Proses Verifikasi dan Validasi Pada Model Yang Dihasilkan

Lampiran 1.4 Pemasukan Beras Ke Pasar Beras Induk Cipinang Tahun 2008 No BULAN OPERASI BULOG PANTURA JAWA BARAT BANDUNG DSK SOLO, JAWA TENGAH DSK JAWA TIMUR, BALI, DSK LUAR PULAU JAWA GUDANG JAKARTA JML Ton TON TON TON TON TON TON TON 1 Januari 3,481 7.56 26,948 58.51 5,279 11.46 5,962 12.94 2,826 6.14 1,160 2.52 401 0.87 46,057 2 Februari 2,142 5.34 20,075 50.07 4,296 10.71 11,203 27.94 1,681 4.19 449 1.12 248 0.62 40,094 3 Maret 140 0.27 25,201 47.77 6,614 12.54 16,708 31.67 3,299 6.25 315 0.60 483 0.92 52,760 4 April - - 47,669 61.59 9,918 12.82 15,047 19.44 3,417 4.42 1,085 1.40 257 0.33 77,393 5 M e i 80 0.13 36,606 57.95 8,172 12.94 10,883 17.23 4,724 7.48 574 0.91 2,133 3.38 63,172 6 J u n i - - 29,219 58.14 4,861 9.67 11,164 22.21 2,468 4.91 64 0.13 2,483 4.94 50,259 7 J u l i - - 36,673 60.01 5,013 8.20 16,139 26.41 2,377 3.89 119 0.19 788 1.29 61,109 8 Agustus - - 40,822 56.82 5,817 8.10 19,537 27.19 2,182 3.04 249 0.35 3,241 4.51 71,848 9 September - - 41,549 66.96 5,178 8.34 12,194 19.65 2,044 3.29 - - 1,088 1.75 62,053 10 Oktober - - 35,637 67.34 6,164 11.65 7,024 13.27 3,367 6.36 63 0.12 664 1.25 52,919 11 Nopember - - 31,803 57.14 5,702 10.24 15,712 28.23 1,550 2.78 41 0.07 852 1.53 55,660 12 Desember - - 32,794 56.15 6,319 10.82 14,362 24.59 3,805 6.51 81 0.14 1,047 1.79 58,408 J U M L A H 5,843 0.84 404,996 58.55 73,333 10.60 155,935 22.54 33,740 4.88 4,200 0.61 13,685 1.98 691,732 Rata-Rata Per bulan 1,461 2.32 33,750 7.32 6,111 1.33 12,995 2.82 2,812 0.61 350 0.08 1,140 1.81 62,885 Rata-Rata per Hari 58.4 2.32 1,350.0 53.67 244.4 9.72 519.8 20.66 112.5 4.47 14.0 0.56 45.6 1.81 2,515 Sumber : FSTJ 2008 166 167 Lampiran 1.5 Pemasukan Beras Ke Pasar Beras Induk Cipinang Tahun 2009 Bln Daerah Produksi Asal Ton Jumlah Ton Karawang Cirebon Bandung Cianjur Banten Jateng Jatim Gdg.Jkt Ex Bulog Antar Pulau Januari 11,983 17,555 4,962 881 36 17,125 2,727 1,878 - 80 57,227 Februari 8,049 12,788 4,108 403 59 22,901 2,563 885 - 226 51,982 Maret 18,604 18,949 7,124 495 453 13,788 1,927 1,819 - 356 63,515 April 20,748 23,029 7,918 594 685 10,157 1,268 369 - 335 65,103 M e i 16,212 22,809 7,866 472 217 9,312 1,664 1,190 - 245 59,987 J u n i 23,913 24,892 5,916 801 99 9,040 1,296 828 - 147 66,932 J u l i 24,814 26,571 5,337 1,235 146 11,982 1,224 401 - 8 71,718 Agustus 28,179 31,775 6,192 900 323 10,197 1,094 561 - 69 79,290 September 19,850 22,096 3,556 572 268 5,025 367 541 - - 52,275 Oktober 31,994 34,546 7,312 865 326 7,573 921 297 - - 83,834 Nopember 26,094 27,109 6,998 808 109 5,005 669 456 - 60 67,308 Desember 20,907 31,447 8,149 935 140 7,695 444 300 - 42 70,059 Jumlah 251,437 293,566 75,438 8,961 2,861 129,800 16,164 9,525 - 1,568 789,230 31.85 37.20 9.56 1.14 0.36 16.45 2 1 - 0.20 