42 X
11
Vehicle year 1.
1920 – 1929 2.
1930 – 1939 3.
1940 – 1949 4.
1950 – 1959 5.
1960 – 1969 6.
1970 – 1979 7.
1980 – 1989 8.
1990 – 1999 9.
≥ 2000
3.3. Pemilihan Variabel
Output
Variabel output merupakan risiko kecelakaan lalu lintas yang terjadi berdasarkan
faktor-faktor penyebab kecelakaan lalu lintas yang telah diuraikan sebagai variabel input. Variabel output akan dikelompokkan menjadi 5 kategori yang mempunyai pola
yang ditunjukkan pada tabel 3.3:
Table 3.3
Variabel Output Jaringan Saraf Tiruan
Risiko Kecelakaan Pola
Output Target T[1]
T[2] T[3]
Fatal Severe Injury
1 Other Injury
1 Complaint of pain
1 1
PDO Property Demage Only 1
Universitas Sumatera Utara
43
3.4. Normalisasi Data
Data yang digunakan dalam penelitian ini merupakan database kecelakaan lalu lintas California pada tahun 2007 yang diperoleh dari HSIS Highway Safety Information
System. Data kemudian disusun dan dipilih variabel faktor-faktor kecelakaan lalu lintas dengan record data yang memiliki informasi paling lengkap. Berdasarkan data
kecelakaan tersebut, kemudian digunakan sebanyak 400 kasus untuk masing-masing kategori injury severity dari beberapa kasus kecelakaan lalu lintas. Data tersebut
kemudian akan di bagi menjadi 2 bagian, yaitu data pelatihan training, data pengujian testing. Sebanyak 80 data digunakan untuk proses training dan 20
data digunakan untuk proses testing. Tabel 3.3 adalah tabel pembagian data kecelakaan lalu lintas yang akan digunakan:
Table 3.3 Pembagian data kecelakaan lalu lintas
No Kategori
Jumlah data Set
training 80
Set testing
20
1 Fatal
400 320
80 2
Severe Injury 400
320 80
3 Other Injury
400 320
80 4
Complaint of pain 400
320 80
5 PDO
Property Demage Only
400 320
80
Total 2.000
1.600 400
Data yang telah dianalisis kemudian dinormalisasi sehingga dapat dikenali oleh fungsi aktifasi yang akan digunakan. Pada penelitian ini, data di normalisasi
kedalam range [0-1] berdasarkan rumus: x′ =
0.8 x − min
max − min
+ 0.1 Siang, 2004
Dengan: x
’ = x yang telah dinormalisasi
x = x sebelum dinormalisasi
min = nilai minimum dari seluruh data
Universitas Sumatera Utara
44 max
= nilai maksimum dari seluruh data Berikut merupakan contoh beberapa data yang telah di normalisasi dengan nilai
minimum = 1 dan nilai maksimum = 23.
Tabel 3.4 Contoh Data Normalisasi
X1 X2
X3 X4
X5 X6
X7 X8
X9 X10
X11
0.1 0.209
0.209 0.209
0.282 0.245
0.1 0.464
0.136 0.173
0.355 0.1
0.1 0.1
0.173 0.282
0.136 0.1
0.5 0.391
0.245 0.391
0.173 0.209
0.1 0.318
0.209 0.318
0.1 0.5
0.1 0.245
0.355
3.5. Arsitektur Jaringan Saraf Tiruan