IMPLEMENTASI ALGORITMA PELATIHAN LEVENBERG MARQUARDT DAN BAYES REGULARISASI PADA JARINGAN SYARAF TIRUAN UNTUK PREDIKSI CURAH HUJAN (Studi Kasus : Stasiun pengamatan curah hujan Pangsuma Putussibau, Kalimantan Barat)

Yasinta Lisa, Drs. Retantyo Wardoyo, M.Sc., Ph.D

2012 | Tesis | S2 Ilmu Komputer

Algoritma Levenberg Marquardt digunakan untuk pelatihan feedforward neural network karena keefektifan dan kecepatan konvergensinya. Levenberg Marquardt merupakan metode optimasi nonlinier yang digunakan pada saat koreksi error backpropagation untuk menemukan bobot yang disesuaikan. Salah satu cara untuk meningkatkan performa generalisasi jaringan syaraf tiruan adalah regularisasi. Tehnik regularisasi yang sering digunakan adalah regularisasi bayes. Penelitian ini dilakukan untuk mengetahui bagaimana kinerja jaringan syaraf tiruan dengan metode pelatihan Levenberg Marquardt dengan penambahan regularisasi untuk prediksi data time series serta membandingkan dengan algoritma Levenberg Marquardt tanpa regularisasi. Data yang digunakan dalam penelitian ini adalah data bulanan curah hujan, suhu rata-rata, kelembaban udara, tekanan udara di atas stasiun pengamatan dan kecepatan angin rata-rata di stasiun pengamatan Pangsuma Putussibau Kalimantan Barat dari tahun 2008-2009. Pelatihan data dilakukan pada jaringan syaraf pada satu hidden layer dengan tiga buah neuron dan satu buah neuron pada output layer. Arsitektur jaringan ditentukan dengan cara coba-coba dan melihat MSE pelatihan terbaik yang dihasilkan. Dalam kasus ini hasil penelitian menunjukan bahwa algoritma Levenberg Marquardt dengan regularisasi menjadi lebih baik

Levenberg Marquardt algorithm is used for training feedforward neural networks because of the effectiveness and convergence acceleration. Levenberg Marquardt is nonliear optimization method that used for backpropagation to find adjusted weights. Regularization can improve the performance of the neural network generalization. Regularization technique that often used is the regularization bayes. This study was conducted to determine the performance of Levenberg Marquardt training neural networks method with the addition of regularization for time series data forecasting, compared with Levenberg Marquardt algorithm without regularization. The data used in this study were monthly data of rainfall, average temperature, humidity, air pressure above the observation stations and the average wind speed at the observation station Pangsuma Putussibau West Kalimantan in 2008-2009. Training data was done on a neural network in a single hidden layer with three neurons and one neuron in the output layer. The network architecture was determined by trial and error and shown the best training MSE generated. In this case, the study results showed that Levenberg Marquardt algorithm with regularization was better used.

Kata Kunci : Prediksi, Jaringan Syaraf Tiruan, Levenberg Marquardt, Bayes Regularisasi, Curah Hujan.