100 Per bln 20,946 24,464 6,287 747 238 10,817 1,347 794 - 131 65,769 Sumber : FSTJ 2009 167 Lampiran 2. Algoritma Jaringan Syaraf Tiruan Backpropagation Tahap 0 : Inisialisasi bobot ambil bobot awal dengan nilai random yang cukup kecil antara -1 sd 1 . Tahap 1 : Lakukan tahap 2 sampai tahap 9 selama kondisi berhenti bernilai false. Tahap 2 : Untuk tiap-tiap pasangan elemen yang akan dilakukan pembelajaran, lakukan tahap 3 sampai tahap 8. Feedfoward : Tahap 3 : Tiap-tiap unit input X i , i = 1,2,3,...,n menerimasinyal input x i dan meneruskan sinyal tersebut ke semua unit pada lapisan yang ada di atasnya lapisan tersembunyi. , Tahap 4 : Tiap-tiap unit tersembunyi Z j sinyal- sinyal input berbobot: , j = 1,2,3,...p menjumlahkan z_in j = v 0j + ∑ x i v Kemudian digunakan fungsi aktivasi untuk menghitung sinyal outputnya: ij z j = fz_in j dan sinyal tersebut dikirimkan ke semua unit di lapisan atasnya unit-unit output . Tahap 5 : Tiap-tiap unit output Y k sinyal input terbobot. = 1,2,3,...m menjumlahkan sinyal- y_in k = w 0k + ∑ z j w Kemudian digunakan fungsi aktivasi untuk menghitung sinyal outputnya jk Y k = fy_ in k Dan kirimkan sinyal tersebut ke semua unit di lapisan atasnya unit-unit Output Backpropagation Tahap 6 : Tiap-tiap unit output Y k yang berhubungan dengan pola input pembelajaran, hitung informasi error nya: , k = 1,2,3,....m menerima target pola δ k = t k - y k f ′ y_in k Kemudian dihitung koreksi bobot yang nantinya akan digunakan untuk memperbaiki nilai w jk Δw . jk = α δ k z Hitung juga koreksi bias yang nantinya akan digunakan untuk memperbaiki nilai w j 0k Δw . 0k = α δ Kirimkan δ k k Tahap 7: Tiap-tiap unit tersembunyi Z ini ke unit-unit yang ada di lapisan bawahnya. j inputnya dari unit-unit yang berada di lapisan atasnya. , j = 1,2,3,...p menjumlahkan delta δ_in j = ∑ δ k w Kemudian kalikan nilai tersebut dengan turunan dari fungsi jk aktivasinya untuk menghitung informasi error: δ j = δ_in j f ′ δ _in j Kemudian dihitung koreksi bobot yang nantinya akan digunakanuntuk memperbaiki nilai v ij Δv ij = αδ j x Dihitung juga koreksi bias yang nantinya akan digunakan untuk memperbaiki nilai v i 0j Δv : 0j = αδ Perbaiki bobot dan bias j Tahap 8 : Tiap-tiap unit output Y k dan bobotnya j = 0, 1, ..., p: , k = 1, 2, 3,...,mmemperbaiki bias w jk baru = w jk lama + Δw Tiap-tiap unit tersembunyi Zj, j = 1, 2, ..., p memperbaiki bias dan bobotnya i = 0, 1, ...., n jk vij baru = vij lama + Δvij Tahap 9 : Di uji kondisi berhenti , uji nilai error jika lebih besar dari toleransi error , kembali ke langkah 1 Keterangan : x = vektor masukan untuk pelatihan, x = x 1 , … , x i , … , x n t = vektor target keluaran, t = t . 1 , … , t k , … , t m δ . k = Koreksi error penentuan bobot w δ jk. j = Koreksi error penentuan bobot v α = Kecepatan belajar. jk.