Perbandingan Pemodelan JST dan SVR 60.00 100.00 Implementasi Model Prediksi pada Data Wilayah

LAMPIRAN Lampiran 1 Algoritma Pembelajaran JST Backpropagation Laruene 1993 Langkah 0 Inisialisasi bobot biasanya diisi dengan nilai acak yang kecil Langkah 1 Selama kondisi penghentian belum tercapai, kerjakan langkah-langkah 2 sd 9 Langkah 2 Untuk setiap pasangan pelatihan masukan dan target keluaran, kerjakan langkah 3 sd 8 Perambatan Maju Langkah 3 Masing-masing unit input X i , I = 1, …, N menerima sinyal masukan x i dan meneruskan sinyal ini ke selurh unit pada lapisan berikutnya unit tersembunyi. Langkah 4 Masing-masing unit tersembunyi Z j , j = 1, …, p menjumlahkan sinyal masukannya yang sudah terboboti, ∑ = + = N i ij i j j v x v in z 1 _ , dan menerapkan fungsi aktivasinya untuk menghitung sinyal keluarannya : _ j j in z f z = , dan mengirimkan sinyal ini ke seluruh unit pada lapisan berikutnya unit output Langkah 5 Masing-masing unit output Y k , k = 1, …, M menjumlahkan sinyal masukannya yang sudah terboboti, ∑ = + = p j jk j k k w z w in y 1 _ dan menerapkan fungsi aktivasinya untuk menghitung sinyal keluarannya : _ k k in y f y = Propagagasi Balik Langkah 6 Masing-masing unit output Y k , k = 1, …, M menerima pola target yang sesuai dengan pola masukan pelatihan, menghintung informasi kesalahan delta input sebagai berikut : _ k k k k in y f y t − = δ 1.1 kemudian menghitung 45ector koreksi bobot dan bias yang nantinya untuk memperbaharui bobot w jk dan bias w 0k j k jk z w αδ = ∆ , 1.2 k k w αδ = ∆ , 1.3 dan mengirimkan δ k ke unit-unit pada lapisan sebelumnya unit tersembunyi. Langkah 7 Masing-masing unit tersembunyi Z j , j = 1, …, p menjumlahkan informasi kesalahan delta input dari lapisan output sebagai berikut : ∑ = = m k jk k j w in 1 _ δ δ , 1.4 mengalikannya dengan turunan dari fungsi aktivasinya untuk menghitung informs kesalahan berikut : _ _ j j j in z f in δ δ = , 1.5 kemudian menghitung 46ector koreksi bobot dan bias yang nantinya untuk memperbaharui bobot v ij dan bias v 0j i j ij z v αδ = ∆ , 1.6 j j w αδ = ∆ . 1.7 Update Bobot dan Bias Langkah 8 Masing-masing unit output Y k , k = 1, …, m memperbaharui bobot dan biasnya : jk jk jk w lama w baru w ∆ + = 1.8 j = 0,1, …, p Masing-masing unit tersembunyi Z j , j = 1, …, p memperbaharui bobot dan biasnya : ij ij ij v lama v baru v ∆ + = 1.9 I = 0,1, …, n Langkah 9 Memeriksa Kondisi Penghentian Proses pelatihan dihentikan apabila telah tercapai kondisi penghentian, misalnya sebagai berikut : - Perulangan pelatihan telah mencapai batas maksimal yang ditetapkan epoch - Kinerja jaringan sudah mencapai target yang ditentukan misal total kuadrat kesalahan MSE, ∑ = − m k k k y t 1 2 , lebih kecil dari toleransi yang ditentukan, atau - Waktu pelatihan melampaui batas waktu yang ditentukan Lampiran 2 Tabel Korelasi antara Total Hujan Musim Hujan dengan nilai Awal Musim Hujan, Panjang Musim Hujan, dan SOI Bulanan AMH PMH SOI Bulan Agu Sep Okt Nop Des Jan Feb Mar Apr Mei Jun Jul THMH -0. 