PENDAHULUAN
MATLAB
Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan
yang luar biasa. Otak terdiri dari neuron-neuron dan penghubung yang disebut
sinapsis. Neuron bekerja berdasarkan impuls/sinyal yang diberikan pada neuron.
Neuron meneruskannya pada neuron lain. Diperkirakan manusia memiliki 1012 neuron
dan 6.1018 sinapsis. Dengan jumlah yang begitu banyak, otak mampu mengenali pola,
melakukan perhitungan, dan mengontrol organ-organ tubuh dengan kecepatan yang
lebih tinggi dibandingkan komputer digital. Sebagai perbandingan, pengenalan wajah
seseorang yang sedikit berubah (misal memakai topi, memiliki jenggot tambahan, dll)
akan lebih cepat dilakukan manusia dibandingkan komputer.
Pada waktu lahir, otak mempunyai struktur yang menakjubkan karena
kemampuannya membentuk sendiri aturan-aturan/pola berdasarkan pengalaman
yang diterima. Jumlah dan kemampuan neuron berkembang seiring dengan
pertumbuhan fisik manusia, terutama pada umur 0-2 tahun. Pada 2 tahun pertama
umur manusia, terbentuk 1 juta sinapsis per detiknya.
Halaman 1
Sistem Syaraf Buatan
Neuron memiliki 3 komponen penting yaitu dendrit, soma dan axon. Dendrit
menerima sinyal dari neuron lain. Sinyal/tersebut berupa impuls elektrik yang dikirim
melalui celah sinaptik melalui proses kimiawi. Sinyal tersebut dimodifikasi
(diperkuat/diperlemah) di celah sinaptik. Berikutnya, soma menjumlahkan semua
sinyal-sinyal yang masuk. Kalau jumlahan tersebut cukup kuat dan melebihi batas
ambang (threshold), maka sinyal tersebut akan diteruskan ke sel lain melalui axon.
Frekuensi penerusan sinyal berbeda-beda antara satu sel dengan yang lain.
Neuron biologi merupakan sistem yang "fault tolerant" dalam 2 hal. Pertama,
manusia dapat mengenali sinyal input yang agak berbeda dari yang pernah kita terima
sebelumnya. Sebagai contoh, manusia sering dapat mengenali seseorang yang wajahnya
pernah dilihat dari foto, atau dapat mengenali seseorang yang wajahnya agak berbeda
karena sudah lama tidak dijumpainya.
Kedua, otak manusia tetap mampu bekerja meskipun beberapa neuronnya tidak
mampu bekerja dengan baik. Jika sebuah neuron rusak, neuron lain kadang-kadang
dapat dilatih untuk menggantikan fungsi sel yang rusak tersebut.
Halaman 2
Sistem Syaraf Buatan
JST adalah suatu teknologi komputasi yang berbasis hanya pada model syaraf
biologis dan mencoba mensimulasikan tingkah laku dan kerja model syaraf.
Jaringan syaraf tiruan (JST) adalah sistem pemroses informasi yang memiliki
karakteristik mirip dengan jaringan syaraf biologi. JST dibentuk sebagai generalisasi
model matematika dari jaringan syaraf biologi, dengan asumsi bahwa :
Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron).
Sinyal dikirirnkan diantara neuron-neuron melalui penghubung-penghubung.
Penghubung antar neuron memiliki bobot yang akan memperkuat atau
memperlemah sinyal.
Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi (biasanya
bukan fungsi linier) yang dikenakan pada jumlahan input yang diterima. Besarnya
output ini selanjutnya dibandingkan dengan suatu batas ambang.
Halaman 3
Sistem Syaraf Buatan
Jaringan syaraf tiruan sederhana pertama kali diperkenalkan oleh McCulloch dan
Pitts di tahun 1943. McCulloch dan Pitts menyimpulkan bahwa kombinasi beberapa
neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan
komputasinya. Bobot dalam jaringan yang diusulkan oleh McCulloch dan Pitts diatur
untuk melakukan fungsi logika sederhana. Fungsi aktivasi yang dipakai adalah fungsi
threshold. Tahun 1958, Rosenblatt memperkenalkan dan mulai mengembangkan
model jaringan yang disebut Perceptron. Metode pelatihan diperkenalkan untuk
mengoptimalkan hasil iterasinya.
