nilai maksimum yaitu
. Sehingga, hasil prediksi pada bulan Februari 2017 adalah
orang.
8. Uji Kesesuaian Model
Kategori