Download - Penelitian rev 1
Rumpun Ilmu : Teknik Informatika
Tema Unggulan : Artificial Intelegence
PROPOSAL
PENELITIAN HIBAH INTERNAL
PREDIKSI JUMLAH PENUMPANG PESAWAT UDARA
MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE
BACKPROPAGATION DI BANDAR UDARA HANG NADIM BATAM
TIM PENGUSUL
1. Joni Eka Candra, S.T., M.T.
2. Sunarsan Sitohang, S.kom.
3. Alpin Salamena
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS PUTERA BATAM
2015
HALAMAN PENGESAHANPROPOSAL PEN ELITIAN HIBAH INTERNAL
Rumpun Ilmu : Teknik InformatikaTema Unggulan : Artificial IntelegenceJudul Penelitian : Prediksi Jumlah Penumpang Pesawat Udara
Menggunakan Jaringan Syaraf Tiruan Metode Back Propagation Di Bandar Udara Hang Nadim Batam
Ketua Penelitia. Nama Lengkap : Joni Eka Candra, S.T., M.T.b. NIDN : 1025068201c. Jabatan Fungsional : -d. Program Studi : Teknik Informatikae. Nomor HP : 085655567040f. Alamat Surel (e-mail) : [email protected]
Anggota Peneliti (1)a. Nama Lengkap : Sunarsan Sitohangb. NIDN : -c. Perguruan Tinggi : Universitas Putera Batam
Anggota Peneliti (2)a. Nama Lengkap : Alpin Salamenab. NPM : 130210058c. Perguruan Tinggi : Universitas Putera Batam
Biaya Penelitian : Rp. 13.000.000.-
Batam, 10 Juni 2015MengetahuiKetua Program Studi Ketua Tim Pengusul
Realize, S.Kom., M.SI Joni Eka Candra, ST.,MT.NIDN. 1011057701 NIDN. 1025068201
MenyetujuiKepala Lembaga Penelitian dan Pengabdian Masyarakat
Muhammad Taufik Syastra. S.Kom., M.SI.NIDN.1010048601
ii
DAFTAR ISI
HALAMAN SAMPUL..................................................................................... iHALAMAN PENGESAHAN ......................................................................... iiDAFTAR ISI .................................................................................................... iiiDAFTAR GAMBAR........................................................................................ ivDAFTAR TABEL............................................................................................ vRINGKASAN................................................................................................... vi
BAB I PENDAHULUAN ........................................................................... 11.1 Latar Belakang Masalah.................................................................... 11.2 Rumusan Masalah.............................................................................. 21.3 Batasan Masalah................................................................................ 21.4 Tujuan Penelitian............................................................................... 21.5 Luaran Penelitian............................................................................... 3
BAB II TINJAUAN PUSTAKA................................................................... 42.1 Teori .................................................................................................. 42.1.1 Model Neuron.................................................................................... 42.1.2 Arsitektur Jaringan............................................................................. 52.1.3 Arsitektur Backpropagation............................................................... 62.2 Penelitian Terdahulu.......................................................................... 102.3 Kerangka Pemikiran........................................................................... 11
BAB III METODOLOGI PENELITIAN..................................................... 123.1 Desain Penelitian............................................................................... 123.2 Variabel Penelitian............................................................................. 143.3 Teknik Pengumpulan Data................................................................ 14
BAB IV BIAYA DAN JADWAL PENELITIAN........................................ 154.2 Anggaran dan Biaya penelitian......................................................... 154.2 Jadwal Penelitian............................................................................... 15
DAFTAR PUSTAKALAMPIRAN
iii
DAFTAR GAMBAR
Gambar 2.1 Arsitektur Jaringan n Unit Input......................................................5Gambar 2.2 Jaringan Dengan n Buah Unit Inpu..................................................5Gambar 2.3 Arsitektur Backpropagation Dengan n Buah Input..........................6Gambar 2.4 Fungsi Sigmoid Biner......................................................................7Gambar 2.5 Fungsi Sigmoid Bipolar...................................................................7Gambar 2.6 Kerangka Pemikiran Jaringan Syaraf Tiruan Backpropagation.....11Gambar 3.1 Langkah-Langkah Pembuatan Aplikasi Jaringan Syaraf Tiruan.....12
iv
DAFTAR TABEL
Tabel 4.1. Anggaran Biaya...................................................................................15Tabel 4.2 Jadwal Penelitian..................................................................................15
v
RINGKASAN
Transfortasi udara merupakan alat angkutan yang mutakhir dan tercepat, banyak dampak positif dari transfortasi udara yang dapat dirasakan langsung oleh masyarakat seperti bidang perekonomian, dengan adanya transfortasi udara mengakibatkan faktor jarak dan geografis daratan bukan lagi menjadi batasan pergerakan manusia atau barang untuk pencapaian yang cepat. Kondisi ini mengakibatkan antara hubungan produksi dan konsumsi dapat dicapai lebih cepat dengan waktu yang lebih singkat. Backpropagation merupakan salah satu metode dalam jaringan syaraf tiruan yang dapat diaplikasikan dengan baik dalam bidang peramalan (forecasting). Peramalan yang sering kita dengar adalah peramalan besarnya jumlah penjualan,nilai tukar valuta asing, prediksi besarnya aliran air sungai, dan lain-lain. Sebagai contoh, dalam penjualan barang, diketahui record data penjualan produk pada beberapa bulan/tahun terakhir. Masalahnya adalah memperkirakan berapa perkiraan produk yang terjual dalam/tahun yang akan datang. Pada penelitian hibah internal ini jaringan syaraf tiruan metode back propagation diterapkan untuk memprediksi jumlah penumpang yang akan menggunakan jasa pesawat udara. Sehingga nantinya apabila pada hasil prediksi menunjukkan adanya lonjakan/kenaikan jumlah penumpang. PT Angkasa Pura dapat menghimbau pihak maskapai penerbangan yang terkait untuk menambah jumlah penerbangannya.
