Implementasi Paralel PSO dalam Melatih JST untuk Memprediksi Ketinggian Gelombang Laut

Komputasi Paralel

Abstract

Ketinggian gelombang laut menjadi faktor utama keselamatan pelayaran di laut. Teknologi prediksi diperlukan untuk memperkirakan ketinggian selanjutnya yang akan muncul. Prediksi bisa dilakukan dengan mempelajari pola-pola perubahan tinggi gelombang air laut. Jaringan Syaraf Tiruan dapat digunakan untuk melakukan prediksi, dan Particle Swarm Optimization digunakan untuk melatih bobot dan bias jaringan syaraf agar dapat melakukan prediksi. Namun, banyaknya data pada pembelajaran membuat pemrosesan pelatihan membutuhkan waktu yang lama. Penelitian ini mengusulkan teknik pemrosesan pelatihan dengan membagi tugas pemrosesan data-data tersebut. Pemrosesan ditugaskan dengan teknik pemrograman multithread. Swarm dibagi dengan jumlah thread yang dibangkitkan kemudian ditransfer ke masing-masing thread untuk diproses secara paralel. Hasil percobaan menunjukkan bahwa error prediksi dari pelatihan secara paralel tidak lebih buruk dari pelatihan secara sekuensial, namun kecepatan pelatihan secara paralel lebih cepat dibandingkan dengan pelatihan secara sekuensial