Implementasi Jaringan Syaraf Tiruan dengan Algoritma Propagasi Balik untuk Memprediksi Ketinggian Air di Suatu Daerah Aliran Sungai

Abstract

Prediction of water level is usually performed using conventional methods by using statistical methods. However, conventional method is actually not well suited for observations on dynamical system, such as on water level prediction system. But fortunately, by using technology in the field of artificial intelligence, namely artificial neural network technology, the data pattern identification of water level prediction system can be done through the method of learning or training approaches. Based on its learning ability, neural networks can be trained to study and analyze patterns of past data and to find a function that will link the pattern of past data with the desired output. This study is aimed to implement the back propagation neural networks in predicting the water levels in a watershed and to determine the level of accuracy of predictions generated. The design of water level prediction model using artificial neural networks in scientific work is done by software MATLAB R2010b. In this work, optimization is given to the parameter of artificial neural networks, such as data sharing between training and testing data, the learning rate, momentum, number of hidden neurons, and also the maximum error tolerance of the iteration. This optimization is done in order to obtain the optimal neural network system and to achieve a good level of prediction accuracy. Some numerical experiments are carried out on the neural network with back propagation learning algorithm and a network architecture with an input layer of two neurons, one hidden layer, and an output layer of one neuron. From the experimental results conducted in this study, it can be concluded that the neural network with the appropriate parameters are successfully implemented to predict the water levels in the Ciliwung - Bogor watershed. The results of the model is also found to have a good level of accuracy.

Prediksi ketinggian air selama ini dilakukan dengan menggunakan metode konvensional dengan menggunakan metode-metode statistika. Akan tetapi, akan muncul suatu masalah apabila pengamatan dilakukan pada sistem dinamis, seperti halnya pada sistem prediksi ketinggian air. Dengan menggunakan teknologi di bidang kecerdasan buatan, yaitu teknologi jaringan syaraf tiruan, maka identifikasi pola data dari sistem prediksi ketinggian air dapat dilakukan melalui metode pendekatan pembelajaran atau pelatihan. Berdasarkan kemampuan belajar yang dimilikinya, jaringan syaraf tiruan dapat dilatih untuk mempelajari dan menganalisa pola data masa lalu dan berusaha mencari suatu fungsi yang akan menghubungkan pola data masa lalu dengan keluaran yang diinginkan. Penelitian ini bertujuan untuk mengimplementasikan jaringan syaraf tiruan propagasi balik dalam memprediksi besarnya ketinggian air di suatu daerah aliran sungai dan untuk mengetahui besarnya tingkat keakuratan prediksi yang dihasilkan. Perancangan model prediksi ketinggian air menggunakan jaringan syaraf tiruan dalam karya ilmiah ini dilakukan dengan software MATLAB R2010b. Pada karya ilmiah ini dilakukan optimisasi pada parameter-parameter jaringan syaraf tiruan seperti pembagian data antara data pelatihan dan pengujian, laju pembelajaran, momentum, banyaknya neuron tersembunyi, toleransi galat dan juga maksimum iterasi. Hal ini dilakukan agar mendapatkan sistem jaringan syaraf tiruan yang optimal dan memiliki tingkat keakuratan prediksi yang baik. Dari hasil percobaan yang dilakukan dalam penelitian ini dapat disimpulkan bahwa jaringan syaraf tiruan dengan algoritma pembelajaran propagasi balik dan arsitektur jaringan dengan 1 lapisan masukan dengan 2 neuron, 1 lapisan tersembunyi, dan 1 lapisan keluaran dengan 1 neuron, dengan parameter-parameter yang sesuai berhasil diimplementasikan untuk memprediksi besarnya ketinggian air di daerah aliran sungai Ciliwung - Bogor. Hasil model memiliki tingkat keakuratan yang baik dalam prediksi.