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) : jonicandra82@gmail.com

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) jonicandra82@gmail.com

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.