vi
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Di era globalisasi dan perkembangan ekonomi yang cukup pesat saat ini
harus diimbangi dengan alat transfortasi dan komunikasi yang dapat menunjang
mobilitas pelaku ekonomi yang tinggi yang menuntut layanan transfortasi dan
komunikasi yang cepat dan efisien.
Transfortasi udara merupakan alat angkutan yang mutakhir dan tercepat,
banyak dampak positif dari transfortasi udara yang dapat dirasakan langsung oleh
masyarakat seperti bidang perekonomian,dengan adanya transfortasi udara
mengakibatkan faktor jarak dan geografis daratan bukan lagi menjadi batasan
pergerakan manusia atau barang untuk pencapaian yang cepat. Kondisi ini
mengakibatkan antara hubungan produksi dan konsumsi dapat dicapai lebih cepat
dengan waktu yang lebih singkat.
Jadi transfortasi udara memberikan kontribusi paling banyak untuk
memenuhi kebutuhan masyarakat dan pemerintah dalam transfortasi jarak jauh
apalagi kalau kita melihat letak geografis negara indonesia yang dipisahkan oleh
laut yang tidak memungkinkan dilalui oleh transfortasi darat.
Backpropagation merupakan salah satu metode dalam jaringan syaraf tiruan
yang dapat diaplikasikan dengan baik dalam bidang peramalan (forecasting).
Peramalan yang sering kita dengar adalah peramalan besarnya jumlah penjualan,
nilai tukar valuta asing, prediksi besarnya aliran air sungai, dan lain-lain. Sebagai
contoh, dalam penjualan barang, diketahui record data penjualan produk pada
beberapa bulan/tahun terakhir. Masalahnya adalah memperkirakan berapa
perkiraan produk yang terjual pada tahun yang akan datang.
Dengan backpropagation, record data dipakai sebagai data pelatihan untuk
mencari bobot optimal. Untuk itu kita perlu menetapkan besarnya periode dimana
data berfluktuasi. Periode ini kita tentukan secara intuitif. Misalkan pada data
besarnya debit air sungai dengan data bulanan, periode data dapat diambil selama
satu tahun karena pergantian musim terjadi selama satu tahun.
1
Pada penelitian hibah internal ini jaringan syaraf tiruan metode back
propagation diterapkan untuk memprediksi jumlah penumpang yang akan
menggunakan jasa pesawat udara. Sehingga nantinya apabila pada hasil prediksi
menunjukkan adanya lonjakan/kenaikan jumlah penumpang. PT Angkasa Pura
dapat menghimbau pihak maskapai penerbangan yang terkait untuk menambah
jumlah penerbangannya.
1.2 Rumusan Masalah
Adapun permaslahan yang dihadapi dalam penelitian hibah internal ini
berdasarkan latar belakang masalah di atas adalah bagaimana implementasi
algoritma jaringan syaraf tiruan metode backpropagation untuk memprediksi
jumlah penumpang pesawat udara.
1.3 Batasan Masalah
Agar penelitian ini tidak melebar kemana-mana maka peneltian ini akan
diberi batasan-batasan masalah seperti berikut ini:
1. Menggunakan data jumlah penumpang pesawat udara selama ± 2 tahun
di Bandar Udara Hang Nadim Batam.
2. Menentukan jumlah data pelatihan 70 % dari jumlah data secara
keseluruhan.
3. Menentukan jumlah data pengujian 30% dari jumlah data secara
keseluruhan.
4. Algoritma yang digunakan adalah Algoritama backpropagation.
1.4 Tujuan Penelitian
Tujuan dari penelitian hibah internal yang berjudul “Prediksi Jumlah
Penumpang Pesawat Udara Menggunakan Jaringan Syaraf Tiruan Metode
Backpropagation Di Bandar Udara Hang Nadim Batam" adalah:
1. Menghasilkan suatu aplikasi yang berfungsi untuk memprediksi jumlah
penumpang pesawat udara.