Halaman 4
Sistem Syaraf Buatan
ARSITEKTUR JARINGAN
Beberapa arsitektur jaringan yang sering dipakai dalam jaringan syaraf tiruan
antara lain :
Jaringan Layar Tunggal (single layer network)
Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan
sekumpulan outputnya. Dalam beberapa model (misal perceptron), hanya ada
sebuah unit neuron output.
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 /
hidden layer). Dimungkinkan pula ada beberapa layar tersembunyi. Sama seperti
pada unit input dan output, unit-unit dalam satu layar tidak saling berhubungan.
Jaringan Recurrent
Model jaringan reccurent mirip dengan jaringan layar tunggal ataupun ganda.
Hanya saja, ada neuron output yang memberikan sinyal pada unit input (sering
disebut feedback loop).
Halaman 5
Sistem Syaraf Buatan
PARADIGMA PEMBELAJARAN
Halaman 6
Sistem Syaraf Buatan
Halaman 7
Sistem Syaraf Buatan
masukan yang tersedia ke dalam kelompok yang berbeda-beda. Contoh JST dengan
belajar tanpa pengawasan adalah jaringan Kohonen.
Halaman 8
Sistem Syaraf Buatan
Daftar singkatan :
Akronim Definisi
CPN Counter propagation
AG Additive Grossberg
BM Boltzman Machine
SG Shunting Grossberg
ART1 Adaptive Resonance Theory Biner
DH Hopfield Diskrit
CH Hopfield Kontinu
BAM Bidirectional Associative Memory Diskrit
ABAM Bidirectional Associative Memory Adaptive
CABAM Competitive ABAM
LM Learning Matrix
LAM Linear Associative Memory
OLAM Optimal Linear Associative Memory
BSB Brain State in a Box
PERCEP Perceptron
Adaline Adaptive Linear Element
Madaline Multiple Adaptive Linear Element
BP Back Propagation
AVQ Adaptive Vektor Quantizer
BACKPROPAGATION
Kelemahan JST yang terdiri dari layar tunggal membuat perkembangan JST
menjadi terhenti pada sekitar tahun 1970 an. Penemuan backpropagation yang terdiri
dari beberapa layar membuka kembali cakarawala. Terlebih setelah berhasil
ditemukannya berbagai aplikasi yang dapat diselesaikan dengan Backpropagation,
membuat JST semakin diminati orang.
Halaman 9
Sistem Syaraf Buatan
Arsitektur Backpropagation
Backpropagation memiliki beberapa unit yang ada dalam satu atau lebih layar
tersembunyi. Gambar berikut 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.
Vji merupakan bobot garis dari unit masukan xi ke unit layar tersembunyi VJ (VJO
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 (wko merupakan bobot dari bias di layar tersembunyi ke unit keluaran Zk)
Halaman 10
Sistem Syaraf Buatan
Halaman 11
Sistem Syaraf Buatan
yang dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau jika
kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
Halaman 12
Sistem Syaraf Buatan
Jumlah data dalam satu periode ini dipakai sebagai jumlah masukan dalam
backpropagation. Sebagai targetnya diambil data bulan pertama setelah periode
berakhir. Pada data bulanan dengan periode satu tahun, maka masukan
backpropagation yang dipakai terdiri dari 12 masukan. Keluaran adalah 1 unit.
Bagian tersulit adalah menentukan jumlah layar (dan unitnya). Tidak ada teori
yang dengan pasti dapat dipakai. Tapi secara praktis dicoba jaringan yang kecil terlebih
dahulu (misal terdiri dari 1 layar tersembunyi dengan beberapa unit saja). Jika gagal
(kesalahan tidak turun dalam epoch yang besar), maka jaringan diperbesar dengan
menambahkan unit tersembunyi atau bahkan menambah layar tersembunyi.
