29
3.4.6 Penentuan Toleransi Galat
Dalam Backpropagation defaultnya perhitungan unjuk kerja dilakukan berdasarkan kuadrat rata-rata kesalahan atau Mean Square Error MSE. MSE digunakan untuk menampilkan batas nilai
agar iterasi dihentikan. Iterasi akan berhenti jika MSE lebih kecil daripada batas yang ditentukan atau jumlah epoch mencapai batas yang ditentukan. Pada penelitian ini, nilai yang diset adalah 0.0000005.
hal ini disesuaikan dengan pendapat Dhaneswara et al. 2004, semakin kecil MSE, JST semakin kecil kesalahannya dalam memprediksi kelas dari record yang baru. Maka pelatihan JST ditujukan
untuk memperkecil MSE dari satu siklus ke siklus berikutnya sampai selisih nilai MSE pada siklus ini dengan siklus sebelumnya lebih kecil atau sama dengan batas minimal yang diberikan.
Rincian arsitektur jaringan yang akan dirancang untuk melakukan pelatihan Backpropagation disajikan pada Tabel 2.
Tabel 2. Arsitektur JST yang akan dikembangkan
Karakteristik Spesifikasi
Neuron input layer 9 neuron
Jumlah Hidden layer 2 layer
Neuron output layer 1 neuron
Fungsi aktivasi Sigmoid bipolar dan linear
Toleransi galat 0.0000005
Epoch Iterasi 5000
Penentuan Bobot Bilangan acak kecil dari MATLAB
3.5 Data Percobaan dan Pelatihan
Oleh karena jaringan syaraf tiruan bekerja berdasarkan pola waktu masa lalu, maka pada penelitian ini digunakan sejumlah data deret waktu yaitu data-data faktor penyebab krisis pada
tahapan analisis sebelumnya. Adapun contoh data yang kemungkinan merupakan faktor penyebab kelangkaan pupuk adalah data kebutuhan pupuk Urea, data penggunaan dosis pupuk urea, data loss
pupuk selama distribusi, data perbedaan harga antara pupuk subsidi dan non-subsidi, data besarnya subsidi yang diberikan oleh pemerintah, data perubahan harga gabah dan bahan baku dan data lain
yang berhubungan dengan penyebab kelangkaan pupuk dari 27 kecamatan yang ada di Kabupaten Banyumas.
Data input ini merupakan data deret waktu yang diambil dari Januari 2006 hingga Desember 2008. Atribut-atribut tersebut dipilih karena keterkaitan antar atribut diperoleh dengan menggunakan
metode kausalitas antar atribut data. Data yang diperoleh akan dibagi menjadi dua bagian, yaitu data yang digunakan sebagai data
pelatihan dan sisanya data yang digunakan sebagai data penelitian atau simulasi. Pembagian data ini dilakukan dengan Rasio 80: 20. Nilai ini memiliki arti 80 data digunakan sebagai data pelatihan
jaringan dan 20 data digunakan sebagai data penelitian atau simulasi Salya 2006.
30
3.6 Waktu dan Tempat Penelitian
Penelitian ini dilakukan mulai dari bulan July sampai dengan Oktober 2010 bertempat di Kabupaten Banyumas tepatnya di Dinas Pertanian Tanaman Pangan. Pengolahan data dan ujicoba
Jaringan dilakukan di Laboratorium Teknik Manajemen Industri, Institut Pertanian Bogor.
3.7 Spesifikasi Sistem
Pengimplementasian sistem jaringan syaraf tiruan ini menggunakan MATLAB versi 7.8.0.347 R2009a. MATLAB merupakan perangkat lunak yang cocok dipakai sebagai alat komputasi yang
melibatkan data yang banyak dan menggunakan matriks dan vektor. Fungsi-fungsi yang terdapat pada toolbox
MATLAB memudahkan pengguna melakukan perhitungan dengan menggunakan data yang besar. Selain itu, MATLAB juga menyediakan fungsi-fungsi khusus untuk menyelesaikan model
jaringan syaraf tiruan Siang 2009. Spesifikasi perangkat keras dan perangkat lunak lainnya yang digunakan dalam penelitian ini adalah :
1. CPU : Intel ® Dual Core T2130 1.86GHz 1 MB Cache
2. Memory 1 GB Memory
3. Mouse
4. Modem
5. Sistem operasi Microsoft® Windows XP SP 2
6. Microsoft® Office 2007.
7. Expert Choice.
Kategori