2. Mengembangkan proses komputasi algoritma backpropagation untuk
menyelesaikan permasalahan peramalan.
2
1.5 Luaran Penelitian
Luaran yang diharapkan dari penelitian hibah internal ini adalah:
1. Publikasi dalam jurnal ilmiah nasional dan nasional terakreditasi.
2. Sebagai buku referensi contoh kasus dalam pengaplikasian dari mata
kuliah kecedasan buatan (artificial intellegence).
3
BAB II
TINJAUAN PUSTAKA
2.1 Teori
2.1.1 Model Neuron
Neuron adalah unit pemroses informasi yang menjadi dasar dalam
pengoperasian jaringan syaraf tiruan. Neuron terdiri dari 3 elemen pembentuk:
1. Himpunan unit-unit yang dihubungkan dengan jalur koneksi. Jalur-jalur
tersebut memiliki bobot/kekuatan yang berbeda-beda. Bobot yang bernilai
positip akan memperkuat sinyal yang dibawanya. Jumlah, struktur dan pola
hubungan antar unit-unit tersebut akan menetukan arsitektur jaringan ( dan juga
model jaringan yang terbentuk).
2. Suatu penjumlah yang akan menjumlahkan input-input sinyal yang sudah
dikalikan dengan bobotnya. Misalnya x1, x2,..., xm adalah unit-unit input dan
wj1, wj2,..., wjm adalah bobot penghubung dari unit-unit tersebut ke unit keluaran
yj, maka unit penjumlah akan memberikan keluaran sebesar u j = x1wj1 + x2 wj2
+...+ xm wjm.
3. Fungsi aktivasi yang akan menentukan apakah sinyal dari input neuron akan
diteruskan keneuron lain ataukah tidak.
2.1.2 Arsitektur Jaringan
Beberapa arsitektur jaringan yang sering dipakai dalam jaringan saraf
tiruan antara lain:
1. Jaringan Layar Tunggal (single layer network)
Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan
sekumpulan outputnya. Dalam beberapa model (misalnya preceptron), hanya
ada sebuah unit neuron output.
4
Gambar 2.1 Arsitektur Jaringan n Unit Input
Gambar 2.1 menunjukkan arsitektur jaringan dengan n unit input (x1, x2, ... , xn)
dan m buah unit output (y1, y2, ... , ym). Perhatikan bahwa dalam jaringan ini,
semua unit input dihubungkan dengan semua unit output, meskipun dengan
bobot yang berbeda-beda. Tidak ada unit input yang dihubungkan dengan unit
input lainnya. Demikian pula dengan unit output. Besaran wij menyatakan
bobot hubungan antara unit ke-i dalam input dengan unit ke-j dalam output.
Bobot-bobot ini saling independen. Selama proses pelatihan, bobot-bobot
tersebut akan dimodifikasi untuk meningkatkan keakuratan hasil. Model
semacam ini tepat digunakan untuk pengenalan pola karena kesederhanaannya.
2. Jaringan Layar Jamak (multi layer network)
Jaringan layar jamak merupakan perluasan dari layar tunggal. Dalam jaringan
ini, selain unit input dan output, ada unit-unit lain (sering disebut layar
tersembunyi). Dimungkinkan pula ada beberapa layar tersembunyi. Sama
seperti pada unit input dan output, unit-unit dalam satu layar tidak saling
berhubungan.
Gambar 2.2 Jaringan Dengan n Buah Unit Input
5
Gambar 2.2 adalah jaringan dengan n buah unit input (x1, x2,.., xn), sebuah layar
tersembunyi yang terdiri dari p buah unit (z1,..., zp) dan m buah unit output (y1,
y2, ..., ym). Jaringan layar jamak dapat menyelesaikan masalah yang lebih
kompleks dibandingkan dengan layar tunggal, meskipun kadangkala proses
pelatihan lebih kompleks dan lama.
3. Jaringan Reccurent
Model jaringan Recurent mirip dengan jaringan layar tunggal ataupun ganda.
Hanya saja, ada neuron output yang memberikan sinyal pada unit input (sering
disebut feedback loop)
2.1.3 Arsitektur Backpropopagation
Backpropagation memiliki beberapa unit yang ada dalam satu atau lebih
layar tersembunyi. Gambar 2.3 adalah arsitektur backpropagation dengan n buah
masukan (ditambah sebuah bias), sebuah layar tersembunyi yang terdiri dari p unit
(ditambah sebuah bias), serta m buah unit keluaran.
