Pembuatan Model untuk Percobaan

Implementasi model JST dengan tiga skenario data latih menghasilkan prediksi yang selengkapnya dapat dilihat pada Lampiran 9 sd 11. Pengukuran kinerja terhadap model JST untuk masing-masing data uji yang digunakan, nilai kinerja selengkapnya seperti pada Tabel 3. Tabel 3 Kinerja Model JST pada dataset rata-rata dari lima wilayah untuk data uji sebanyak 28, 23 dan 18 buah Model JST RMSE MAPE R A. Data Latih sebanyak 15 periode 28 data uji JST-10 338,29 33,63 0,07 JST-30 312,74 31,54 0,25 JST-50 305,10 30,33 0,22 B. Data Latih sebanyak 20 periode 23 data uji JST-10 292,06 28,76 0,19 JST-30 292,95 29,19 0,34 JST-50 288,75 29,16 0,11 C. Data Latih sebanyak 25 periode 18 data uji JST-10 236,78 23,25 0,55 JST-30 238,80 23,87 0,55 JST-50 246,82 23,86 0,56 Secara keseluruhan, model JST-10-C, yaitu model JST dengan 10 hidden neuron yang dijalankan dengan skenario data latih sebanyak 25 buah, merupakan model terbaik dengan masing-masing nilai kinerjanya adalah RMSE 236,78, MAPE 23,25 dan R 0,55. Meskipun model JST-10-C merupakan model terbaik, namun model JST-10, yaitu JST dengan 10 hidden neuron ternyata tidak selalu menjadi yang terbaik pada setiap skenario data latih. Pada skenario data latih A, dengan data latih 15 periode, kinerja yang lebih baik ditunjukkan dari model JST dengan 30 hidden neuron dengan RMSE 312,74, MAPE 31,54 dan R 0,25, demikian juga pada skenario data latih B, dengan data latih 20 periode, kinerja terbaik juga dicapai oleh model JST dengan 30 hidden neuron JST30-B dengan RMSE 292,95, MAPE 29,19 dan R 0,34.. Evaluasi kinerja pada Tabel 3 dibuat dengan mengevaluasi seluruh prediksi yang dihasilkan oleh model JST-10, JST-30 dan JST-50 pada masing-masing skenario data latih. Dataset yang digunakan berisi data observasi sepanjang 43 periode 43 tahun, sehingga dengan masing-masing skenario A, B dan C dapat diperoleh data uji dan hasil prediksi sebanyak 28, 23 dan 18 periode. Evaluasi model yang dilakukan pada periode data yang sama, yaitu hanya pada 18 periode terakhir tahun 1991 sd 2009, diperoleh hasil evaluasi kinerja yang selengkapnya dapat dilihat pada pada Tabel 4. Tabel 4 Kinerja Model JST pada dataset rata-rata dari lima wilayah untuk data uji yang sama 18 tahun terakhir Model JST RMSE MAPE R A. Data Latih sebanyak 15 buah 18 data uji JST-10 254,74 25,29 0,17 JST-30 246,94 24,92 0,38 JST-50 238,68 23,07 0,38 B. Data Latih sebanyak 20 buah 18 data uji JST-10 244,23 23,26 0,25 JST-30 231,32 22,70 0,46 JST-50 246,90 24,18 0,29 C. Data Latih sebanyak 25 buah 18 data uji JST-10 236,78 23,25 0,55 JST-30 238,80 23,87 0,55 JST-50 246,82 23,86 0,56 Kinerja model pada Tabel 4 menunjukkan model JST-30-B mempunyai kinerja yang lebih baik dibanding model lainnya, yaitu mempunyai kinerja terbaik pada nilai RMSE 231,32 dan MAPE 22,68, namun berdasarkan nilai korelasi, hasil yang lebih baik ditunjukkan oleh model JST-50-C. Nilai kinerja pada Tabel 4 juga tidak dapat menunjukkan adanya arsitektur JST yang selalu konsisten terbaik pada setiap skenario data latih, ataupun sebaliknya, adanya skenario data latih yang konsisten terbaik pada setiap arsitektur JST. Perbandingan antara data observasi dengan hasil prediksi dari tiga model yang mempunyai kinerja terbaik pada setiap skenario data latih sesuai Tabel 4 JST-50-A, JST-30-B dan JST-10-C pada periode 1991 sd 2009 18 tahun selengkapnya dapat dilihat pada Gambar 9. Label tahun pada gambar tersebut menunjukkan bahwa prosentase kesalahan prediksi terhadap nilai observasi di atas 20.