1 Pendahuluan 1.1
Latar Belakang Masalah Kebutuhan masyarakat akan perkiraan cuaca terutama curah hujan ini menjadi sangat penting untuk merencanakan segala aktifivitas mereka. Curah hujan juga memiliki beberapa peran penting dalam berbagai sektor, antara lain sektor pertanian dalam menentukan kapan masa tanam suatu tanaman, transportasi terutama laut dan udara. Curah hujan juga menjadi bahan pertimbangan ketika seseorang akan mengadakan suatu event besar, misalkan orang akan cenderung berpiknik dalam cuaca cerah. Pemikiran orang ini didasarkan pada keadaan hari-hari sebelumnya atau ada kebiasaan yang sifatnya tetap. Contohnya hujan banyak turun ketika bulan Januari, kemarau biasanya terjadi pada bulan Mei dan sebagainya. Orang bisa mengatakan demikian karena ada historis atau keadaan sebelumnya banyak curah hujan pada bulan tersebut. Namun pengaruh pemanasan global ini menyebabkan adanya perubahan cuaca yang tidak menentu. Dalam tugas akhir ini penulis tidak menggunakan faktor tersebut sebagai suatu acuan perkiraan cuaca terutama curah hujan. Berdasarkan latar belakang permasalahan-permasalahan di atas penulis mengusulkan sistem untuk prediksi curah hujan menggunakan Neuro-Fuzzy Function Approximator (NEFPROX). Studi kasus prediksi curah hujan sebelumnya pernah diimplementasikan menggunakan metode Evolution Strategis (ES). Hasil penelitian menunjukkan bahwa hasil prediksi tidak terlalu baik yang ditunjukkan dengan MAPE yang sangat tinggi yaitu rata-rata di atas 100% dan tingkat kesalahan lebih dari 20%. Fungsi yang merupakan representasi kromosom dari ES adalah fungsi linier sementara kasus prediksi curah hujan adalah model non-linier [10]. Hal inilah yang menyebabkan metode ini kurang cocok untuk kasus prediksi curah hujan. Oleh karena itu penulis mengusulkan
metode Neuro-Fuzzy Function
Approximator (NEFPROX), suatu metode dengan melakukan pendekatan fungsi
1
untuk pasangan data input dan output sehingga dengan data yang non linier yang dimiliki curah hujan akan didekati dengan fungsi kontinyu yang paling cocok untuk pasangan data tersebut [15]. Dalam tugas akhir ini pendekatan yang akan digunakan adalah menggabungkan fuzzy system dengan Artifical Neural Network (ANN) yang selanjutnya disebut Fuzzy Neural Network (FNN). Metode ini mengadopsi karakteristik kedua metode kecerdasan buatan yaitu fuzzy dan ANN dimana keduanya sama-sama mampu menyelesaikan permasalahan yang memiliki informasi tidak lengkap, samar dan kebenarannya parsial [15]. Dengan mengobservasi input dan output pasangan data untuk sistem yang belum diketahui, suatu model dapat dipasang pada sistem tersebut menggunakan pendekatan model intelligent. Dengan model tersebut maka hubungan inputoutput dapat diperkirakan. Proses seperti ini disebut proses identifikasi yang juga diketahui sebagai sistem model untuk function approximation [6]. Metode NEFPROX merupakan salah satu varian dari FNN, dimana suatu desain fuzzy system dilatih menggunakan pembelajaran yang dimiliki NEFPROX sehingga menghasilkan arsitektur yang optimal untuk menyelesaikan permasalahan yang ada. Pembelajaran dalam NEFPROX terbagi dalam 2 yaitu stucture learning dimana pembelajaran ini adalah untuk membangun rule-rule yang digunakan dan yang kedua adalah parameter learning untuk menentukan pergeseran batas-batas fungsi keanggotaan hingga menuju pada posisi yang paling optimal sesuai dengan data input dan output yang diberikan [15].
1.2
Perumusan Masalah Berdasarkan latar belakang masalah, maka masalah yang dirumuskan adalah
bagaimana
mengimplementasikan
dan
menganalisis
performansi
NEFPROX sebagai algoritma untuk mengoptimasi struktur fuzzy sistem untuk memprediksi curah hujan serta mengetahui faktor-faktor input iklim yang paling berpengaruh terhadap peramalan curah hujan.
2
1.3
Batasan Masalah Yang menjadi batasan masalah dalam tugas akhir ini adalah: 1. Input sistem untuk meramal curah hujan adalah curah hujan pada hari H yaitu kelembaban udara, tekanan udara, temperatur udara, curah hujan, lama penyinaran matahari dan angin pada hari H-1. 2. Data latih, data validasi dan data uji yang digunakan adalah data wilayah Tangerang pada tahun 2009 dan 2010. 3. Yang menjadi output adalah nilai curah hujan yang diukur dalam satuan milimeter dan klasifikasi curah hujan.