Vij merupakan bobot garis dari unit masukan xi ke unit layar tersembunyi z j (vj0
merupakan bobot garis yang menghubungkan bias di unit masukan ke unit layar
tersembunyi zj). wkj merupakan bobot dari unit layar tersembunyi zj ke unit
keluaran yk (wk0 merupakan bobot dari bias dilayar tersembunyi ke unit keluaran
zk)
Gambar 2.3 Arsitektur Backpropagation Dengan n Buah Input
Fungsi Aktivasi
Dalam backpropagation, fungsi aktivasi yang dipakai harus memenuhi beberapa
syarat yaitu: kontinu, terdifferensial dengan mudah dan merupakan fungsi yang
6
tidak turun. Salah satu fungsi yang memenuhi ketiga syarat tersebut sehingga
sering dipakai adalah fungsi sigmoid biner yang memiliki range (0,1).
f ( x )= 1
1+e− x dengan turunan f ' ( x )=f ( x )=f (x ) (1−f ( x ))..................(2.1)
Grafik fungsinya tampak pada gambar 2.4
Gambar 2.4 Fungsi Sigmoid Biner
Fungsi lain yang sering dipakai adalah fungsi sigmoid bipolar yang bentuk
funsinya mirip dengan fungsi sigmoid biner, tapi dengan range (-1, 1).
f ( x )= 1
1+e− x−1 dengan turunan f ' ( x )=
(1+ f ( x ) ) (1−f ( x ) )2
.........................(2.2)
Grafik fungsinya tampak pada gambar 2.5.
Fungsi sigmoid memiliki nilai maksimum = 1. Maka untuk pola yang targetnya >
1, pola masukan dan keluaran harus terlebih dahulu ditransformasi sehingga
semua polanya memiliki range yang sama seperti fungsi sigmoid yang dipakai.
Alternatif lain adalah menggunakan fungsi aktivasi sigmoid hanya pada layar
yang bukan layar keluaran, fungsi aktivasi yang dipakai adalah fungsi identitas :
f(x) = x
Gambar 2.5 Fungsi sigmoid bipolar
Pelatihan Backpropogation
Pelatihan backpropogation meliputi 3 fase. Fase pertama adalah fase maju. Pola
masukan dihitung maju mulai dari layar masukan hingga layar keluaran
7
menggunakan fungsi aktivasi yang ditentukan. Fase kedua adalah fase mundur.
Selisih antara keluaran jaringan dengan target yang diinginkan merupakan
kesalahan yang terjadi. Kesalahan tersebut dipropagansikan mundur, dimulai dari
garis yang berhungan langsung dengan unit-unit dilayar keluaran. Fase ketiga
adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi.
1. Fase I: Propagasi maju
Selama propagasi maju, sinyal masukan (= xi) di propagasikan kelayar
tersembunyi menggunakan fase aktivasi yang ditentukan. Keluaran dari setiap
unit layar tersembunyi (= zj) tersebut selanjutnya dipropagasikan maju lagi ke
layar tersembunyi di atasnya menggunakan fungsi aktivasi yang ditentukan.
Demikian seterusnya hingga menghasilkan keluaran jaringan (= yk).
Berikutnya, keluaran jaringan (= yk) dibandingkan dengan target yang harus
dicapai (= tk). Selisih tk - yk adalah kesalahan yang terjadi. Jika kesalahan ini
lebih kecil dari batas toleransi yang ditentukan, maka iterasi dihentikan. Akan
tetapi apabila kesalahan masih lebih besar dari batas toleransinya, maka bobot
setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan
yang terjadi.
2. Fase II: Propagasi mundur
Berdasarkan kesalahan tk – yk, dihitung faktor δk = (k=1, 2, 3,..., m) yang
dipakai untuk mendistribusikan kesalahan di unit yk ke semua unit
tersembunyi yang terhubung langsung dengan ykδk juga dipakai untuk
mengubah bobot garis yang berhubungan langsung dengan unit keluaran.
Dengan cara yang sama, dihitung faktor δj disetiap unit di layar tersembunyi
sebagai dasar perubahan bobot semua garis yang berasal dari unit
tersembunyi dilayar di bawahnya. Demikian seterusnya hingga semua faktor
δ di unit tersembunyi yang berhubungan langsung dengan unit masukan
dihitung.
3. Fase III: Perubahan bobot
Setelah semua faktor δ dihitung, bobot semua garis dimodifikasi bersamaan.
Perubahan bobot suatu garis didasarkan atas faktor δ neuron dilayar atasnya.
Sebagai contoh, perubahan bobot suatu garis didasarkan atas faktor δ neuron
8
dilayar atasnya. Sebagai contoh, perubahan bobot garis yang menuju ke layar
keluaran didasarkan atas δk yang ada di unit keluaran.
Ketiga fase tersebut diulang-ulang terus hingga kondisi penghentian dipenuhi.
Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau
kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah
melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang
terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
Algoritma pelatihan untuk jaringan dengan satu layar tersembunyi (dengan fungsi
aktivasi sigmoid biner) adalah sebagai berikut:
Langkah 0 : inisialisasi semua bobot dengan bilangan acak kecil
Langkah 1 : jika kondisi penghentian belum terpenuhi, lakukan langkah 2 – 9
Langkah 2 : Untuk setiap pasang data pelatihan, lakukan langkah 3 – 8
Fase I : Propagasi maju
Langkah 3 : Tiap unit masukan menerima sinyal dan meneruskannya ke unit
tersembunyi diatasnya
Langkah 4 : hitung semua keluaran di unit tersembunyi zj (j = 1, 2, ... , p)
znet j=v j 0+∑i=1
n
x i v ji …………………………………… …………………….(2.3)
z j=f ( znet j )=1
1+e− znet j
……………… …………………………………… (2.4)
Langkah 5 : Hitung semua keluaran jaringan di unit yk (k = 1, 2, ... , m)
ynet k=w k 0+∑j=1
p
z j w kj ………………………………… …………………….(2.5)
yk=f ( ynet k )= 1
1+e− ynetk
……………………………… ………………… ...(2.6)
Fase II : Propagasi mundur
Langkah 6 : Hitung faktor δ unit keluaran berdasarkan kesalahan di setiap unit
keluaran yk (k = 1, 2, ... , m)
δ k=(t k− yk ) f ' ( ynet k)= (t k− yk ) yk ( 1− yk ) ……………… …………………… ...(2.7)
δk merupakan unit kesalahan yang akan dipakai dalam perubahan bobot layar
dibawahnya (langkah 7)
Hitung suku perubahan bobot wkj (yang akan dipakai dalam perubahan nanti untuk
merubah bobot wkj) dengan laju percepatan α
9
∆ wkj=α δk z j ;k=1,2,3 , …, m ; j=1,2,3 , …, p …………………… ...(2.8)
Langkah 7 : Hitung faktor δ unit tersembunyi berdasarkan kesalahan di setiap unit
tersembunyi zj (j = 1, 2, ... , p)
δ net j=∑k−1
m
δk w kj …………………………………… ………………………….(2.9)
Faktor δ unit tersembunyi:
δ j=δ¿ f ' (z¿)=δ ¿ z j(1−z j).....................................................(2.10)
Hitung suku perubahan bobot vji (yang akan dipakai nanti untuk merubah bobot
vji)
∆ v ji=α δ j x i ;( j=1,2,3 , …, p ; i=1,2,3 , …, n)…………………… .. (2.11)
Fase III : Perubahan Bobot
Langkah 8 : Hitung semua perubahan bobot
Perubahan bobot garis yang menuju ke unit keluaran:
w kj (baru )=w kj (lama )+∆ w kj ;(k=1,2,3 , …, m; j=1,2,3 , …, p)… ..(2.12)
Perubahan bobot garis yang menuju ke unit tersembunyi:
v ji (baru )=v ji ( lama )+∆ v ji ;( j=1,2,3 , …, p ; j=0,1,2,3 , …, n)……..(2.12)
Setelah pelatihan selesai dilakukan, jaringan dapat dipakai untuk pengenalan pola,
dalam hal ini, hanya propagasi maju (langkah 4 dan 5) saja yang dipakai untuk
menentukan keluaran jaringan.
Apabila fungsi aktivasi yang dipakai bukan sigmoid biner, maka langkah 4 dan 5
harus disesuaikan. Demikian juga turunannya pada langkah 6 dan 7.
2.2 Penelitian Terdahulu
Penelitian ini didukung oleh berbagai kajian empiris dari penelitian
terdahulu yang dapat menjadi landasan berfikir. Berikut adalah penelitian terkait
dengan penelitian ini dengan hasil dan metode analisis yang berbeda dan pernah
dilakukan, dianntaranya adalah:
1. Fachrudin Pakaja, Agus Naba dan Purwanto dalam Jurnal EECCIS Vol. 6,
No. 1, Juni 2012 dengan judul Peramalan Penjualan Mobil Menggunakan
Jaringan Syaraf Tiruan dan Certainty Factor, menjelaskan bahwa Proses
peramalan penjualan mobil yaitu dengan memasukkan data perkiraan
10
penjualan di masa depan, untuk di olah menggunakan JST backpropagation
untuk menghasilkan data yang diinginkan.
2. Alex Rikki Sinaga dalam jurnal Pelita Informatika Budi Darma, Volume II,
Desember 2012 ISSN: 2301-9425, dengan judul Aplikasi Jaringan Syaraf
Tiruan Untuk Penentuan Konsentrasi Program Studi Bagi Calon Mahasiswa
Baru Stmik Budidarma Medan menerangkan bahwa hasil pengujian Jaringan
Syaraf Tiruan dengan menggunakan software matlab 6.1 dapat mempercepat
proses penentuan konsentrasi program studi bagi calon mahasiswa baru
STMIK Budidarma Medan.
