Analisis Jaraingan Saraf Tiruan Backpropagation Menggunakan Conjugate Gradient Fletcher Reeves dalam Proses Memprediksi

i

ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION
MENGGUNAKAN CONJUGATE GRADIENT FLETCHER
REEVES DALAM PROSES MEMPREDIKSI

TESIS

ANJAR WANTO
157038039

PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017

i

Universitas Sumatera Utara

i

ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION
MENGGUNAKAN CONJUGATE GRADIENT FLETCHER
REEVES DALAM PROSES MEMPREDIKSI

TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Magister Teknik Informatika
ANJAR WANTO
157038039

PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017

ii

Universitas Sumatera Utara

ii

PERSETUJUAN

Judul Tesis

: ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION MENGGUNAKAN CONJUGATE GRADIENT

FLETCHER

REEVES

DALAM

PROSES

MEMPREDIKSI
Kategori

: TESIS

Nama

: ANJAR WANTO

NIM

: 157038039

Jurusan/Program Studi

: TEKNIK INFORMATIKA

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing

:

Pembimbing 2

Pembimbing 1

Dr. Sawaluddin, M.IT

Prof. Dr. Muhammad Zarlis

Diketahui/disetujui oleh
Program Studi S2 Teknik Informatika
Ketua,

Prof. Dr. Muhammad Zarlis
NIP. 195707011986011 003

ii

Universitas Sumatera Utara

iii

PERNYATAAN

ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION
MENGGUNAKAN CONJUGATE GRADIENT FLETCHER
REEVES DALAM PROSES MEMPREDIKSI

TESIS

Saya mengakui bahwa Tesis ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 24 Juli 2017

Anjar Wanto
157038039

iii

Universitas Sumatera Utara

iv

PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan
dibawah ini :
Nama

: Anjar Wanto

NIM

: 157038039

Program Studi

: Magister Teknik Informatika

Jenis Karya Ilmiah

: Tesis

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty
Free Right) atas tesis saya yang berjudul :

ANALISIS
JARINGAN
SARAF
TIRUAN
BACKPROPAGATION
MENGGUNAKAN CONJUGATE GRADIENT FLETCHER REEVES DALAM
PROSES MEMPREDIKSI

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
memformat, mengelola dalam bentuk database, merawat dan mempublikasi tesis saya
tanpa meminta izin dari saya selama tetap mencantum nama saya sebagai penulis dan
sebagai pemegang dan/atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, 24 Juli 2017

Anjar Wanto
157038039

iv

Universitas Sumatera Utara

v

Telah diuji pada
Tanggal: 24 Juli 2017

PANITIA PENGUJI TESIS
Ketua

: Prof. Dr. Muhammad Zarlis

Anggota

: 1. Dr. Sawaluddin, M.IT
2. Dr. Poltak Sihombing, M.Kom
3. Dr. Syahril Efendi, S.Si, M.IT

v

Universitas Sumatera Utara

vi

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap

: Anjar Wanto, S.Kom

Tempat dan Tanggal Lahir

: Bah Jambi, 14 Februari 1985

Alamat Rumah

: Jln. Asahan Gg. Amal Pematang Assilum

Telepon/Faks/HP

: 0852 7588 8349

E-mail

: anjarwanto@gmail.com

Instansi Tempat Bekerja

: STIKOM Tunas Bangsa Pematangsiantar

Alamat Kantor

: Jln. Sudirman Blok A No. 2, 3 Pematangsiantar

DATA PENDIDIKAN

SD

: No. 095201 Emplasmen Bah Jambi

TAMAT : tahun 1996

SLTP : Taman Siswa Bah Jambi

TAMAT : tahun 1999

SLTA : SMK Negeri 2 Pematangsiantar

TAMAT : tahun 2002

D3

: AMIK Tunas Bangsa Pematangsiantar

TAMAT : tahun 2010

S1

: STT Poliprofesi Medan

TAMAT : tahun 2012

S2

: Teknik Informatika USU

TAMAT : tahun 2017

vi

Universitas Sumatera Utara

vii

UCAPAN TERIMAKASIH

Puji dan syukur penulis panjatkan kehadirat Allah SWT, atas segala rahmat serta
karunia Nya sehingga penelitian ini yang berjudul “Analisis Jaringan Saraf Tiruan
Backpropagation Dengan Menggunakan Conjugate Gradient Fletcher Reeves Dalam
Proses Memprediksi” dapat diselesaikan dengan baik. Maka dengan kerendahan
hati penulis mengucapkan terimakasih kepada :
1. Bapak Prof. Dr. Muhammad Zarlis selaku Ketua Program Studi S2 Teknik
Informatika serta sebagai pembimbing utama penulis, atas arahan dan
kesempatan