FUNGSI AKTIVASI
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak
manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak
manusia tersebut. Istilah buatan disini digunakan karena jaringan syaraf ini
diimplementasikandengan menggunakan program komputer yang mampu
menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.
Ada beberapa tipe jaringan syaraf, namun demikian, hampir semuanya memiliki
komponen-komponen yang sama. Seperti halnya otak manusia, jaringan syaraf juga
terdiri-dari beberapa neuron, dan ada hubungan antara neuron-neuron tersebut.
Neuron-neuron tersebut akan mentrans-formasikan informasi yang diterima melalui
sambungan keluarnya me-nuju ke neuron-neuron yang lain. Pada jaringan syaraf,
hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada suatu nilai
tertentu pada bobot tersebut.
Jika kita lihat, neuron buatan ini sebenarnya mirip dengan sel neuron biologis.
Neuron-neuron buatan tersebut bekerja dengan cara yang sama pula dengan neuron-
Halaman 13
Sistem Syaraf Buatan
neuron biologis. Informasi (disebut dengan: input) akan dikirim ke neuron dengan
bobot kedatangan tertentu. Input ini akan diproses oleh suatu fungsi perambatan yang
akan menjumlahkan nilai-nilai semua bobot yang datang. Hasil penjumlahan ini ke-
mudian akan dibandingkan dengan suatu nilai ambang {threshold) tertentu melalui
fungsi aktivasi setiap neuron. Apabila input tersebut mele-wati suatu nilai ambang
tertentu, maka neuron tersebut akan diaktifkan, tapi kalau tidak, maka neuron tersebut
tidak akan diaktifkan. Apabila neuron tersebut diaktifkan, maka neuron tersebut akan
mengirimkan output melalui bobot-bobot outputnya ke semua neuron yang ber-
hubungan dengannya. Demikian seterusnya.
Pada jaringan syaraf, neuron-neuron akan dikumpulkan dalam lapisan-lapisan
(layer) yang disebut dengan lapisan neuron (neuron layers). Biasanya neuron-neuron
pada satu lapisan akan dihubungkan dengan lapisan-lapisan sebelum dan sesudahnya
(kecuali lapisan input dan lapisan output). Informasi yang diberikan pada jaringan
syaraf akan dirambatkan lapisan ke lapisan, mulai dari lapisan input sampai ke lapisan
output melalui lapisan yang lainnya, yang sering dikenal dengan nama lapisan
tersembunyi (hidden layer). Tergantung pada algoritma pembelajarannya, bisa jadi
informasi tersebut akan dirambatkan secara mundur pada jaringan.
Ada beberapa fungsi aktivasi yang sering digunakan dalam jaringan syaraf tiruan.
Fungsi Aktivasi yang disediakan pada toolbox Matlab, antara lain :
1. Fungsi Undak Biner (hardlim)
Jaringan dengan lapisan tunggal sering menggunakan fungsi undak buner (step
function) untuk mengkonversikan input dari suatu variabel yang bernilai kontinu
ke suatu output biner (0 atau 1). Fungsi undak biner (hardlimit) dirumuskan sebagai
:
Halaman 14
Sistem Syaraf Buatan
Halaman 15
Sistem Syaraf Buatan
Halaman 16
Sistem Syaraf Buatan
1. Oleh karena itu, fungsi ini sering digunakan untuk jaringan syaraf yang
membutuhkan nilai output yang terletak pada interval 0 sampai 1. Namun, fungsi
ini bisa juga digunakan oleh jaringan syaraf yang nilai outputnya 0 atau 1. Fungsi
sigmoid biner dirumuskan sebagai :
Halaman 17
Sistem Syaraf Buatan
Aturan Algoritma
Paradigma Arsitektur Bidang Kerja
Pembelajaran Pembelajaran
Klasifikasi pola
Hibrida Pengkoreksian error
Jaringan RBF Algoritma RBF Aproksimasi fungsi
hybrid dan kompetitif
Prediksi, kontrol
Tabel Paradigma, Aturan Pembelajaran, Arsitektur, Algoritma, dan Aplikasi Jaringan Saraf Tiruan
Halaman 18
Sistem Syaraf Buatan
Halaman 19
Sistem Syaraf Buatan
STUDI KASUS
PERAMALAN PENJUALAN
Suatu swalayan ingin melakukan peramalan penjualan suatu produk mie instan.