3. Ramli, Desi Yuniarti dan Rito Goejantoro dalam Jurnal EKSPONENSIAL
Volume 4, Nomor 1, Mei 2013 ISSN 2085-7829 dengan judul Perbandingan
Metode Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan,
menjelaskan bahwa dalam penyelesaian pengklasifikasian pemilihan jurusan
Bahasa dan IPS pada SMAN 2 Samarinda tahun ajaran 2011/2012 lebih tepat
menggunakan jaringan saraf tiruan dari pada menggunakan Metode
Klasifikasi Regresi Logistik.
2.3 Kerangka Pemikiran
Untuk dapat memperoleh hasil penelitian yang tepat dan terarah, penelitian
ini memiliki kerangaka pemikiran yang dapat dilihat pada Gambar 2.6
Gambar 2.6 Kerangka Pemikiran Jaringan Syaraf Tiruan Backpropagation
11
BAB III
METODOLOGI PENELITIAN
3.1 Desain Penelitian
Pada gambar 3.1 di bawah ini menunjukkan langkah-langkah yang akan
dikerjakan oleh peneliti dalam penelitian hibah internal ini yang mengangkat judul
Prediksi Jumlah Penumpang Pesawat Udara Menggunakan Jaringan Syaraf Tiruan
Metode Back Propagation di Bandar Udara Hang Nadim Batam.
12
Gambar 3.1 Langkah-Langkah Pembuatan Aplikasi Jaringan Syaraf Tiruan
Tahapan penelitian yang dilakukan pada Prediksi Jumlah Penumpang Pesawat
Udara Menggunakan Jaringan Syaraf Tiruan Metode Back Propagation di Bandar
Udara Hang Nadim Batam adalah sebagai berikut:
3.1.1 Pengumpulan Data
Pengambilan data pada Prediksi Jumlah Penumpang Pesawat Udara
Menggunakan Jaringan Syaraf Tiruan Metode Back Propagation di Bandar Udara
Hang Nadim Batam yaitu: Data Jumlah penumpang di Bandar Udara Hang
13
Nadim Batam selama 2 tahun, data jumlah penumpang tahun 2013 dan tahun
2014.
3.1.2 Identifikasi Data
Identifikasi masalah dilakukan untuk menentukan vareabel dan semesta
pembicaraan yang diperlukan dalam melakukan perhitungan dan analisis
masalah.
3.1.3 Pengolahan Data
Pengelolahan data dilakukan dengan bantuan softwere matlab 8.1.0
dengan menggunakan fasilitas yang disediakan pada toolbox neural network
dengan melakukan langkah langkah sebagai berikut:
1. Mengumpulkan Data jumlah Penumpang perbulan selama 2 tahun
2. Memisahkan 70 % data penumpang untuk pelatihan 30% data penumpang
untuk pengujian
3. Menentukan struktur jaringan syaraf tiruan
4. Menetapkan Algoritma jaringan syaraf tiruan yang akan digunakan dalam
pembelajaran
5. Melakukan inisialisasi parameter jaringan syaraf tiruan
6. Input data pelatihan
7. Pelatihan (Ubah/perbaharui bobot)
3.1.4 Penarikan Kesimpulan
Penarikan kesimpulan merupakan tahap akhir dari penelitian hibah
internal ini, dimana dilakukan pendokumentasian riset secara keseluruhan.
Sehingga hasil akhir dari penelitian ini nanti nya bisa digunakan sebagai bahan
acuan untuk mengadakan penelitian dimasa yang akan datang dalam bidang yang
sama.
3.2 Variabel Penelitian
14
Dalam penelitian ini variabel penelitian terdiri dari 2 jenis variabel yaitu:
1.Variabel Masukan nya berupa data jumlah penumpang tiap bulan selama
2 tahun yang di inisialisasi dengan hurup X1, X2,...,X24.
2. Variabel Keluaran (Target) data jumlah penumpan per akhir priode tiap
bulan dijadikan sebagai variabel keluaran atau lebih dikenal dengan
nama target dalam jaringan syaraf tiruan
3.3 Teknik Pengumpulan Data
Data yang digunakan dalam penelitian hibah internal ini menggunakan data
sekunder yaitu data jumlah penumpang tiap bulan selama 2 tahun yang diperoleh
dari pihak pengelola bandar udara Hang Nadim Batam.
BAB IV
BIAYA DAN JADWAL PENELITIAN
4.1 Anggaran Biaya
Berikut ini adalah rincian anggaran biaya yang diperlukan dalam kegiatan
penelitian hibah internal dengan judul “Prediksi Jumlah Penumpang Pesawat
15
Udara Menggunakan Jaringan Syaraf Tiruan Metode Backpropagation di Bandar
Udara Hang Nadim Batam”, yang antara lain adalahsebagaiberikut:
Tabel 4.1. Anggaran Biaya
No. Jenis PengeluaranBiaya yang
diusulkan (Rp.)
1. Gaji (maks. 30%) 3.900.000,-2. Bahan habis pakai dan peralatan (40-50%) 5.200.000,-3. Perjalanan (maks. 15%) 1.950.000,-
4.Lain-lain: publikasi, seminar, laporan, lainnya sebutkan (10-15%)
1.950.000,-
Jumlah 13.000.000,-Sumber: Penulis (2015).