1.4
Tujuan Tujuan yang ingin dicapai dalam penelitian ini adalah 1. Mengimplementasikan dan menganalisis Neuro-Fuzzy dengan arsitektur NEFPROX untuk membuat perangkat lunak yang dapat meramalkan curah hujan pada suatu wilayah. 2. Menganalisis performansi sistem peramalan curah hujan yang optimal yang diukur dari Root Mean Square Error (RMSE) dan akurasi. 3. Menganalisis pengaruh epoch dan learning rate terhadap RMSE yang dihasilkan sistem. 4. Melihat faktor-faktor input yang paling berpengaruh dalam peramalan curah hujan
1.5
Metodologi Penyelesaian Masalah Metodologi penyelesaian masalah yang akan digunakan adalah : a. Studi literatur Merupakan tahapan dalam mempelajari konsep dan teori pendukung untuk memecahkan permasalahan. Dalam tugas akhir ini, studi literatur meliputi pembelajaran konsep Neural Network, Fuzzy Logic, Neuro-Fuzzy, NEFPROX serta informasi lainnya yang menunjang pembuatan tugas akhir ini. b. Pengumpulan data
3
Pengumpulan data meliputi pengumpulan data yang terkait dengan cuaca khususnya curah hujan yang diperoleh dari Badan Meteorologi dan Geofisika. c. Pemodelan sistem Sistem yang akan dibangun adalah sistem fuzzy yang dilatih dengan NEFPROX menggunakan dua jenis pembelajaran, yaitu:
Structure learning : pembentukan rule-rule fuzzy
Parameter learning : menentukan pergeseran batas-batas fungsi keanggotaan hingga menuju pada posisi yang paling optimal sesuai dengan data input dan output yang diberikan
Kelembaban udara, temperatur udara, tekanan udara, curah hujan, lama penyinaran,angin, fungsi keanggotaan awal
Data iklim
Prediksi curah hujan
testing
Structure learning
Fuzzy rule, Kelembaban udara, temperatur udara, tekanan udara, curah hujan, lama penyinaran,angin, fungsi keanggotaan yang telah bergeser
Fuzzy rule, Kelembaban udara, temperatur udara, tekanan udara, curah hujan, lama penyinaran,angin, fungsi keanggotaan awal
Parameter learning
Gambar 1.1 Flowchart sistem NEFPROX prediksi curah hujan
d. Implementasi sistem Tahapan dimana dilakukan implementasi sistem berdasarkan model yang telah dibuat sebelumnya. e. Testing dan Analisa Hasil Merupakan tahapan pengujian data terhadap sistem dan analisis hasil yang didapatkan. Pengujian dilakukan untuk mengukur performansi dalam hal ini akurasi prediksi peramalan curah hujan. f. Pembuatan laporan Tahapan pembuatan laporan yang berisi dokumentasi dari sistem yang dibangun.
4
1.6
Sistematika Penulisan Tugas akhir ini disusun dengan sistematika penulisan sebagai berikut: 1. Pendahuluan Bab ini menjelaskan tentang tugas akhir ini secara umum, meliputi latar belakang, perumusan, batasan masalah, tujuan, metodologi penyelesaian masalah dan sistematika penulisan. 2. Landasan Teori Bab ini menjelaskan tentang dasar teori yang dipakai dan berhubungan dengan pembuatan tugas akhir ini. Dasar teori yang dipakai meliputi Fuzzy System, Jaringan Syarat Tiruan (JST), neuro-fuzzy function approximator (NEFPROX), prediksi curah hujan serta konsep analisis performansi. 3. Analisis dan Perancangan Sistem Bab ini menjelaskan tentang perancangan sistem perangkat lunak baik secara umum (deskripsi umum) maupun lebih spesifik menurut tahapan-tahapan yang dipakai dalam sistem. Selain itu analisis sistem meliputi kebutuhan perangkat lunak serta kebutuhan perangkat keras atau lingkungan sistem juga dibahas pada bab ini. 4. Analisis dan Implementasi Sistem Bab ini menjelaskan mengenai implementasi sistem yang dibangun berdasarkan hasil perancangan pada bab 3. Setelah dilakukan implementasi, sistem kemudian akan diujikan dengan berbagai skenario pengujian lalu dilakukan analisis terhadap hasil pengujian tersebut. 5. Kesimpulan dan Saran Bab ini menjelaskan kesimpulan dari hasil penelitian serta saran yang diajukan penulis untuk kemajuan tugas akhir ini.
5