yang

diberikan

kepada

penulis

untuk

mengikuti

dan

menyelesaikan Program Magister pada Program Studi Magister Teknik
Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas
Sumatera Utara.
2. Bapak Dr. Syahril Efendi, S.Si, M.IT Selaku Sekretaris Program Studi S2
Teknik Informatika serta sebagai Pembanding 2 penulis pada saat Sidang
Tesis.
3. Bapak Dr. Sawaluddin, M.IT selaku pembimbing kedua penulis atas arahan
dan kesempatan yang diberikan kepada penulis untuk mengikuti dan
menyelesaikan Program Magister pada Program Studi Magister Teknik
Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas
Sumatera Utara.
4. Seluruh Dosen dan Staf Pegawai Program Studi S2 Teknik Informatika
Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera
Utara, yang telah memberikan bantuan dan pelayanan terbaik selama
mengikuti perkuliahan hingga pada penyelesaian tesis ini.
5. Bapak H. Maulia Ahmad Ridwansyahputra, selaku

Ketua Yayasan

Muhammad Nasir Pematangsiantar, yang telah memberikan bantuan moril,
materi maupun motifasi kepada penulis selama mengikuti perkuliahan hingga
pada penyelesaian tesis ini.

vii

Universitas Sumatera Utara

viii

6. Bapak Dedy Hartama, S.T., M.Kom, yang telah memberikan bantuan moril
maupun motifasi kepada penulis selama mengikuti perkuliahan hingga pada
penyelesaian tesis ini.
7. Seluruh Dosen dan Staf Pegawai AMIK dan STIKOM Tunas Bangsa, yang
telah memberikan dukungan dan motifasi selama mengikuti perkuliahan
hingga pada penyelesaian tesis ini.
8. Orangtua tercinta serta seluruh keluarga atas ketulusan do’a, dukungan serta
motifasi dan nasehat-nasehat sepanjang waktu sehingga dapat menyelesaikan
pendidikan S2 ini.
9. Istri tercinta May Sandra Purba atas ketulusan do’a, serta selalu memberikan
semangat kepada penulis hingga terselesaikannya tesis ini
10. Teman-teman seperjuangan Kom-A tahun 2015 Fasilkom TI USU atas
kebersamaan dan kekompakkan dalam perkuliahan dan tetap semangat sampai
akhir, serta semua pihak yang tidak bisa penulis sebutkan satu persatu.

Penulis menyadari bahwa isi tesis ini masih jauh dari kesempurnaan, untuk itu
mohon kiranya para pembaca memberikan masukan, kritik dan saran yang sifatnya
membangun untuk perbaikan sehingga dapat bermanfaat. Semoga karya ilmiah ini
bermanfaat bagi kemajuan Ilmu pengetahuan dan pendidikan.

Medan, Juli 2017

Anjar Wanto
157038039

viii

Universitas Sumatera Utara

ix

ABSTRAK

Backpropagation merupakan algoritma pada Jaringan Saraf Tiruan yang baik
digunakan untuk memprediksi, salah satunya untuk memprediksi laju Indeks Harga
Konsumen (IHK) berdasarkan sektor bahan makanan. Sedangkan conjugate gradient
fletcher reeves merupakan metode optimasi yang cocok bila disandingkan dengan
metode backpropagation, karena metode ini dapat mempersingkat iterasi tanpa
mengurangi kualitas hasil pelatihan dan pengujian. Data Indeks Harga Konsumen
(IHK) yang akan diprediksi bersumber dari Badan Pusat Statistik (BPS) kota
Pematangsiantar. Hasil penelitian ini nantinya diharapkan dapat memberikan
kontribusi bagi pemerintah dalam membuat kebijakan untuk meningkatkan
pertumbuhan ekonomi. Pada penelitian ini, data yang diperoleh akan diolah dengan
melakukan pelatihan dan pengujian dengan jaringan saraf tiruan backpropagation
dengan menggunakan parameter learning rate dan target error yang sama, yakni 0,01.
Jaringan pelatihan dibangun dengan fungsi aktivasi sigmoid biner dan bipolar. Setelah
hasil dengan backpropagation diperoleh, maka kemudian akan di optimasi dengan
menggunakan metode conjugate gradient fletcher reeves dengan melakukan pelatihan
dan pengujian yang sama berdasarkan 5 arsitektur jaringan yang telah ditentukan.
Hasilnya, metode yang digunakan mampu meningkatkan terjadi peningkatan
kecepatan dan hasil akurasi.