Peramalan penjualan pada hari Xi ditentukan oleh penjualan pada hari yang sama, 1
minggu, 2 minggu, 3 minggu, dan 4 minggu sebelum nya. Secara matematis dapat
diformulasikan :
Xi+1 dipengaruhi oleh Xi-21, Xi-14, Xi-7, Xi
Tabel menunjukkan data-data penjualan mie instan dalam 121 hari terakhir (pada
bulan Nopember, Desember 2006, Januari, Pebruari 2007 Kolom hari menunjukkan
hari (S=Senin, S=Selasa, R=Rabu, dst), No menunjukkan nomor urut (dari 1 sampai
121), dan P menunjukkan jumlah permintaan mie instan pada hari tersebut dalam
satuan dus.
Hari Tgl No P Tgl No P Tgl No P Tgl No P Tgl No P
S 1 1 10 29 29 9 27 57 11 24 85 11 21 113 12
S 2 2 8 30 30 10 28 58 10 25 86 12 22 114 13
R 3 3 12 1 31 12 29 59 15 26 87 12 23 115 14
K 4 4 10 2 32 11 30 60 12 27 88 15 24 116 15
J 5 5 12 3 33 12 31 61 8 28 89 14 25 117 13
S 6 6 30 4 34 31 1 62 28 29 90 37 26 118 35
M 7 7 35 5 35 36 2 63 32 30 91 37 27 119 38
S 8 8 9 6 36 11 3 64 10 31 92 12 28 120 11
S 9 9 10 7 37 13 4 65 13 1 93 13 29 121 12
R 10 10 11 8 38 12 5 66 14 2 94 10
K 11 11 10 9 39 10 6 67 10 3 95 9
J 12 12 12 10 40 9 7 68 13 4 96 7
S 13 13 23 11 41 24 8 69 25 5 97 25
M 14 14 26 12 42 26 9 70 26 6 98 29
S 15 15 10 13 43 10 10 71 10 7 99 11
S 16 16 11 14 44 12 11 72 15 8 100 12
R 17 17 12 15 45 12 12 73 11 9 101 13
K 18 18 11 16 46 11 13 74 11 10 102 13
J 19 19 12 17 47 12 14 75 16 11 103 12
S 20 20 24 18 48 23 15 76 26 12 104 24
M 21 21 26 19 49 25 16 77 25 13 105 25
S 22 22 9 20 50 10 17 78 10 14 106 11
S 23 23 9 21 51 7 18 79 7 15 107 8
R 24 24 12 22 52 15 19 80 12 16 108 16
K 25 25 13 23 53 13 20 81 13 17 109 13
J 26 26 12 24 54 14 21 82 12 18 110 15
S 27 27 21 25 55 23 22 83 26 19 111 28
M 28 28 26 26 56 27 23 84 27 20 112 30
Halaman 20
Sistem Syaraf Buatan
Data-data tersebut diperlihatkan secara grafis pada Gambar berikut. Pada Gambar
tesebut terlihat bahwa sistem memiliki pengaruh kecenderungan musiman. Jumlah
permintaan akan tinggi pada hari-hari tertentu yaitu Sabtu dan Minggu. Demikian juga,
pada awal atau akhir bulan, permintaan mie instan ini bahkan lebih tinggi.
