22
Dari hasil training, diperoleh beberapa kemungkinan nilai bias input, bobot input, bias output, dan bobot output. Data pembobot disimpan dalam file weight.txt. Salah satu contoh data pembobot
ANN terlihat pada Lampiran 10. Nilai error data training sampai 200000 iterasi untuk A1 sebesar 5.678, A2 sebesar 1.987, B1 sebesar 4.146, B2 sebesar 3.596, C1 sebesar 2.496, dan C2
sebesar 2.988.
4.5 Validasi
4.5.1 Pendugaan Terkoreksi Tiap Jam
Validasi merupakan pengujian kinerja ANN terhadap contoh data yang belum pernah diberikan pada saat training. Setelah proses training selesai dilakukan, selanjutnya dilakukan proses validasi
dengan memasukkan data-data waktu, suhu lingkungan, kelembaban, kecepatan angin, intensitas cahaya, suhu air saat t, untuk menduga suhu air saat t+1 berdasarkan data-data bobot yang dihasilkan
selama proses training. Contoh data yang digunakan pada saat validasi adalah data-data yang tidak termasuk set data pada proses training. Set data tersebut disusun sedemikian rupa agar program
Backpropagation Neural network
dapat mengenali set data validasi ANN tersebut dengan benar. Set data validasi ANN disimpan dengan nama A1.txt, A2.txt, B1.txt, B2.txt, C1.txt, dan C2.txt.
Pendugaan terkoreksi tiap jam yaitu tahap validasi dimana data input yang dilakukan pada proses validasi adalah data real yang diambil dilapangan. Set data dan hasil validasi dapat dilihat pada
Lampiran 11,12,13,14, 15, dan 16. Hubungan antara hasil pengamatan dan pendugaan ANN terhadap output
suhu air dengan menggunakan data validasi tertera pada Gambar 16. Jika dilihat antara hasil pengamatan dan pendugaan ANN terhadap suhu air menghasilkan nilai
koefisien determinasi R
2
A1 sebesar 79.04, R
2
A2 sebesar 92.79, R
2
B1 sebesar 91.29, R
2
B2 sebesar 90.71, R
2
C1 sebesar 86.50, dan R
2
C2 sebesar 84.16. Dari nilai R
2
yang diperoleh maka sistem ANN untuk semua data telah dilatih dengan baik karena kemampuan variable bebas x
dalam menjelaskan varians dari variable terikatnya y lebih dari 50. Kurva perbandingan antara hasil validasi dan pengamatan dapat dilihat pada Gambar 17.
Dari grafik hubungan antara hasil pengamatan dan pendugaan ANN pada kolam A1, A2, B1, B2, C1 dan C2 hasil duga ANN dapat dikatakan cukup baik, akan tetapi perlu diperhatikan seberapa
besar perbedaan suhu yang ditunjukkan. Hal ini sangat berpengaruh terhadap kelangsungan hidup ikan jika perbedaan data yang diperoleh lebih dari 2
o
C. Seperti yang ditampilkan pada Tabel 6 meskipun persentase error tidak lebih dari 10, namun maksimum error pendugaan antara data pengamatan dan
data pendugaan untuk kolam A1, B1, C1, dan C2 bernilai lebih dari 2
o
C sehingga dapat dikatakan proses training kurang akurat.
Tabel 6. Nilai error rata-rata dan error maksimum hasil perhitungan data terkoreksi
Kolam Rata-rata
o
C Maksimum
o
C Error
Tpengamatan- Tduga
Tpengamatan- Tduga
A1 0.834
3.554 8.879
A2 0.388
1.25 7.465
B1 0.56
2.267 8.433
B2 0.39
1.263 6.738
C1 0.857
2.201 5.353
C2 0.621
2.406 8.076
23
Gambar 16. Grafik perbandingan suhu duga dan suhu pengamatan terkoreksi 25
27 29
31 33
35 37
39
7 12 17 22 3 8 13 18 23 4 S
u h
u
o
C
Waktu WIB
A1
T duga T real
25 27
29 31
33 35
37
7 12 17 22 3 8 13 18 23 4 S
u h
u
o
C
Waktu WIB
A2
T duga T real
25 27
29 31
33 35
37
7 12 17 22 3 8 13 18 23 4 S
u h
u
o
C
Waktu WIB
B1
T duga T real
25 27
29 31
33 35
7 12 17 22 3 8 13 18 23 4 S
u h
u
o
C
Waktu WIB
B2
T duga T real
25 27
29 31
33 35
37
7 12 17 22 3 8 13 18 23 4 S
u h
u
o
C
Waktu WIB
C1
T duga T real
25 27
29 31
33 35
7 12 17 22 3 8 13 18 23 4 S
u h
u
o
C
Waktu WIB
C2
T duga T real
Keterangan : A1 : Kolam berpenutup plastik bening dengan ketinggian air 15 cm
B1 : Kolam berpenutup plastik biru dengan ketinggian air 15 cm C1 : Kolam tanpa penutup dengan ketinggian air 15 cm
A2 : Kolam berpenutup plastik bening dengan ketinggian air 35 cm B2 : Kolam berpenutup plastik biru dengan ketinggian air 35 cm
C2 : Kolam tanpa penutup plastik dengan ketinggian air 35 cm
24
Gambar 17. Kurva nilai koefisien determinasi hasil validasi terkoreksi terhadap suhu pengamatan 25
27 29
31 33
35 37
39
25 27
29 31
33 35
37 39
T d
u g
a
o
C
T real
o
C
A1
25 27
29 31
33 35
37 39
25 27
29 31
33 35
37 39
T d
u g
a
o
C
T real
o
C
A2
25 27
29 31
33 35
37 39
25 27
29 31
33 35
37 39
T d
u g
a
o
C
T real
o
C
B1
25 27
29 31
33 35
37 39
25 27
29 31
33 35
37 39
T d
u g
a
o
C
T real
o
C
B2
25 27
29 31
33 35
37 39
25 27
29 31
33 35
37 39
T d
u g
a
o
C
T real
o
C
C1
25 27
29 31
33 35
37 39
25 27
29 31
33 35
37 39
T d
u g
a
o
C
T real
o
C
C2
R
2
=0.7904 R
2
=0.9279
R
2
=0.9129 R
2
=0.9071
R
2
=0.8650 R
2
=0.8416
25
4.5.2 Pendugaan Tanpa Koreksi