Kata Kunci : Neural Network, Backpropagation, Prediksi, Fletcher Reeves.

ix

Universitas Sumatera Utara

x

ABSTRACT

Backpropagation is a good artificial neural network algorithm used to predict, one of
which is to predict the rate of Consumer Price Index (CPI) based on the foodstuff
sector. While conjugate gradient fletcher reeves is a suitable optimization method
when juxtaposed with backpropagation method, because this method can shorten
iteration without reducing the quality of training and testing result. Consumer Price
Index (CPI) data that will be predicted to come from the Central Statistics Agency
(BPS) Pematangsiantar city. The results of this study will be expected to contribute to
the government in making policies to improve economic growth. In this study, the data
obtained will be processed by conducting training and testing with artificial neural
network backpropagation by using the parameter learning rate and target error of the
same, that is 0.01. The training network is built with binary and bipolar sigmoid
activation functions. After the result with backpropagation is obtained, it will then be
optimized by using conjugate gradient fletcher reeves method by doing the same
training and testing based on 5 predefined network architecture. The result, the
method used can increase the speed and accuracy result.

Keywords : Neural Network, Backpropagation, Prediction, Fletcher Reeves.

x

Universitas Sumatera Utara

xi

DAFTAR ISI

Hal

PERSETUJUAN ..............................................................................................

ii

PERNYATAAN ............................................................................................... iii
PERNYATAAN PERSETUJUAN PUBLIKASI ............................................

iv

RIWAYAT HIDUP..........................................................................................

vi

UCAPAN TERIMAKASIH............................................................................. vii
ABSTRAK .......................................................................................................

ix

ABSTRACT .....................................................................................................

x

DAFTAR ISI ....................................................................................................

xi

DAFTAR TABEL ............................................................................................ xiv
DAFTAR GAMBAR ....................................................................................... xvi
BAB 1

BAB 2

PENDAHULUAN ........................................................................

1

1.1. Latar Belakang......................................................................

1

1.2. Rumusan Masalah.................................................................

4

1.3. Tujuan Penelitian ..................................................................

4

1.4. Batasan Atau Ruang Lingkup Penelitian ...............................

4

1.5. Manfaat Penelitian ................................................................

4

TINJAUAN PUSTAKA...............................................................

5

2.1. Analisis.................................................................................

5

2.2. Kecerdasan Buatan (Artificial Intelligence) ...........................

5

2.3. Backpropagation ...................................................................

5

2.3.1. Arsitektur Backpropagation .......................................

6

2.3.2. Jaringan Saraf Backpropagation ................................

7

xi

Universitas Sumatera Utara

xii

2.3.3. Fungsi Aktivasi Pada JST ..........................................

7

2.3.4. Mengevaluasi Kinerja Model..................................... 10
2.4. Conjugate Gradient ............................................................... 12
2.5. Indeks Harga Konsumen ....................................................... 13
2.6. Prediksi (Peramalan) ............................................................. 14

BAB 3

METODOLOGI PENELITIAN ................................................. 15
3.1. Pendahuluan ......................................................................... 15
3.2. Kerangka Kerja Penelitian .................................................... 15
3.3. Teknik Proses Pelatihan Dan Pengujian ................................ 19
3.4. Tempat Penelitian ................................................................. 19
3.5. Alat Dan Bahan .................................................................... 19
3.6. Tahap Pengambilan Data ...................................................... 20
3.7. Data Yang Digunakan ........................................................... 20
3.7.1. Arsitektur Jaringan ................................................... 22
3.7.2. Proses Normalisasi ................................................... 23
3.7.3. Pengolahan Data (Normalisasi) ................................. 24
3.7.4. Pelatihan Jaringan ..................................................... 35
3.7.5. Proses Testing (Pengujian) ........................................ 36

BAB 4

ANALISIS DAN HASIL PENELITIAN .................................... 39
4.1. Pendahuluan ......................................................................... 39
4.2. Analisis Penelitian ................................................................ 41
4.3. Hasil Penelitian ..................................................................... 42
4.3.1. Pelatihan Dan Pengujian Arsitektur 12-6-1 ............... 42
4.3.2. Pelatihan Dan Pengujian Arsitektur 12-15-1 ............. 44
4.3.3. Pelatihan Dan Pengujian Arsitektur 12-24-1 ............. 46
4.3.4. Pelatihan Dan Pengujian Arsitektur 12-33-1 ............. 48
4.3.5. Pelatihan Dan Pengujian Arsitektur 12-34-1 ............. 50
4.4. Optimasi Backpropagation Dengan Fletcher Reeves ............. 52
4.4.1. Optimasi Arsitektur 12-6-1 ....................................... 53
4.4.2. Optimasi Arsitektur 12-15-1 ..................................... 55