Halaman 21
Sistem Syaraf Buatan
17 12 12 12 12 12 57 11 10 10 10 11
18 11 13 11 10 11 58 10 13 15 7 12
19 12 12 12 9 12 59 15 14 11 12 12
20 24 21 31 24 23 60 12 10 11 13 15
21 26 26 36 26 25 61 8 13 16 12 14
22 9 9 11 10 10 62 28 25 26 26 37
23 9 10 13 12 7 63 32 26 25 27 37
24 12 12 12 12 15 64 10 10 10 11 12
25 13 11 10 11 13 65 13 15 7 12 13
26 12 12 9 12 14 66 14 11 12 12 10
27 21 31 24 23 23 67 10 11 13 15 9
28 26 36 26 25 27 68 13 16 12 14 7
29 9 11 10 10 11 69 25 26 26 37 25
30 10 13 12 7 10 70 26 25 27 37 29
31 12 12 12 15 15 71 10 10 11 12 11
32 11 10 11 13 12 72 15 7 12 13 12
33 12 9 12 14 8 73 11 12 12 10 13
34 31 24 23 23 28 74 11 13 15 9 13
35 36 26 25 27 32 75 16 12 14 7 12
36 11 10 10 11 10 76 26 26 37 25 24
37 13 12 7 10 13 77 25 27 37 29 25
38 12 12 15 15 14 78 10 11 12 11 11
39 10 11 13 12 10 79 7 12 13 12 8
40 9 12 14 8 13
Tabel 79 Data Yang Akan Dilatih.
Input Target
No
T-21 T-14 T-7 T T=7
1 12 12 10 13 16
2 13 15 9 13 13
3 12 14 7 12 15
4 26 37 25 24 28
5 27 37 29 25 30
6 11 12 11 11 12
7 12 13 12 8 13
8 12 10 13 16 14
9 15 9 13 13 15
10 14 7 12 15 13
11 37 25 24 28 35
12 37 29 25 30 38
13 12 11 11 12 11
14 13 12 8 13 12
Tabel 14 Data Yang Akan Dicek
Halaman 22
Sistem Syaraf Buatan
[pn,meanp,stdp,tn,meant,stdt]=prestd(P,T)
Halaman 23
Sistem Syaraf Buatan
Proses Pelatihan :
TRAINGDM, Epoch 0/5000, MSE 1.15396/0.01, Gradient 0.785193/1e-010
TRAINGDM, Epoch 200/5000, MSE 0.0709291/0.01, Gradient 0.0113334/1e-010
TRAINGDM, Epoch 400/5000, MSE 0.0611334/0.01, Gradient 0.0076065/1e-010
TRAINGDM, Epoch 600/5000, MSE 0.0561193/0.01, Gradient 0.00705583/1e-010
TRAINGDM, Epoch 800/5000, MSE 0.050736/0.01, Gradient 0.00765904/1e-010
TRAINGDM, Epoch 1000/5000, MSE 0.0447094/0.01, Gradient 0.0073939/1e-010
TRAINGDM, Epoch 1200/5000, MSE 0.0408566/0.01, Gradient 0.00509012/1e-010
TRAINGDM, Epoch 1400/5000, MSE 0.0387012/0.01, Gradient 0.00427469/1e-010
TRAINGDM, Epoch 1600/5000, MSE 0.0370799/0.01, Gradient 0.00380796/1e-010
Halaman 24
Sistem Syaraf Buatan
Halaman 25
Sistem Syaraf Buatan
BobotAkhir_Bias_Input =
-2.2329
-2.8326
2.9022
2.1041
-0.8067
1.8065
-0.7975
-1.0957
-0.7028
-2.3400
BobotAkhir_Lapisan1 =
1.4245 1.0772 1.0029 -0.0390 0.0126 -1.7508 0.8081 1.1688 1.0990 0.3959
0.8857 1.4784 -0.0239 0.0917 -0.5102 -1.0847 -1.9556 1.0259 -1.2774 -1.0410
1.3385 -2.6600 -0.5967 0.0841 2.7134 -0.0976 -1.1809 -0.9917 -1.8543 0.9382
1.1372 -1.4831 0.6483 -0.4661 -0.0826 3.0700 -0.7946 0.4980 -0.1740 -1.2393
1.0950 1.1320 -1.4433 1.2657 0.5956 -0.3650 1.7735 -2.2310 -1.3305 0.3142
BobotAkhir_Bias_Lapisan1 =
-3.3011
-1.6648
0.4462
2.1487
3.0177
BobotAkhir_Lapisan2 =
0.6345 -1.0312 -2.1722 -1.8339 1.9859
BobotAkhir_Bias_Lapisan2 =
1.8964
Menghasilkan :
Halaman 26
Sistem Syaraf Buatan
Halaman 27
Sistem Syaraf Buatan
Error (E) terkecil terletak pada data ke-6 yaitu sebesar 0.01 ; sedangkan E terbesar
terletak pada data ke-24 yaitu sebesar 3.6536. nilai MSE di akhir pelatihan sebesar
0.026.
