Perpustakaan Digital ITB

Pada tesis ini dikaji perilaku chaotic dari suatu sistem yang dimodelkan dengan persamaan Duffing. Persamaan Duffing dapat digunakan untuk menggambarkan sebuah perilaku chaotic didalam sebuah permasalahan nyata seperti masalah prediksi cuaca dan masalah ekonomi. Persamaan Duffing dapat memodelkan pergerakkan harga saham pada sistem ekonomi. Diperlukan sebuah metode untuk mengenali pola chaotic dengan menggunakkan data tidak chaos. Studi persamaan Duffing dimulai dengan mencari solusi numerik dengan menggunakan metode Euler, Runge Kutta orde ke-2 (RK2), orde ke-4 (RK4), dan orde ke-6 (RK6). Penggunaan beberapa metode ini dimaksudkan untuk menentukan perbandingan hasil yang lebih akurat. Data yang dihasilkan dari metode ini dipakai selanjutnya pada penentuan jumlah data yang digunakan untuk mensimulasikan kondisi chaotic pada sistem yang ditinjau. Pada penelitian ini diimplementasikan metode kecerdasan buatan yaitu Jaringan Sel syaraf tiruan (JST) dengan metode backpropagation. Uji kemampuan JST dalam mengenali pola chaotic pada persamaan Duffing dilakukan dengan mengenali pola data yang sama sekali tidak dilibatkan dalam proses pelatihan (training) JST. Hasil tesis ini menunjukkan performa struktur JST yang optimal untuk mengenali pola chaotic dari sistem persamaan Duffing. Diperoleh hubungan parameter learning rate dengan waktu penyelesaian pelatihan menggunakan JST, selain itu ada korelasi antara banyaknya node pada lapisan hidden yang optimal dengan nilai MSE pelatihan JST yang diharapkan. Banyak node pada lapisan hidden yang optimal terlihat dari kemampuan JST untuk mencapai stopping criteria yang digunakan dan kemampuan menghasilkan MSE terkecil.