Menguji sistem jaringan syaraf tiruan dengan

Dari hasil pada Tabel 5 di atas diketahui bahwa nilai MAPE dari semua nilai galat berada pada kisaran yang hampir setara. Dan dengan menggunakan toleransi galat sebesar pun sudah cukup untuk menghasilkan sistem dengan keakuratan yang tinggi. Hal ini dikuatkan pula dengan hasil uji analisis ragam satu arah pada Lampiran . Dari hasil uji dapat kita lihat bahwa didapatkan nilai P yang lebih besar dari nilai signifikasi yang ditentukan yaitu sebesar . Ini menyatakan bahwa faktor yang kita ujikan memiliki dampak yang tidak nyata pada variabel respons. Dan dapat dikatakan semua nilai toleransi galat setara. Hal ini juga terlihat pada grafik perbandingan berganda dimana semua nilai galat dikatakan setara. Akan tetapi, jika pada nilai toleransi galat sebesar pun sudah dapat menghasilkan nilai MAPE yang hampir dikatakan setara dengan nilai toleransi galat yang lain, maka dapat diambil kesimpulan bahwa nilai toleransi galat sebesar merupakan parameter yang sesuai bagi sistem jaringan syaraf tiruan. Dan juga dapat membuat efisiensi dalam proses komputasi yang kita lakukan. 5. Percobaan V. Mencari besarnya maksimum iterasi Dalam percobaan terakhir ini kita akan mencari besarnya maksimum iterasi yang dapat mencapai nilai MAPE terkecil. Seperti pada percobaan untuk komposisi data pelatihan dan pengujian, nilai laju pembelajaran, momentum dan banyaknya neuron tersembunyi kita gunakan dari hasil percobaan sebelumnya. Dan juga untuk nilai galat kita gunakan dari hasil yang telah kita dapatkan dari percobaan 4 yaitu sebesar . Untuk besarnya maksimum iterasi kita ubah-ubah dengan tujuan untuk mendapatkan nilai maksimum iterasi yang tepat. Nilai maksimum iterasi yang diujikan yaitu , , , dan . Dari 10 kali percobaan yang telah dilakukan maka didapatkan hasil seperti pada di bawah ini : Tabel 6 Nilai MAPE untuk maksimum iterasi Maksimum Pengulangan Nilai MAPE Percobaan I Percobaan II Percobaan III Percobaan IV Percobaan V 10 2 6,15 6,38 7,46 7,21 7,40 10 3 7,10 7,23 7,69 7,59 7,04 10 4 6,20 6,22 7,23 6,34 6,24 10 5 7,83 6,52 7,01 6,27 7,46 Maksimum Pengulangan Nilai MAPE Percobaan VI Percobaan VII Percobaan VIII Percobaan IX Percobaan X 10 2 7,34 6,87 7,33 7,76 7,30 10 3 6,70 6,20 6,23 6,23 7,32 10 4 6,35 7,81 7,37 7,13 6,32 10 5 7,47 6,35 6,54 7,09 6,20 Dari hasil tersebut dapat kita lihat bahwa semua nilai maksimum iterasi yang diujikan dapat menghasilkan nilai MAPE yang dapat dikatakan setara tidak ada perbedaan yang signifikan. Hal ini dikuatkan dengan adanya uji analisis ragam satu arah yang terdapat pada Lampiran 13. Dari hasil uji tersebut dapat kita lihat bahwa didapatkan nilai P yang lebih besar dari nilai signifikasi yang ditentukan yaitu sebesar . Ini menyatakan bahwa faktor yang kita ujikan memiliki dampak yang tidak nyata pada variabel respons. Dan dapat kita lihat pula pada grafik perbandingan berganda terlihat bahwa semua nilai maksimum iterasi dapat dikatakan setara. Jadi, seperti pada percobaan sebelumnya untuk mengefisienkan proses komputasi yang dilakukan, maka nilai maksimum iterasi yang dipilih adalah sebesar .

4.2 Menguji sistem jaringan syaraf tiruan dengan

menggunakan parameter- parameter yang sesuai Dari kelima percobaan yang telah dilakukan di atas, maka kita dapatkan komposisi pembagian data terbaik yaitu data untuk pelatihan dan data untuk pengujian dan validasi. Parameter-parameter yang sesuai untuk jaringan syaraf tiruan yang didapatkan yaitu kombinasi nilai laju pembelajaran dan momentum sebesar dan ; dan ; dan ; atau dan ; dengan banyaknya neuron tersembunyi adalah sebanyak , , atau neuron tersembunyi, toleransi galat sebesar , dan maksimum iterasi sebesar . Parameter-parameter yang telah didapatkan tersebut akan digunakan untuk pengujian sistem jaringan syaraf tiruan yang digunakan dalam karya ilmiah ini. Pengujian dilakukan seperti pada percobaan sebelumnya, yaitu sebanyak kali pengulangan percobaan. Grafik boxplot dari nilai MAPE pada setiap pengulangan dapat dilihat pada Gambar . Gambar 13 Grafik boxplot untuk nilai MAPE pada setiap iterasi Pada pengujian ini, dari kali iterasi diperoleh rataan MAPE untuk hasil selengkapnya lihat Lampiran . Dari Gambar 14 di atas terlihat bahwa nilai yang dihasilkan model jaringan syaraf tiruan yang dibuat dapat dikatakan mendekati nilai aktual dari ketinggian air di DAS Ciliwung. Terlihat juga dari rataan MAPE yang bernilai . Untuk nilai kesalahan pada setiap pengulangan pun dapat dikatakan seragam terlihat pada Gambar yang memperlihatkan boxplot antara nilai MAPE pada setiap proses pengulangan percobaan. Maka dapat kita simpulkan bahwa jaringan syaraf tiruan yang kita lakukan pada karya ilmiah kali ini dapat digunakan untuk memprediksi ketinggian air di suatu DAS. Dengan rataan MAPE yang didapatkan pada studi kasus DAS Ciliwung, Bogor sebesar Gambar 14 Grafik perbandingan antara nilai aktual dan prediksi 58 63 68 73 78 83 88 93 1 11 21 31 41 51 61 71 K e tingg ian ai r cm Waktu hari Aktual Prediksi V SIMPULAN DAN SARAN

5.1 Simpulan