BAB 3
ANALISIS DAN PERANCANGAN SISTEM
Bab ini akan membahas analisis metode Weighted Evolving Fuzzy Neural Network pada sistem dan membahas tahap-tahap yang akan dilakukan dalam perancangan
sistem yang akan dibangun
3.1 Data yang akan digunakan
Data yang digunakan pada penelitian ini adalah data history Tinggi Permukaan Air pada Wilayah Daerah Aliran Sungai DAS Asam Kumbang Belawan kabupaten Deli
Serdang yang bersumber dari Direktorat Jendral Sumber Daya Air Balai Wilayah Sungai Sumatera II mulai dari tanggal 21 Januari 2002 s.d 31 Desember 2012 seluruh
data berjumlah 4018 data yang dirangkum pada Table 3.1
Tabel 3.1 Rangkuman Data Permukaan Air pada wilayah DAS Asam Kumbang Belawan
No Tanggal
Data Tinggi Permukaan Air
1 1 Januari 2002
0.42
2
2 Januari 2002 0.36
3 3 Januari 2002
0.56
4 4 Januari 2002
0.44
5
5 Januari 2002 0.39
6 6 Januari 2002
0.36
7 7 Januari 2002
0.35
Universitas Sumatera Utara
22
Tabel 3.1 Rangkuman Data Permukaan Air pada wilayah DAS Asam Kumbang Belawan lanjutan
No Tanggal
Tinggi Permukaan Air 8
8 Januari 2002 0.39
9 9 Januari 2002
0.38
10
10 Januari 2002 0.43
. .
. .
. .
. .
.
4015
28 Desember 2012 0.47
4016 29 Desember 2012
0.40
4017 30 Desember 2012
0.52
4018
31 Desember 2012 0.66
Untuk pemodelan data pada tabel 3.1 dalam bentuk grafik dapat dilihat pada gambar 3.1
Gambar 3.1 Grafik Tinggi Permukaan Air
3.2 Metode Penelitian
Metode penelitian ini terdapat data training dan data testing dapat dilihat pada gambar 3.2 dan 3.3
0.00 0.50
1.00 1.50
2.00 2.50
2002 2003
2004 2005
2006 2007
2008 2009
2010 2011
2012
T in
g g
i P
e rm
u k
a a
n AI
r
tahun
tinggi permukaan air
Meter m
Universitas Sumatera Utara
23
Gambar 3.2 Flowchart data training
Pada gambar 3.2, cara kerja data Training yang akan dibangun yaitu : 1.
Ambil data tinggi permukaan air sesuai dengan tanggal awal dan tanggal akhir yang ingin ditraining
Mulai Ambil data Training
Tinggi Permukaan air Normalisasi data
Fungsi keanggotaan segitiga Tentukan Nilai Bobot 1 dan Bobot 2
Data Training = n
Tambah rule node baru
Hitung Nilai fuzzy Distance function Hitung Nilai Aktivasi
A
max Thres
Melakukan Propagasi terhadap nilai Aktivasi
Hitung besar Error
Err error1
Ubah Nilai bobot 1 dan bobot 2
F
T
T F
T
Data tinggi permukaan air
F
Selesai
Universitas Sumatera Utara
24 2.
Melakukan Normalisasi data yang akan digunakan dan diubah pada rentang 0 ≤ x ≤ 1
y = 0.8x - a b - a+0.1 3.1
keterangan : y : Nilai Normalisasi
x : Nilai data Tinggi Permukaan Air a : Nilai Minimum dari data Tinggi Permukaan Air
b : Nilai Maximum dari data Tinggi Permukaan Air
3. Menentukan nilai Fungsi Keanggotaan Segitiga Triangle Membership Function
terhadapat data yang telah dinormalisasikan dengan persamaan 2.3 4.
Tentukan rule node pertama untuk data pertama dan mengisi nilai bobot 1 dan bobot 2
5. Hitung nilai Fuzzy Distance Function
dengan persamaan 2.9 6.
Hitung nilai aktivasi dari hasil perhitungan Fuzzy Distance Function dengan persamaan 2.10
7. Cari Nilai aktivasi tertinggi
8. Cek nilai A
i
lebih besar dari Sensitive Threshold sThr, jika tidak maka rule node akan ditambah 1 dan kembali ke langkah 6
9. Lakukan propagasi terhadap nilai aktivasi dengan persamaan 2.11
10. Hitung nilai besar Error dengan persamaan 2.12
11. Cek Err
i
lebih kecil dari error Threshold eThr , jika Tidak maka rule node akan ditambah 1 dan kembali ke langkah 6
12. Ubah bobot 1 dan bobot 2
Untuk flowchart data testing dapat dilihat pada gambar 3.3
Universitas Sumatera Utara
25
Gambar 3.3 Flowchart data Testing
Pada gambar 3.3, cara kerja data Testing yang akan dibangun yaitu : 1.
Input Nilai Parameter Sesnsitive Threshold sThr, Error Threshold eThr, Learning rate 1 lr1, learning rate 2 lr2, tanggal awal, tanggal Akhir dan Input N
hari.
Mulai
Ambil data Testing Tinggi Permukaan air
Normalisasi data Fungsi keanggotaan segitiga
Tentukan Nilai Bobot 1 dan Bobot 2
Data Testing = n
Hitung Nilai fuzzy Distance function Hitung Nilai Aktivasi Maksimum
rNodeTes rNode
F
T
Data tinggi permukaan air
Selesai Hitung MAPE
Hitung Nilai Denormalisasi Nilai Data Testing
F
T
Input Parameter :Thres, error1, rate1, Rate 2, tglawal,
tglakhir dan Input N hari
Universitas Sumatera Utara
26 2.
Ambil data tinggi permukaan air sesuai dengan tanggal awal dan tanggal akhir yang ingin ditesting
3. Melakukan Normalisasi data yang akan digunakan dan diubah pada rentang 0 ≤ x ≤
1 dengan persamaan 2.17
4. Menentukan nilai Fungsi Keanggotaan Segitiga Triangle Membership Function
terhadapat data yang telah dinormalisasikan dengan persamaan 2.3 5.
Tentukan rule node pertama untuk data pertama dan mengisi nilai bobot 1 dan bobot 2
6. Hitung nilai Fuzzy Distance Function
dengan persamaan 2.9 7.
Hitung nilai aktivasi dari hasil perhitungan Fuzzy Distance Function dengan persamaan 2.10
8. Cari Nilai aktivasi tertinggi
9. Cek jika nilai rule node Testing lebih kecil dari rule node training, jika tidak maka
kembali ke langkah 6. 10.
Melakukan denormalisasi dari hasil data testing untuk menghasilkan nilai sebenarnya.
x = y – 0.1 b - a + 0.8a 0.8
3.2
keterangan : x = nilai denormalisasi
y = nilai hasil prediksi b = nilai maximum dari data tinggi permukaan air
a = nilai minimum dari data tinggi permukaan air
11. Hitung tingkat kesalahan pada hasil prediksi dengan mengunakan MAPE
Mean Absolute Percentage Error
Universitas Sumatera Utara
27
∑
x 100 3.3
Keterangan : a = data aktual
b = data prediksi n = banyak data testing
3.3 Perancangan sistem
