PENERAPAN JARINGAN SYARAF TIRUAN DALAM PENGKLASIFIKASIAN TINGKAT PENCEMARAN AIR SUNGAI DI RIAU DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ ) 2.1

Abstract

Teknologi pada saat ini sudah berkembang sangat pesat tidak hanya sebagai penerapan dari sebuah  ilmu pengetahuan secara praktis mengenai hal- hal teknis,namun sudah berkembang sebagai pondasi ilmu pengetahuan secara luas,Hal ini ditunjukkan dengan banyaknya ilmu yang didasari oleh teknologi .Salah satu contoh yaitu Penerapan Jaringan Syaraf Tiruan Dalam Pengklasifikasian Tingkat Pencemaran Air Sungai Dengan metode Learning Vector Quantozation (LVQ) 2.1.Jaringan syaraf tiruan (JST) adalah salah satu bagian dari artificial intelegence. JST merupakan pengetahuan yang menirukan kinerja sel-sel syaraf manusia atau disebut syaraf biologis yang ada pada otak manusia. LVQ merupakan tahap pembelajaran pada lapisan kompetitif yang secara otomatis belajar untuk mengklasifikasikan vektor-vektor masukan. Sungai – sungai yang dikelola adalah sungai Induk di provinsi Riau dengan Parameter yang diinputkan  ada sebanyak 12 sampel air.Keluaran dari sistem Kualitas Air ini berdasarkan kriteria klasifikasi pencemaran air yaitu: kelas baik sekali (memenuhi baku mutu), kelas baik (tercemar ringan), kelas sedang (tercemar sedang), dan kelas buruk (tercemar berat). Parameter yang digunakan pada proses pengujian yaitu learning rate 0.015, 0.025, 0.035, 0.045, 0.05, 0.060, 0.075, 0.085, 0.090, 0.1, pengurangan learning rate 0.005, minimal learning rate 0.01 dan window 0, 0.2, 0.4 dengan perbandingan data latih 90:10 menghasilkan akurasi 90% dan 80:20 menghasilkan akurasi 90%. Sehingga rata-rata akurasi pada proses pengujian adalah 90 %.Berdasarkan hasil pengujian,nilai window = 0.4 lebih baik dari pada nilai window = 0.2 dan window = 0. Ini membuktikan bahwa hasil perhitungan LVQ 2.1 juga sangat dipengaruhi oleh nilai window yang digunakan.

Abstract

Technology on now develops very rapidly not only as the application of a science in practice on hal-, technical issues but has grown widely as the science, this is apparent from many of which are based on the technology. One example of that is the application of artificial neural network pengklasifikasian water pollution in the river by the learning vector quantozation ( lvq 2.1.jaringan ) artificial neural ( jst ) is one part of an artifical intelegence.Jst knowledge sel-sel performance is similar to a human or biological called neurons in the human brain.In the learning stage lvq is competitive automatically learn to classify vektor-vektor. Input The run is the parent In the province of riau with parameters diinputkan there were as many as 12 water sample . Output of a system is based on the quality of water the water pollution classification criteria: Class good ), ( meet quality standards class good ( ), light polluted class and (, ) was tainted and the bad (. ) badly pollutedParameters used in the process of testing Learning, 0.015 rate 0.025, 0.035, 0.045, 0.05, 0.06, 0.075, 0.085, 0.090, 0.10, learning, 0.005 rate reduction at least learning rate 0, 0.01 and window 0.2, with comparative data training 0.4: 90 10 Producing 80 and 90 accuracy %: %. 20 produce 90 accuracySo rata-rata accuracy in the process of testing is 90 % .berdasarkan, testing results The window = 0.4 better than in the window = = 0. 0.2 and windowThis proves that the results of lvq 2.1 is highly influenced by the window used.