Pengantar Komputasi Modern # pert 3

IMPLEMENTASI MULTI-LAYER PERCEPTRON DI METODE PREDIKSI DAN KLASIFIKASI CUACA DI WILAYAH BOGOR


1 Pendahuluan

1.1 Latar Belakang Masalah

Indonesia merupakan negara yang dilewati oleh garis khatulistiwa serta dikelilingi oleh dua samudera dan dua benua. Posisi ini menjadikan Indonesia sebagai daerah pertemuan sirkulasi meridional (Utara-Selatan) dikenal sebagai sirkulasi Hadley dan sirkulasi Zonal (Timur-Barat) dikenal sebagai sirkulasi Walker, dua sirkulasi yang sangat mempengaruhi keragaman iklim di Indonesia. Pergerakan matahari yang berpindah dari 23.5 Lintang Utara ke 23.5 Lintang Selatan sepanjang tahun mengakibatkan timbulnya aktivitas Moonson yang juga ikut berperan dalam mempengaruhi keragaman iklim. Pengaruh lokal terhadap keragaman iklim juga tidak dapat diabaikan, karena Indonesia merupakan negara kepulauan dengan bentuk topografi yang sangat beragam menyebabkan sistem golakan lokal cukup dominan. Faktor lain yang diperkirakan ikut berpengaruh terhadap keragaman iklim di Indonesia ialah gangguan siklon tropis. Semua aktivitas dan sistem ini berlangsung secara bersamaan sepanjang tahun akan tetapi besar pengaruh dari masing-masing aktivitas atau sistem tersebut tidak sama dan dapat berubah dari tahun ke tahun. Fenomena El-Nino dan La-Nina merupakan salah satu akibat dari penyimpangan iklim. Fenomena ini akan menyebabkan penurunan dan peningkatan jumlah curah hujan untuk beberapa daerah di Indonesia. Sejak tahun 1844 Indonesia telah mengalami kejadian kekeringan atau jumlah curah hujan di bawah rata-rata normal tidak kurang dari 43 kali. Dari 43 kali kejadian tersebut hanya 6 kali kejadiannya tidak bersamaan dengan kejadian fenomena El-Nino, hal ini menunjukkan bahwa keragaman hujan di Indonesia sangat dipengaruhi oleh fenomena ini. Prakiraan parameter klimatologi terutama hujan sudah menjadi kebutuhan nasional. Betapa tidak, bencana banjir akibat hujan yang turun dengan jumlah di atas normal atau bencana kekeringan akibat jumlah curah hujan yang berada di bawah normal, sering melanda wilayah Indonesia, bahkan disertai kerugian materi dan jiwa. Semua itu dapat diantisipasi dengan informasi yang akurat tentang bagaimana keadaan cuaca yang akan terjadi di suatu tempat pada kurun waktu tertentu. Pembacaan keadaan cuaca dapat dilakukan oleh model kecerdasan buatan (Artificial Inteligence) dengan menggunakan data historis mengenai parameter klimatologi. Penelitian yang pernah dilakukan, menggunakan Backpropagation Neural Network, hasil peramalan dipandang masih dapat ditingkatkan keakurasiannya, oleh sebab itu pada penelitian kali ini digunakan metode klasifikasi jaringan syaraf tiruan dengan harapan dapat memberikan hasil peramalan keadaan cuaca yang lebih baik.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang sudah dipaparkan, masalah yang akan dibahas dalam penelitian ini dirumuskan sebagai berikut,

1. Bagaimana cara memprediksi keadaan cuaca?

2. Bagaimana cara mengklasifikasikan keadaan cuaca tersebut?

2 Landasan Teori

2.1 Klasifikasi Cuaca

Cuaca adalah nilai sesaat (aktual) dari keadaan atmosfer ,serta perubahan dalam jangka pendek (<1 jam hingga 24 jam) di suatu tempat tertentu di bumi. Perubahan dalam jangka pendek selama 24 jam membentuk pola siklus yang disebut perubahan cuaca diurnal (siang-malam). Nilai rata-rata 24 jam = cuaca pada tanggal tersebut.

2.2 Python

Python adalah bahasa pemrograman model skrip (scripting language) yang berorientasi obyek. Python dapat digunakan untuk berbagai keperluan pengembangan perangkat lunak dan dapat berjalan di berbagai platform sistem operasi. Python merupakan bahasa pemrograman yang freeware atau perangkat bebas dalam arti sebenarnya, tidak ada batasan dalam penyalinannya atau mendistribusikannya. Lengkap dengan source codenya, debug ger dan profiler, antarmuka yang terkandung di dalamnya untuk pelayanan antarmuka, fungsi sistem, GUI (antarmuka pengguna grafis), dan basis datanya.

Beberapa fitur yang dimiliki Python adalah:

• Memiliki kepustakaan yang luas; dalam distribusi Python telah disediakan modul-modul ’siap pakai’ untuk berbagai keperluan,

• Memiliki tata bahasa yang jernih dan mudah dipelajari.