4.2. Jadwal Kegiatan
Penelitian mengambil waktu selama 1 (satu) tahun terhitung sejak bulan
April 2015 sampai dengan Januari 2016. Sedangkan jadwal penelitian disesuaikan
dengan kondisi jadwal yang telah ditetapkan selama 1 (satu) tahun.
No Kegiatan/PenanggungjawabTahun 2015-2016
Bulan 4 5 6 7 8 9 10 11 12 1
1.Manajemen dan Kontrol Tugas serta Tanggung jawab (Peneliti Utama)
2.Pembuatan dan Penyusunan Proposal Penelitian (PenelitiUtama)
3. Pengumpulan dan Pengolahan Data (PenelitiUtama)
4. Analisis Hasil Penelitian (PenelitiUtama)5. Penyusunan Laporan Penelitian (Peneliti Utama)
6.Publikasi Jurnal/Seminar, Penggandaan dan Penyerahan Laporan Hasil Penelitian (Peneliti Utama)
Tabel 4.2 Jadwal PenelitianSumber: Penulis (2015)
16
DAFTAR PUSTAKA
Sinaga, Alex R. 2012 “Aplikasi Jaringan Syaraf Tiruan Untuk Penentuan
Konsentrasi Program Studi Bagi Calon Mahasiswa Baru STMIK Budidarma
Medan” jurnal Pelita Informatika. STMIK Budi Darma. Medan.
Away, Gunaidi A. 2014 “ The Shotcut of Matlab Programming”. Informatika.
Bandung.
Hermawan, Arief. 2006 “ Jaringan syaraf Tiruan, Teori dan Aplikasi”. ANDI.
Yogyakarta.
Pakaja, Fachrudin., Naba, Agus dan Purwanto. 2012. “Peramalan Penjualan Mobil
Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor”. Jurnal
EECCIS. Universitas Brawijaya. Malang.
Kusumadewi, Sri dan Sri Hartati. 2006. “Neuro- Fuzzy: Integrasi Fuzzy dan
Jaringan Syaraf”. Graha Ilmu. Yogyakarta.
Kusumadewi, Sri. 2003 “ Arficial Intelegent, Teknik dan Aplikasinya”. Graha
Ilmu. Yogyakarta.
Ramli., Yuniarti, Desi dan Goejantoro, Rito. 2013. “Perbandingan Metode
Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan”. Jurnal
EKSPONENSIAL. Universitas Mulawarman. Samarinda.
Siang, J. Jek. 2005. Jaringan Saraf Tiruan danPemogramannya menggunakan
Matlab. Andi. Yogyakarta.
Widodo, Prabowo P., Handayanto, Rahmadya T dan Herlawati.
2013 “ Penerapan Data Mining dengan Matlab”. Rekayasa
Sains. Bandung.
1
LAMPIRAN 1
Justifikasi Biaya Anggaran
I HONOR KEGIATAN Volume Satuan Harga Total
1 Honorarium Tim Peneliti (Ketua) 1 Orang Rp2.535.000 Rp 2.535.000
2 Honorarium Tim Peneliti (Anggota) 1 Orang Rp1.365.000 Rp 1.365.000
Jumlah Biaya Tim Penelitian Rp 3.900.000
II BELANJA BAHAN HABIS PAKAI DAN PERALATAN
1 Komunikasi Kepada Para Staff Bandara 6 Kali Rp 250.000 Rp 1.500.000
2 Kertas HVS 5 Rim Rp 90.000 Rp 450.000
3 Tinta Printer 1 Tube Rp 300.000 Rp 300.000
4 Modem 1 Pcs Rp 400.000 Rp 400.000
5 Kartu Internet 1 Pcs Rp 400.000 Rp 400.000
6 CD Kosong 2 Pcs Rp 250.000 Rp 500.000
7 Sampul CD 1 Pcs Rp 200.000 Rp 200.000
8 Alat Tulis Administrasi Penelitian 1 Set Rp 450.000 Rp 450.000
9 Bahasa Pemrograman 1 Set Rp1.000.000 Rp 1.000.000
Jumlah Belanja Bahan Rp 5.200.000
III BELANJA PERJALANAN
1 Perjalanan Ke Bandara 6 Kali Rp 325.000 Rp 1.950.000
2 Kali Rp -
Jumlah Biaya Perjalanan Rp 1.950.000
IV LAINNYA
1 Spanduk dan Baliho dan Foster 1 Paket Rp 300.000 Rp 300.000
2 Promosi Acara Seminar 1 Kali Rp 500.000 Rp 500.000
3 Penggandaan Laporan 5 Eks Rp 100.000 Rp 500.000
4 Publikasi Jurnal 1 Kali Rp 450.000 Rp 450.000
5 Publikasi Acara Seminar di Media Massa 1 Kali Rp 200.000 Rp 200.000
Jumlah Biaya Lainnya Rp 1.950.000
Total Biaya Yang Diperlukan Rp13.000.000
LAMPIRAN 2
Struktur Organisasi Penelitian
Tabel Struktur Organisasi Penelitian Hibah Internal
No Nama Instansi Asal Bidang Ilmu
Alokasi Waktu