Output jaringan dan target dianalisis dengan regresi linear menggunakan postreg :
[m1,a1,r1]=postreg(a,T)
Menghasilkan
Gradien garis terbaik (m1):
m1 =
0.9730
Konstanta :
a1 =
0.4300
Halaman 28
Sistem Syaraf Buatan
Gambar Perbandingan Antara Target Dengan Output Jaringan, Untuk Data Pelatihan
Selanjutnya, pengujian akan dilakukan terhadap data-data yang tidak ikut dilatih (Data
cheking sebanyak 14 data pada Tabel). Misalnya data cek disimpan pada matriks Q
untuk input data (t-21), (t-14), (t-7), dan t; serta matriks TQ untuk target. Sebelumnya
kita lakukan normalisasi terlebih dahulu dengan trastd, hasil simulasi didenormalisasi
dengan poststd.
Qn = trastd(Q,meanp,stdp);
Bn = sim(net,Qn)
B = poststd(bn,meant,stdt)
Menghasilkan:
Halaman 29
Sistem Syaraf Buatan
Koefisien korelasi bernilai 0.9750 (mendekati 1), menunjukkan hasil yang baik untuk
kecocokan output jaringan dengan target.
Lihat perbandingan antara target dengan output jaringan pada gambar berikut. Pada
gambar berikut, output jaringan (o) dan target (*) sebagian besar sudah berdekatan
(hampir menempati posisi yang sama). Hasil terbaik terjadi apabila posisi (o) dan (*)
betul-betul berada pada posisi yang sama.
Gambar Perbandingan Antara Target Dengan Output Jaringan, Untuk Data Pengujian
Halaman 30
Sistem Syaraf Buatan
Coding Selengkapnya
>>Clear;
% Data Input & Target
>>Data=[…
10 9 10 9 9
8 10 11 9 10
12 11 12 12 12
10 10 11 13 11
12 12 12 12 12
30 23 24 21 31
35 26 26 26 36
9 10 9 9 11
10 11 9 10 13
11 12 12 12 12
10 11 13 11 10
12 12 12 12 9
23 24 21 31 24
26 26 26 36 26
10 9 9 11 10
11 9 10 13 12
12 12 12 12 12
11 13 11 10 11
12 12 12 9 12
24 21 31 24 23
26 26 36 26 25
9 9 11 10 10
9 10 13 12 7
12 12 12 12 15
13 11 10 11 13
12 12 9 12 14
21 31 24 23 23
26 36 26 25 27
9 11 10 10 11
10 13 12 7 10
12 12 12 15 15
11 10 11 13 12
12 9 12 14 8
31 24 23 23 28
36 26 25 27 32
11 10 10 11 10
13 12 7 10 13
12 12 15 15 14
10 11 13 12 10
9 12 14 8 13
24 23 23 28 25
26 25 27 32 26
10 10 11 10 10
12 7 10 13 15
12 15 15 14 11
11 13 12 10 11
12 14 8 13 16
23 23 28 25 26
25 27 32 26 25
10 11 10 10 10
7 10 13 15 7
15 15 14 11 12
13 12 10 11 13
14 8 13 16 12
Halaman 31
Sistem Syaraf Buatan
23 28 25 26 26
27 32 26 25 27
11 10 10 10 11
10 13 15 7 12
15 14 11 12 12
12 10 11 13 15
8 13 16 12 14
28 25 26 26 37
32 26 25 27 37
10 10 10 11 12
13 15 7 12 13
14 11 12 12 10
10 11 13 15 9
13 16 12 14 7
25 26 26 37 25
26 25 27 37 29
10 10 11 12 11
15 7 12 13 12
11 12 12 10 13
11 13 15 9 13
16 12 14 7 12
26 26 37 25 24
25 27 37 29 25
10 11 12 11 11
7 12 13 12 8];
>> P=Data(:,1:4)';
>> T=Data(:,5)';
%Preprocessing
>> [pn,meanp,stdp,tn,meant,stdt]=prestd(P,T)
%Set Bobot
>> net.IW{1,1}=[...
