Prediksi Distribusi Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Di PDAM Kota Malang

• Main Authors: Daneswara Jauhari, Alfian Himawan, Candra Dewi
• Format: Article
• Language: Indonesian
• Published: University of Brawijaya 2016-06-01
• Series: Jurnal Teknologi Informasi dan Ilmu Komputer
• Online Access: http://jtiik.ub.ac.id/index.php/jtiik/article/view/155
• ISSN: 2355-7699; 2528-6579

Abstrak Distribusi air PDAM merupakan nilai volume air yang disalurkan ke pelanggan PDAM. Faktor yang mempengaruhi distribusi air PDAM diantanya adalah jumlah kehilangan air dan jumlah air yang terjual. Paper ini mengimplementasikan jaringan syaraf tiruan backpropagation untuk memprediksi jumlah dari distribusi air perbulan berdasarkan jumlah kehilangan air dan jumlah air yang terjual. Pada tahap pelatihan dilakukan pengujian untuk mendapatkan iterasi, learning rate, data latih dan data uji, jumlah node pada lapisan tersembunyi, dan minimum error yang optimal. Hasil pelatihan didapatkan iterasi optimal sebanyak 2000, learning rate yang optimal 0.1, data latih dan data uji yang optimal sebanyak 80 untuk data latih dan 11 untuk data uji, jumlah node pada lapisan tersembunyi sebanyak 5, sedangkan minimum error adalah 0.00001. Dari hasil pengujian menggunakan parameter optimal tersebut didapatkan akurasi terbaik sebesar 97,99%. Kata kunci: prediksi, distribusi air, PDAM, backpropagation, jumlah kehilangan air, jumlah air terjual Abstract PDAM water distribution is the value of the volume of water delivered to the customer taps. Factors affecting the distribution of water are amount of water loss and amount of water sold. This paper implements of the use of backpropagation neural network to predict the amount of water distribution per month based on mentioned factors above. The learning  phase is done to get the optimum number of iterations, learning rate, training data and test data, hidden node, and minimum error. The testing result shows the optimum number of iteration is 2,000, the optimum value of learning rate is 0.1, the optimum training data and test data as much as 80 for training data and 11 for the test data, the number of hidden node is 5, whereas the minimum error obtained is 0.00001. The results of testing by using these optimum parameter give the best accuracy of 97.99%. Keywords: prediction, water distribution, PDAM, backpropagation, water loss, water sold