(Jam/Minggu)
Uraian Tugas
1. Joni Eka Candra, S.T.,M.T
Universitas Putera Batam
Teknik Informatika
1Melakukan aktifitas perencanaan, kegiatan dan monitoring
2.Sunarsan Sitohang, S.kom
Universitas Putera Batam
Teknik Informatika
1Melakukan aktifitas perencanaan,dan kegiatan
3. Alpin Salamena Universitas Putera Batam
Teknik Informatika
1Melakukan aktifitas perencanaan, dan kegiatan
LAMPIRAN 3
BIODATA
A. Identitas Diri
1 Nama Lengkap (dengan gelar) Joni Eka Candra
2 Jenis Kelamin Laki-laki
3 Jabatan Fungsional Dosen
4 NIP 11461
5 NIDN 1025068201
6 Tempat, Tanggal Lahir Sumenep, 25 juni1982
7 Alamat surel (e-mail) [email protected]
8 Nomor Telepon/HP 085655567040
9 Alamat Kantor Jl. R.Suprapto
10 Nomor Telepon/Faks Kantor -
11 Mata Kuliah yang Diampu
1.Rangkaian Digital 2. Artificial Intelegent3. Arsitektur dan
Organisasi Komputer4. Komputasi Numerik
B. Riwayat Pendidikan
S-1 S-2 S-3
Nama Perguruan TinggiUniversitas Brawijaya
Universitas Brawijaya
-
Bidang Ilmu Teknik Elektro Teknik Elektro -Tahun Masuk-Lulus 2002-2008 2009-2012 -
C. Pengalaman Penelitian Dalam 5 TahunTerakhir
Tahun Judul Pengabdian JabatanSumber Dana
Keterangan
2013
Aplikasi Logika Fuzzy Dalam Optimalisasi Produksi Barang Menggunakan Metode Tsukamoto Dan Metode Mamdani Pada PT. Mardi Jaya
Ketua Peneliti
LPPM Universistas Putera Batam
Laporan internal
2014
Aplikasi Fuzzy Inference System (FIS) Mamdani Untuk Penentuan Jurusan Siswa Di SMA Negeri 5 Batam
Ketua Peneliti
LPPM Universistas Putera Batam
Laporan internal
D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir
Tahun Judul Pengabdian JabatanSumber Dana
2014
Kompetensi Siswa di Bidang Teknologi Informasi dan Komunikasi Melalui Buku Pada SMP Islam Terpadu 01 Darussalam
Anggota Pengadian
LPPM Universitas Putera Batam
2014
Penyuluhan pembelajaran Ilmu Tajwid Dalam Membaca Al-Qur’an Menggunakan Teknologi Informasi di SMK Negeri 4 Batam
Anggota Pengadian
LPPM Universitas Putera Batam
E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir
No Judul Artikel ilmiah Nama JurnalVolume/Nomor/
Tahun
1.
2.
3.
F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir
No Nama Pertemuan Judul Artikel Ilmiah Waktu dan Tempat
1. Seminar Penelitian Aplikasi Logika Fuzzy Dalam Optimalisasi Produksi Barang Menggunakan Metode Tsukamoto Dan Metode Mamdani Pada PT. Mardi Jaya
4 Maret 2014 / Universitas Putera Batam
2. Seminar Penelitian Aplikasi Fuzzy Inference System (FIS) Mamdani Untuk Penentuan Jurusan Siswa Di SMA Negeri 5 Batam
26 Agustus 2014 / Universitas Putera Batam
G. Karya Buku dalam 5 Tahun Terakhir
No Judul Buku Tahun Jumlah Halaman
Penerbit
1.
2.
3.
H. Perolehan HKI (Hak Kekayaan Intelektual) dalam 5–10 Tahun Terakhir
No Judul / Tema HKI*
Tahun Jenis Nomor P/ID
1.
2.
3.
I. Pengalaman Merumuskan Kebijakan Publik lainnya dalam 5 tahun
terakhir
No Judul/Tema/Jenis Kebijakan Publik Lainnya yang Telah Diterapkan
Tahun Tempat Penerapan
Respon Masyarakat
1.
2.
3.
J. Penghargaan dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya)
No Jenis Penghargaan Institusi Pemberi Penghargaan
Tahun
1.
2.
3.
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggung jawab kan secara hukum. Apabila dikemudian hari ternyata
dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan proposal hibah internal dosen.
Batam, 10 Juni 2015
Ketua Tim Pengusul,
Joni Eka Candra, S.T., M.T.