ABSTRAK
Penelitian ini bertujuan untuk menerapkan Jaringan Syaraf Tiruan Backpropagation untuk memprediksi
jumlah produksi air. Data yang diperolah berasal dari laporan bulanan PDAM Tirta Bina Rantauprapat selama 5
tahun, mulai dari tahun 2010 sampai dengan tahun 2014. Variabel masukan yang digunakan adalah data jumlah
pelanggan berdasarkan kelompok rumah tangga, volume kebocoran air di pengolahan, volume distribusi air,
volume air terjual dan volume kehilangan air. Sedangkan yang menjadi variabel target adalah volume produksi
air. Berdasarkan hasil penelitian, diperoleh sebuah model arsitektur prediksi dengan jumlah neuron lapisan
masukan 5, jumlah neuron lapisan tersembunyi 3, jumlah neuron lapisan keluaran 1, dengan nilai MSE 0.000999,
MAE 0.017096, dan rata-rata nilai akurasi sebesar 98,29 %.
sejumlah proses perhitungan selama proses dan V31). Sedangkan bobot yang menghubungkan
pembelajaran (Aprijani dan Supandi, 2011). X1, X2 dan X3 dengan neuron kedua pada lapisan
Jaringan Syaraf Tiruan didesain dengan tersembunyi adalah V12, V22, dan V32. Untuk b11 dan
menirukan cara kerja otak manusia dalam b12 adalah bobot bias yang menuju ke neuron
menyelesaikan masalah dengan melakukan proses pertama dan kedua pada lapisan tersembunyi. Bobot
belajar melalui perubahan bobot sinapsisnya (Marleni yang menghubungkan Z1 dan Z2 dengan neuron pada
Anike, et.al, 2012). lapisan keluaran adalah W1 dan W2. Bobot bias b2
menghubungkan lapisan tersembunyi dengan lapisan
keluaran.
2.2 Algoritma Backpropagation
M3. Berdasarkan hasil tersebut terjadi Li, S. 2014. Forecast Model of Water Quantity Based
penurun produksi air sebesar 204.661 M3. on Back Propagation Artificial Neural
Network. TELKOMNIKA Indonesian
Journal of Electrical Engineering, 12.
5.2 Saran M.f. Andrijasa, M. 2010. Penerapan Jaringan Syaraf
Tiruan Untuk Memprediksi Jumlah
Adapun saran-saran yang dapat disampaikan Pengangguran di Provinsi Kalimantan
penulis adalah sebagai berikut : Timur Dengan Menggunakan Algoritma
1. Penelitian ini masih jauh dari sempurna, Pembelajaran Backpropagation. Jurnal
untuk itu perlu dilakukan penelitian lebih Informatika Mulawarman, 5.
lanjut dengan memperbanyak jumlah Mahmoud Nasr, a. T., Shinichi Ookawara, Masaaki
variabel input. Suzuki 2013. Prediction of Hydrogen
2. Prediksi menggunakan Jaringan Syaraf Production Using Artificial Neural Network.
Tiruan dengan algoritma Backpropagation Seventeenth International Water Technology
sangat berpengaruh dengan banyaknya data Conference, IWTC17.
yang digunakan untuk pelatihan dan Marleni Anike, S., Ernawati 2012. Pengembangan
pengujian. Untuk itu perlu dilakukan Sistem Jaringan Syaraf Tiruan Dalam
pengembangan lebih lanjut dengan Memprediksi Jumlah Dokter Keluarga
menggunakan data produksi air dengan Menggunakan Backpropagation (Studi
rentang waktu lebih dari 5 tahun. Kasus: Regional X Cabang Palu). Seminar
3. Diharapkan dengan adanya penelitian ini, Nasional Teknologi Informasi dan
peneliti selanjutnya dapat mengembangkan Komunikasi 2012 (SENTIKA 2012).
Jaringan Syaraf Tiruan Backpropagation Maru'ao, D. O. 2010. Neural Network
untuk memprediksi produksi air dengan Implementation in Foreign Exchange Kurs
menggunakan GUI (Graphical User Prediction. Gunadarma University Journal,
Interface), sehingga lebih memudahkan Jakarta.
peneliti dalam melakukan penerapan Sangadji, I. B. 2009. Prediksi Perilaku Pola
Jaringan Syaraf Tiruan. Pengunjung Terhadap Transaksi Pada Toko
Buku Gramedia Menggunakan Jaringan
Syaraf Tiruan Metode Back Propagation.
DAFTAR PUSTAKA Jurnal Informatika, Universitas Kristen
Maranatha, Bandung 5.
Anindita Septiarini, N. S. B. 2012. Sistem Peramalan Setiawan, W. 2008. Prediksi Harga Saham
Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan
Menggunakan Jaringan Syaraf Tiruan Multilayer Feedforward Network Dengan
Backpropagation. Jurnal EKSPONENSIAL, Algoritma Backpropagation. Konferensi
3. Nasional Sistem dan Informatika, Bali.
Cici Oktaviana, A. 2013. Prediksi Curah Hujan Siang, J. J. 2009. Jaringan Syaraf Tiruan &
Bulanan Menggunakan Jaringan Syaraf Pemrogramannya Menggunakan MATLAB
Tiruan Dengan Beberapa Fungsi Pelatihan Yogyakarta, Penebit ANDI.
Backpropagation (Studi Kasus: Stasiun
Meteorologi Tabing Padang, Tahun 2001-
2012). Jurnal Fisika Unand, 2.
Dwi Astuti Aprijani, U. U. S. 2011. Aplikasi
Jaringan Syaraf Tiruan Untuk Mengenali
Tulisan Tangan Huruf A, B, C, dan D Pada
Jawaban Soal Pilihan Ganda. Jurnal
Matematika, Sains dan Teknologi, 12.
Kusumadewi, S. 2010. Membangun Jaringan Syaraf
Tiruan Menggunakan MATLAB & Excel
Link, Yogyakarta, GRAHA ILMU.
.