46 0.73 0.52 0.45 0.46 0.45 0.30 0.35 0.54 0.35 0.15 -0.15 0.03 -0.29 AMH -0.68 -0.49 -0.43 -0.43 -0.29 -0.19 -0.34 -0.36 -0.21 -0.22 0.08 0.06 0.11 PMH 0.45 0.44 0.39 0.30 0.23 0.18 0.34 0.29 0.24 -0.02 0.12 -0.14 SOI_Agu 0.87 0.71 0.68 0.76 0.64 0.65 0.61 0.55 0.07 0.15 0.01 SOI_Sep 0.80 0.70 0.74 0.67 0.62 0.61 0.63 0.07 0.07 0.05 SOI_Okt 0.72 0.66 0.67 0.66 0.61 0.57 -0.08 -0.01 -0.09 SOI_Nop 0.75 0.71 0.78 0.71 0.65 0.06 0.07 0.03 SOI_Des 0.61 0.69 0.71 0.56 0.14 0.10 0.01 SOI_Jan 0.63 0.72 0.57 -0.07 0.13 0.05 SOI_Feb 0.62 0.45 -0.08 -0.11 -0.10 SOI_Mar 0.70 0.15 0.24 0.12 SOI_Apr 0.41 0.36 0.39 SOI_Mei 0.53 0.61 SOI_Jun 0.71 Lampiran 3 Dataset Rata-Rata Lima Wilayah No Periode Total Hujan pada Musim Hujan mm Panjang Musim Hujan Dasarian Awal Musim Hujan Dasarian SOI Agustus SOI Oktober SOI Feburari 1 1966 1471.00 14.00 30.00 4.5 -2.2 12.6 2 1967 1171.00 16.00 31.00 5.7 -0.3 9.1 3 1968 1447.50 18.00 31.00 0.3 -1.6 -7.6 4 1969 895.00 12.00 36.50 -4 -11.6 -12.1 5 1970 1138.50 12.67 35.33 3.9 11 15.5 6 1971 1750.11 14.75 32.75 14.2 18.6 7.2 7 1972 848.00 11.75 33.75 -8.2 -11 -15 8 1973 1246.29 13.25 33.00 11.8 10.4 16 9 1974 1239.38 17.00 29.25 6.3 9.2 4.7 10 1975 1519.75 15.00 31.75 19.7 18.6 12.6 11 1976 1454.21 13.25 32.50 -11.3 3.5 8.6 12 1977 1089.54 12.25 33.75 -11.3 -12.9 -26.9 13 1978 861.02 11.40 35.40 2.1 -5.3 6.2 14 1979 870.72 10.20 34.00 -4.6 -2.2 0.3 15 1980 1260.67 12.40 32.40 1.5 -0.9 -4.2 16 1981 1098.48 12.60 31.80 5.1 -5.3 -0.2 17 1982 824.15 9.40 36.20 -22.2 -20.5 -35.7 18 1983 1274.92 15.60 33.20 0.9 4.7 5.2 19 1984 742.92 12.20 32.60 2.1 -4.7 6.2 20 1985 832.30 12.60 32.20 8.2 -5.3 -12.1 21 1986 819.20 12.00 31.80 -7 6.6 -14 22 1987 699.67 10.00 33.40 -13.1 -5.3 -6.2 23 1988 1411.90 14.80 32.00 14.2 15.5 8.5 24 1989 782.00 13.00 33.00 -5.6 7.8 -18.4 25 1990 912.10 12.00 34.60 -4.4 -1.2 -0.2 26 1991 961.55 13.60 32.20 -6.8 -13.5 -10.3 27 1992 1182.52 12.80 33.20 0.8 -18 -8.7 28 1993 1138.60 14.40 32.80 -13 -13 0.3 29 1994 1109.27 12.00 35.00 -15.7 -13.5 -3.3 30 1995 1257.33 13.60 31.80 1.2 -0.6 0.6 31 1996 1091.04 12.25 31.00 4.8 5.2 14 32 1997 702.67 11.25 34.75 -18 -16.7 -22.2 33 1998 998.98 13.00 30.20 9.7 11.2 7.1 34 1999 1000.20 13.80 31.20 3.3 9.5 13 35 2000 1297.38 14.20 32.20 4.5 11.6 12 36 2001 1482.27 16.00 31.00 -8.3 -3 7.1 37 2002 463.23 8.33 35.00 -14.3 -7.6 -9.3 38 2003 981.29 11.80 33.40 -1.2 -2.9 9 39 2004 653.38 10.50 34.00 -6.7 -3 -29.5 40 2005 1004.00 14.50 33.25 -6.5 11.5 -0.6 41 2007 1145.59 9.75 36.25 1.8 6.1 21 42 2008 951.25 11.25 32.00 8 14.2 15.2 43 2009 814.00 11.75 34.25 -3.9 -14.9 -18.2 Minimum 463.23 8.33 29.25 -22.20 -20.50 -35.70 Maksimum 1750.11 18.00 36.50 19.70 18.60 21.00 Rata-rata 1067.32 12.86 32.95 -1.20 -0.51 -0.99