xii

Universitas Sumatera Utara

xiii

4.4.3. Optimasi Arsitektur 12-24-1 ..................................... 58
4.4.4. Optimasi Arsitektur 12-33-1 ..................................... 59
4.4.5. Optimasi Arsitektur 12-34-1 ..................................... 61
4.4.6. Hasil Pengujian Iterasi .............................................. 63
4.4.7. Hasil Pengujian Tingkat Akurasi Pelatihan ............... 64
4.4.8. Hasil Pengujian Akurasi Tingkat Testing .................. 64
4.5. Hasil Pembahasan ................................................................. 64

BAB 5

KESIMPULAN DAN SARAN .................................................... 66
5.1. Kesimpulan........................................................................... 66
5.2. Saran .................................................................................... 66

DAFTAR PUSTAKA....................................................................................... 67

xiii

Universitas Sumatera Utara

xiv

DAFTAR TABEL
Hal
TABEL 1.1. Kelompok Pengeluaran Indeks Harga Konsumen ........................

2

TABEL 1.2. Subkelompok dari Sektor Indeks Harga Konsumen .....................

2

TABEL 3.1. Indeks Harga Konsumen Bulan Agustus Tahun 2016 .................. 20
TABEL 3.2. Indeks Harga Konsumen Tahun 2014 .......................................... 21
TABEL 3.3. Indeks Harga Konsumen Tahun 2015 .......................................... 21
TABEL 3.4. Indeks Harga Konsumen Tahun 2016 .......................................... 21
TABEL 3.5. Data Input Yang Digunakan ........................................................ 21
TABEL 3.6. Data Awal Pelatihan Tahun 2014-2015 Dengan Menggunakan Rotasi Putar .......................................................................... 25
TABEL 3.7. Hasil Normalisasi Data Pelatihan Tahun 2014-2015 .................... 26
TABEL 3.8. Data Awal Pengujian Tahun 2015-2016 Dengan Menggunakan Rotasi Putar ........................................................................ 27
TABEL 3.9. Hasil Normalisasi Data Pengujian Tahun 2015-2016 ................... 28
TABEL 3.10. Bobot Dari Layar Masukan Ke Layar Tersembunyi = Vji ....... 29
TABEL 3.11. Bobot Dari Layar Masukan Ke Layar Tersembunyi = Wkj ...... 29
TABEL 3.12. Suku Perubahan Bobot Ke Unit Tersembunyi ............................. 34
TABEL 3.13. Perubahan Bobot Unit Keluaran .................................................. 35
TABEL 3.14. Perubahan Bobot Tersembunyi ................................................... 35
TABEL 4.1. Arsitektur JST Backpropagation Standar ..................................... 41
TABEL 4.2. Akurasi Data Pelatihan Arsitektur 12-6-1 .................................... 43
TABEL 4.3. Akurasi Data Pengujian Arsitektur 12-6-1 ................................... 44
TABEL 4.4. Akurasi Data Pelatihan Arsitektur 12-15-1 .................................. 46
TABEL 4.5. Akurasi Data Pengujian Arsitektur 12-15-1 ................................. 46
TABEL 4.6. Akurasi Data Pelatihan Arsitektur 12-24-1 .................................. 48
TABEL 4.7. Akurasi Data Pengujian Arsitektur 12-24-1 ................................. 48
TABEL 4.8. Akurasi Data Pelatihan Arsitektur 12-33-1 .................................. 50
TABEL 4.9. Akurasi Data Pengujian Arsitektur 12-33-1 ................................. 50
TABEL 4.10. Akurasi Data Pelatihan Arsitektur 12-34-1 .................................. 52
TABEL 4.11. Akurasi Data Pengujian Arsitektur 12-34-1 ................................. 52