0.4500 0.0894 -0.8542 0.8416
0.9579 -0.1978 -0.5595 -0.6146
-0.6119 -0.9953 0.1435 -0.4015
-0.6320 -0.7867 -0.4583 0.5986
-0.0152 1.1257 0.4672 -0.1576
0.4021 -0.7500 -0.3316 -0.8762
0.5958 0.6346 0.6376 0.6659
-0.3116 0.9297 -0.7423 0.1878
-0.0043 0.7410 -0.8049 -0.6237
-0.7518 0.4902 0.5800 -0.6967];
>> net.b{1,1}=[...
-2.9086
-1.6140
2.9221
1.9021
-0.9166
1.5395
-1.2132
-1.4846
-1.4403
Halaman 32
Sistem Syaraf Buatan
-2.2184];
>> net.LW{2,1}=[...
1.4500 1.0501 0.9679 -0.0225 0.0705 -1.7650 0.8302 1.1891 1.1413
0.3847
0.7305 1.4203 -0.3329 0.1057 -0.1429 -1.5011 -1.5074 1.0495 -
1.1499 -1.0838
1.5362 -1.2236 -0.6011 0.0316 0.8532 0.4183 -1.4828 -0.9369 -
0.9060 1.3406
1.4153 -1.2922 -0.1157 -1.2216 1.0480 1.6869 0.0372 0.9609 -0.1592
-0.8628
0.9604 1.1946 -1.2088 1.4801 0.34184 -0.2468 1.2570 -0.9697 -
1.4478 -0.1297];
>> net.b{2,1}=[...
-3.2889
-1.6445
0
1.6445
3.2889];
% Melakukan Pembelajaran
>> net=train(net,pn,tn);pause
% Malakukan Simulasi
>> an = sim(net,pn);
>> a = poststd(an,meant,stdt);
>> H = [(1:size(P,2))' T' a' (T'-a')];
>> sprintf('%2d %9.2f %7.2f %5.2f\n',H')
Halaman 33
Sistem Syaraf Buatan
Halaman 34
Sistem Syaraf Buatan
Peramalan cuaca memberikan masukan suhu, tekanan, dan kelembaban relatif suatu
daerah dengan batasan-batasannya, yaitu :
1. Batasan suhu, yaitu berada di antara 24,3°C sampai dengan 31°C untuk
mendefinisikan suhu udara saat ini.
Halaman 35
Sistem Syaraf Buatan
2. Batasan tekanan udara, yaitu berada di antara 1006 mBar sampai dengan 1014,6
mBar untuk mendefinisikan tekanan udara saat ini.
3. Batasan kelembaban relatif, yaitu berada di antara 62% sampai dengan 97% untuk
mendefinisikan tingkat kelembaban udara relatif saat ini.
(a)
(b)
(c)
Halaman 36
Sistem Syaraf Buatan
(a)
(b)
(c)
Halaman 37
Sistem Syaraf Buatan
(a)
(b)
Gambar (a) Keluaran Suhu Rata-Rata (b) Keluaran Kelembaban Relatif Rata-Rata
Halaman 38
Sistem Syaraf Buatan
Halaman 39
Sistem Syaraf Buatan
DAFTAR PUSTAKA
[2] Jong Jek Siang. Jaringan Syaraf Tiruan Pemrograman Menggunakan Matlab.
Yogyakarta : Penerbit Andi. 2005.
Halaman 40