• Memiliki aturan layout kode sumber yang memudahkan pengecekan, pembacaan kembali dan penulisan ulang kode sumber. berorientasi objek.

• Memiliki sistem pengelolaan memori otomatis (garbage collection, seperti java)

• Modular,mudahdikembangkandenganmenciptakanmodul-modulbaru; modul-modul tersebut dapat dibangun dengan bahasa Python maupun C/C++.

• Memiliki fasilitas pengumpulan sampah otomatis, seperti halnya pada bahasa pemrograman Java, python memiliki fasilitas pengaturan penggunaan ingatan komputer sehingga para pemrogram tidak perlu melakukan pengaturan ingatan komputer secara langsung.

• Memiliki banyak faslitas pendukung sehingga mudah dalam pengoprasiannya.

2.3 Artificial Intelligence

Kecerdasan Buatan atau Artificial Intelligence (AI) adalah teknik yang digunakan untuk meniru kecerdasan yang dimiliki oleh makhluk hidup maupun benda mati untuk menyelesaikan sebuah persoalan. Untuk melakukan hal ini, setidaknya ada tiga metode yang dikembangkan.

1. Fuzzy Logic(FL)

Teknik ini digunakan oleh mesin untuk mengadaptasi bagaimana makhluk hidup menyesuaikan kondisi dengan memberikan keputusan yang tidak kaku antara 0 atau 1. Sehingga dimunculkan sistem fuzzy logic yang tidak kaku. Penerapan logika fuzzy ini salah satunya adalah untuk sistem pengereman kereta api di Jepang.

2. EvolutionaryComputing(EC)

Pendekatan ini menggunakan skema evolusi yang menggunakan jumlah individu yang banyak dan memberikan sebuah ujian untuk menyeleksi individu terbaik untuk membangkitkan generasi selanjutnya. Seleksi tersebut digunakan untuk mencari solusi dari suatu permasalahan. Contoh dari pendekatan ini adalah Algoritma Genetika yang menggunakan ide mutasi dan kawin silang, Particle Swarm Optimization (PSO) yang meniru kumpulan binatang seperti burung dan ikan dalam mencari mangsa, Simulated Annealing yang menirukan bagaimana logam ditempa, dan masih banyak lagi.

3. Machine Learning (ML) atau pembelajaran mesin merupakan teknik yang paling populer karena banyak digunakan untuk menggantikan atau menirukan perilaku manusia untuk menyelesaikan masalah. SesuainamanyaMLmencobamenirukanbagaimanaprosesmanusiaatau makhluk cerdas belajar dan menggeneralisasi.

2.4 Machine Learning

MachineLearning(ML) atau pembelajaran mesin merupakan pendekatan dalam AI yang banyak digunakan untuk menggantikan atau menirukan perilaku manusia untuk menyelesaikan masalah atau melakukan otomatisasi. Sesuai namanya, ML mencoba menirukan bagaimana proses manusia atau makhluk cerdas belajar dan mengeneralisasi. Setidaknya ada dua aplikasi utama dalam ML yaitu, klasifikasi dan prediksi . Ciri khas dari ML adalah adanya proses pelatihan, pembelajaran, atau training. Oleh karena itu, ML membutuhkan data untuk dipelajari yang disebut sebagai data training. Klasifikasi adalah metode dalam ML yang digunakan oleh mesin untuk memilah atau mengklasifikasikan obyek berdasarkan ciri tertentu sebagaimana manusiamencobamembedakanbendasatudenganyanglain. Sedangkanprediksi atau regresi digunakan oleh mesin untuk menerka keluaran dari suatu data masukan berdasarkan data yang sudah dipelajari dalam training. Metode ML yang paling populer yaitu Sistem Pengambil Keputusan, Support Vector Machine (SVM) dan Neural Network.

2.5 Neural Network

Neural Network (ANN) adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi, yang merupakan representasi tiruan dari otak manusia, yang berisi berjuta-juta sel syaraf (neuron) dan berfungsi untuk memproses informasi. Neuron mempunyai karakteristik yang sama dalam ANN, terdiri dalam kelompok-kelompok yang disebut layer. Neuron- neuron dalam satu layer terhubung dalam layer-layer lainnyayangberdekatan. Kekuatanhubunganantarneuronyangberdekatan direpresentasikan dalam kekuatan hubungan atau bobot

Sebuah ANN umumnya terdiri dari tiga layer yaitu input layer, hidden layer dan output layer. Input layer (lapisan masukan) terdiri dari neuronneuron yang menerima sebuah input dari lingkungan luar. Input yang dimasukkan merupakan penggambaran dari suatu masalah. Hidden layer(lapisan tersembunyi) terdiri dari neuron-neuron yang menerima masukan dari input layer, dan kemudian membawa output ke layer berikutnya. Lapisan output disebut unit-unit output, terdiri dari neuron-neuron yang menerima output dari hidden layer dan mengirimkannya kepada pemakai.