Gambar 53 Contoh struktur data masukan dan aristektur JST untuk model satu. Data yang diperlukan pada aplikasi jaringan syaraf tiruan antara lain
adalah data untuk pelatihan, data untuk pengujian, data untuk prediksi, dan data bobot. Data untuk pelatihan dan data untuk pengujian adalah berupa data tinggi
air dan data curah hujan dalam jangka waktu tertentu.
6.3.3. Hasil Pelatihan untuk 5 Model JST
Data yang digunakan pada proses pelatihan adalah data tinggi air dan curah hujan selama 3 bulan Januari – Maret 2008 dengan selang waktu 30
menit sehingga jumlah datanya adalah 4.320 data tinggi air dan 4.320 data curah hujan. Proses pelatihan pada prinsipnya adalah proses pencarian nilai-nilai bobot
JST berdasarkan data-data pelatihan yang telah disiapkan dengan harapan nilai keluaran mendekati nilai target keluaran yang telah ditentukan. Pelatihan ini
digunakan dengan variasi nilai momentum 0,3 dan 0,5, variasi nilai laju pembelajaran 0,5 dan 0,9, dan variasi jumlah neuron tersembunyi 20 dan 30.
Sedangkan jumlah epoch yang diinginkan adalah 500. Contoh hasil tampilan running program untuk model satu dengan satu hidden layer 20 neuron dan
masukan adalah curah hujan CH
t
sd CH
t-24 jam
dan tinggi muka air TMA
t
sd TMA
t-3 jam
pada saat pelatihan dapat dilihat pada Gambar 54.
Gambar 54 Contoh tampilan hasil pelatihan untuk jumlah neuron 20 laju
pembelajaran 0,5 momentum 0,3
Grafik tinggi muka air hasil pelatihan antara perdiksi dengan target untuk data latih data curah hujan bulan Januari sd Maret 2008
dengan laju pembelajaran 0,9 dan momentum 0,5 serta data masukan curah hujan 4 hari
sebelumnya dapat dilihat pada Gambar 55.
Gambar 55 Grafik antara target dan prediksi pada saat pelatihan dengan laju
pembelajaran 0,9 dan momentum 0.5 serta data masukan curah hujan 4 hari sebelumnya
Dari Gambar 55 di atas terlihat bahwa prediksi yang dibangun dengan JST mengenali pola tinggi muka air aktualtarget akan tetapi ada beberapa
daerah dimana JST tidak bisa mengenali pola tinggi muka air yang rendah. Ini menunjukkan bahwa terjadi perubahan data yang exstrim dimana data tinggi
muka air Bendung Simongan yang seharusnya selalu berkisar antara 3,6 sd 3,7 jika tidak terjadi hujan berubah menjadi 3,3 sd 3,4 meter. Hal ini terjadi pada
saat pintu air Bendung Simongan dibuka oleh operator untuk pembuangan lumpur yang ada di sekitar bendung atau dialirkan ke Kali Semarang untuk
penggelontoran. Dari hasil running pelatihan JST dengan data curah hujan selama bulan
Januari sd Maret 2008 untuk kelima model dengan perubahan jumlah neuron 20 dan 30; laju pembelajaran 0,9 dan 0,5; serta momentum 0,5 dan 0,3 untuk
kelima model tersebut seperti terlihat pada Tabel 22 di bawah ini.
