KOMBINASI SELF ORGANIZING MAP DAN RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PEMILIHAN MODA ANGKUTAN PENUMPANG (Studi Kasus : Rute Pontianak-Kuching)

DWI MARISA MIDYANTI, Drs. Widodo Prijodiprodjo, M.Sc., EE

2013 | Tesis | S2 Ilmu Komputer

Moda adalah jenis-jenis sarana transportasi yang tersedia untuk melakukan perjalanan. Adanya operator maskapai penerbangan yang melayani rute Pontianak-Kuching dan menawarkan pelayanan dengan harga murah, mengakibatkan penumpang bis mulai beralih ke pesawat udara. Pemerintah atau operator perlu mengetahui moda apa yang akan dipilih oleh penumpang sehingga dapat terawasinya persaingan sehat antara moda-moda tersebut. RBF dipilih untuk melakukan klasifikasi pemilihan moda angkutan penumpang untuk rute Pontianak-kuching karena memiliki kemampuan dalam prediksi dan klasifikasi pola. RBF adalah paradigm pembelajaran hibrida dimana RBF dilatih dengan aturan tak terbimbing (unsupervised) pada lapisan input dan aturan pelatihan terbimbing (supervised) pada lapisan output. Algoritm RBFNN membutuhkan banyak center sehingga arsitektur dan jumlah bobot menjadi tidak efisien. Self Organizing Map (SOM) digunakan untuk mengatasi masalah tersebut dengan menentukan center dan jumlah neuron pada hidden layer. SOM merupakan salah satu metode pengelompokkan (clustering) dengan pembelajaran unsupervised (tidak terawasi) yang mempunyai kemampuan dalam pengelompokkan (clustering) data yang besar maupun yang kecil. Hasil dari penelitian ini menunjukkan bahwa kombinasi SOM pada RBFNN lebih baik pada generalisasi data jika dibandingkan dengan algoritma RBFNN dan Backpropagation.

Moda is the types of transportation are available for travel. The existence of airlines serving Pontianak-Kuching route and offer services at low prices, cause the bus passengers to switch to airplane. Government or operator needs to know what mode will be selected by the passengers so that they can oversee the competition between these modes. RBF was chosen to classify the selection mode of passanger transportation Pontianak-Kuching route because of the ability of RBF in the prediction and pattern classification. RBF is a hybrid learning paradigm which trained by unsupervised in the input layer and the supervised in the output layer. RBF algorithm requires a lot of centers that make the architecture and the number of weight become inefficient. Self Organizing Map (SOM) is used to solve the problem by determining the center and the number of neurons in the hidden layer. SOM is one method of clustering with unsupervised learning that has the ability for clustering of large and less of data. The results of this study indicate that the combination of SOM-RBF better on generalized test data when compared to RBFNN and Backpropagation algorithm.

Kata Kunci : prediksi pemilihan moda, Radial Basis Function, Self Organizing Map