xiv

Universitas Sumatera Utara

xv

TABEL 4.12. Akurasi Data Pelatihan Arsitektur 12-6-1 Dengan Fletcher
Reeves ........................................................................................ 54
TABEL 4.13. Akurasi Data Pengujian Arsitektur 12-6-1 Dengan Fletcher
Reeves ........................................................................................ 54
TABEL 4.14. Akurasi Data Pelatihan Arsitektur 12-15-1 Dengan Fletcher
Reeves ........................................................................................ 56
TABEL 4.15. Akurasi Data Pengujian Arsitektur 12-15-1 Dengan Fletcher
Reeves ........................................................................................ 57
TABEL 4.16. Akurasi Data Pelatihan Arsitektur 12-24-1 Dengan Fletcher
Reeves ........................................................................................ 58
TABEL 4.17. Akurasi Data Pengujian Arsitektur 12-24-1 Dengan Fletcher
Reeves ........................................................................................ 59
TABEL 4.18. Akurasi Data Pelatihan Arsitektur 12-33-1 Dengan Fletcher
Reeves ........................................................................................ 60
TABEL 4.19. Akurasi Data Pengujian Arsitektur 12-33-1 Dengan Fletcher
Reeves ........................................................................................ 61
TABEL 4.20. Akurasi Data Pelatihan Arsitektur 12-34-1 Dengan Fletcher
Reeves ........................................................................................ 59
TABEL 4.21. Akurasi Data Pelatihan Arsitektur 12-34-1 Dengan Fletcher
Reeves ........................................................................................ 63

xv

Universitas Sumatera Utara

xvi

DAFTAR GAMBAR

Hal
GAMBAR 2.1. Jaringan Saraf Tiruan Backpropagation ..................................

6

GAMBAR 2.2. Fungsi aktivasi : Undak Biner (Hard Limit) ............................

7

GAMBAR 2.3. Fungsi aktivasi : Undak Biner (Threshold)..............................

8

GAMBAR 2.4. Fungsi aktivasi : Fungsi Bipolar (Symetric Hard Limit) ..........

8

GAMBAR 2.5. Fungsi aktivasi : Fungsi Bipolar (Threshold) ..........................

8

GAMBAR 2.6. Fungsi aktivasi : Fungsi Linear (Identitas) ..............................

8

GAMBAR 2.7. Fungsi aktivasi : Fungsi Saturating Linear ..............................

9

GAMBAR 2.8. Fungsi aktivasi : Fungsi Symetric Saturating Linear ...............

9

GAMBAR 2.9. Fungsi aktivasi : Fungsi Sigmoid Biner .................................. 10
GAMBAR 2.10. Fungsi aktivasi : Fungsi Sigmoid Bipolar ............................... 10
GAMBAR 3.1. Kerangka Kerja Penelitian ...................................................... 16
GAMBAR 3.2. Proses Pelatihan dan Pengujian Menggunakan BP dan CGFR

19

GAMBAR 3.3. Arsitektur JST Indeks Harga Konsumen (IHK) ....................... 22
GAMBAR 4.1. Pelatihan Menggunakan Arsitektur 12-6-1 .............................. 42
GAMBAR 4.2. Performance Pelatihan Menggunakan Arsitektur 12-6-1 ......... 43
GAMBAR 4.3. Pelatihan Menggunakan Arsitektur 12-15-1 ............................ 45
GAMBAR 4.4. Performance Pelatihan Menggunakan Arsitektur 12-15-1 ....... 45
GAMBAR 4.5. Pelatihan Menggunakan Arsitektur 12-24-1 ............................ 47
GAMBAR 4.6. Performance Pelatihan Menggunakan Arsitektur 12-24-1 ....... 47
GAMBAR 4.7. Pelatihan Menggunakan Arsitektur 12-33-1 ............................ 49
GAMBAR 4.8. Performance Pelatihan Menggunakan Arsitektur 12-33-1 ....... 49
GAMBAR 4.9. Pelatihan Menggunakan Arsitektur 12-34-1 ............................ 51
GAMBAR 4.10. Performance Pelatihan Menggunakan Arsitektur 12-34-1 ....... 51
GAMBAR 4.11. Optimasi Pelatihan Menggunakan Arsitektur 12-6-1 ............... 53
GAMBAR 4.12. Optimasi Pelatihan Menggunakan Arsitektur 12-15-1 ............. 56
GAMBAR 4.13. Optimasi Pelatihan Menggunakan Arsitektur 12-24-1 ............. 58
GAMBAR 4.14. Optimasi Pelatihan Menggunakan Arsitektur 12-33-1 ............. 60
GAMBAR 4.15. Optimasi Pelatihan Menggunakan Arsitektur 12-34-1 ............. 62
xvi

Universitas Sumatera Utara

xvii

GAMBAR 4.16. Grafik Iterasi BP Standard Dan BP + CGFR ........................... 63
GAMBAR 4.17. Grafik Akurasi Pelatihan BP Standard Dan BP + CGFR .......... 64
GAMBAR 4.18. Grafik Iterasi Pengujian BP Standard Dan BP + CGFR ........... 64

xvii

Universitas Sumatera Utara