Menentukan banyak neuron pada lapisan tersembunyi

87 Pada model ini tidak ada teori yang menyebutkan berapa banyak neuron pada lapisan tersembunyi yang harus digunakan untuk memperoleh model yang terbaik. Oleh karena itu perlu ditentukan banyak neuron pada lapisan tersembunyi terlebih dahulu untuk memperoleh model terbaik.

a. Menentukan banyak neuron pada lapisan tersembunyi

Untuk menentukan banyak neuron pada lapisan tersembunyi maka ditentukan berdasarkan nilai MAPE terkecil. Untuk mencari nilai MAPE dapat digunakan persamaan 2.48. Pencarian neuron ini menggunakan bantuan MATLAB R2013a, script program yang digunakan dapat dilihat pada lampiran 7. Dari percobaan yang dilakukan diperoleh hasil MAPE data training dan testing seperti pada tabel 4.3 berikut: Tabel 4. 3 Hasil MAPE data training dan testing neuron Output dalam derajat keanggotaan himpunan fuzzy Output dalam himpunan crisp training testing training Testing MSE MAPE MSE MAPE MSE MAPE MSE MAPE 1 2,07E-04 5,2145 0,0532 31,2311 1,83E+04 1,0914 2,78E+06 11,7844 2 2,89E-04 5,6285 0,2049 59,7876 2,40E+04 1,1741 1,11E+07 23,3072 3 4,60E-04 6,715 0,0064 10,637 3,65E+04 1,3955 4,80E+05 4,5744 4 3,05E-04 5,9567 0,1234 44,014 2,47E+04 1,2591 6,48E+06 16,8869 5 2,52E-04 5,4885 0,0118 14,1644 2,25E+04 1,1437 9,68E+05 6,4777 6 2,89E-04 5,7009 0,0849 35,5744 2,38E+04 1,1953 4,40E+06 13,6096 7 3,32E-04 6,1397 0,191 59,365 2,65E+04 1,2939 1,03E+07 22,9226 8 1,93E-04 5,2413 0,0172 16,6332 1,80E+04 1,0853 1,06E+06 6,32 9 3,08E-04 6,3465 0,1191 43,6265 2,71E+04 1,3166 6,19E+06 16,5829 10 1,77E-04 5,0766 0,1726 49,8786 1,63E+04 1,058 9,29E+06 19,6413 11 2,47E-04 5,436 0,0374 27,3419 1,96E+04 1,1463 2,01E+06 10,2622 12 3,82E-04 6,1866 0,1849 54,4809 2,94E+04 1,297 1,04E+07 21,6131 13 3,29E-04 6,0646 0,1001 42,1485 2,70E+04 1,2745 5,08E+06 15,8657 14 1,72E-04 4,992 0,00452 8,3235 1,67E-04 1,0285 2,90E-04 3,2064 15 2,06E-04 5,1539 0,0149 16,2944 1,72E+04 1,0791 1,36E+06 7,6196 88 Keterangan: banyak neuron pada lapisan tersembunyi yang terbaik berdasarkan MAPE Proses untuk mendapatkan nilai output dalam himpunan crisp atau dalam bentuk rupiah yang digunakan untuk memperoleh nilai MAPE akan dijelaskan pada bab ini di subbab C. Pada percobaan dengan 14 neuron pada lapisan tersembunyi memiliki nilai MAPE training dan testing terkecil. Sehingga banyak neuron pada lapisan tersembunyi yang digunakan adalah 14 neuron. Nilai output pada percobaan dengan 14 neuron pada lapisan tersembunyi dapat dilihat ada lampiran 8 dalam derajat keanggotaan himpunan fuzzy. Sedangan nilai output dalam rupiah dapat dilihat pada lampiran 9. Setelah memperoleh banyak neuron pada lapisan tersembunyi selanjutnya menentukan nilai input yang optimal.

b. Menentukan input yang optimal