1 PENDAHULUAN 1.1
Latar Belakang Curah hujan merupakan faktor yang berpengaruh langsung terhadap perubahan cuaca yang semakin memburuk. Curah hujan merupakan total air hujan yang terjatuh pada permukaan tanah dalam waktu tertentu yang diukur menggunakan satuan tinggi dalam milimeter (mm) pada permukaan tanah datar. Air hujan tersebut tidak boleh menguap, meresap, maupun mengalir yang bisa menyebabkan perbedaan ketinggian air hujan ketika diukur Menghindari perubahan cuaca yang tidak menentu dibutuhkan analisis dan prediksi yang lengkap dan akurat terhadap data-data curah hujan agar nantinya data yang telah dihasilkan berguna bagi bidang yang membutuhkan dan memperkecil risiko terkena dampak perubahan cuaca yang tidak menentu Dari penjelasan diatas, maka diperlukan suatu sistem untuk memprediksi curah hujan. Untuk menganalisis dan memprediksi data curah hujan penulis menggunakan arsitektur Jaringan Syaraf Tiruan yang merupakan implementasi dari fungsi sistem saraf manusia dalam pengenalan pola yang sangat akurat. Arsitektur dalam Jaringan Syaraf Tiruan sendiri terbagi dalam beberapa arsitektur, salah satunya adalah Competitive Neural Network. Competitive
Neural
Network
menggunakan
proses
belajar
Unsupervised Learning atau belajar tanpa pengawasan yang berarti tidak diberikan target output untuk dipelajari dalam arsitektur Competitive Neural Network ini. Tujuan metode unsupervised learning ini agar kita dapat mengelompokkan unit-unit yang hampir sama dalam satu area tertentu. Arsitektur ini umumnya menggunakan dua lapisan layer yaitu lapisan input dan lapisan kompetitif. Lapisan kompetitif terdiri dari susunan neuron yang saling bersaing untuk menjadi “pemenang” (Winner Takes all)
untuk memberikan respon ke ciri khas yang berisi data
masukan. Hasil dari Competitive Neural Network adalah pengelompokan
13
dari setiap “pemenang-pemenang” yang sudah diperoleh dari lapisan kompetitif. Berdasarkan hasil penelitian yang pernah dilakukan, prediksi pada kasus beban listrik berdasarkan Competitive Neural Network [2] dan aplikasi untuk pengelompokan minat mahasiswa terhadap topik-topik penelitian menggunakan algoritma Competitive Neural Network” [8], Menghasilkan akurasi yang baik. Oleh karena itu, pada Tugas akhir ini hasil yang diperoleh dari algoritma Competitive Neural Network digunakan untuk prediksi curah hujan di wilayah Soreang Kabupaten Bandung yang akan membentuk model prediksi curah hujan untuk satu bulan kedepan (M+1). Diharapkan dengan adanya sistem prediksi curah hujan, akan membantu bagi masyrakat yang membutuhkan.
1.2
Perumusan Masalah Adapun Perumusan masalah dalam Tugas akhir ini antara lain : 1. Bagaimana mengimplementasikan arsitektur Jaringan Syaraf Tiruan Competitive Neural Network untuk memprediksi curah hujan di wilayah Soreang Kabupaten Bandung. 2. Bagaimana menemukan parameter bobot dan learning rate yang optimal untuk algoritma Competitive Neural Network. 3. Bagaimana
akurasi
dari
Competitive
Neural
Network
dalam
memprediksi curah hujan di wilayah Soreang Kabupaten Bandung.
1.3
Tujuan Dari perumusan masalah di atas, maka tujuan dari Tugas akhir ini adalah: 1. Mengimplementasikan arsitektur Competitive Neural Network untuk prediksi curah hujan. 2. Menemukan parameter bobot dan learning rate yang optimal untuk algoritma Competitive Neural Network. 3. Mengetahui hasil akurasi yang didapatkan dari algoritma Competitive Neural Network. 14
Agar Tugas akhir ini tidak menyimpang dari permasalahan, maka batasan yang digunakan adalah : 1. Menggunakan data curah hujan bulanan BMKG dari tahun 2005-2014. 2. Prediksi yang dihasilkan untuk satu bulan (M+1) berikutnya. 3. Prediksi menggunakan metode Centered Moving Average dengan periode 2x4 MA atau setara dengan Weighted Moving Average dengan 5 periode. 4. Input pada sistem yang digunakan berjumlah 5, yang terdiri dari : M-4, M-3 , M-2 , M-1 , M. 5. Output pada sistem yang digunakan berjumlah 5 cluster, sesuai dengan pengelompokkan curah hujan yang berasal dari informasi BMKG.
1.4
Hipotesis Pada Tugas akhir ini Hipotesis yang digunakan oleh penulis adalah implementasi Competitive Neural Network dapat menghasilkan prediksi yang akurat untuk bulan selanjutnya dengan akurasi lebih dari 75% [9].
1.5
Metodologi Penelitian Dalam Tugas akhir ini untuk menyelesaikan masalah diatas, penulis menggunakan Enam metode antara lain : 1. Studi Literatur Tahap pengumpulan referensi yang sesuai topik Tugas akhir dari jurnal, paper, internet maupun buku untuk memperkaya wawasan dan teori-teori yang dibutuhkan dalam penyusunan Tugas akhir ini. 2. Pengumpulan Data Menggunakan data curah hujan bulanan BMKG dari tahun 2005-2014. 3. Analisis dan Perancangan Sistem Menganalisis data dan sistem yang akan digunakan untuk penyelesaian masalah Topik Tugas akhir.
15
4. Implementasi Sistem Pengimplementasian arsitektur Competitive Neural Network untuk data-data yang sudah diperoleh yang ke dalam rancangan sistem yang telah dibuat. 5. Pengujian dan Analisis Implementasi Melakukan pengujian dan analisis terhadap Arsitektur Competitive Neural Network untuk mendapatkan tingkat akurasi yang tinggi. Kemudian menganalisis hasil yang didapat dan diprediksi agar bisa digunakan dalam kehidupan nyata. 6. Penyusunan Laporan Tahap terakhir yang dilakukan dalam Metodologi Penelitian. Melakukan perangkuman terhadap apa yang sudah dilakukan ke dalam satu laporan tertulis.
1.6
Sistematika Penulisan Tugas akhir Untuk mempermudah sistematika penulisan Tugas akhir ini, maka sistematika penulisan yang dilakukan antara lain : 1. PENDAHULUAN Pada bab ini menjelaskan latar belakang, perumusan masalah, tujuan penelitian, batasan masalah, hipotesis, dan sistematika penulisan Tugas akhir 2. LANDASAN TEORI Pada bab ini menjelaskan tentang teori-teori yang berhubungan dengan topik Tugas akhir ini yang akan dijelaskan secara rinci pada bab ini. 3. ANALISIS PERANCANGAN Pada bab ini menjelaskan analisis dan rancangan sistem yang akan dibuat selama pembuatan Tugas akhir berlangsung. Nantinya rancangan sistem ini berisi tahapan-tahapan implementasi JST Competitive Neural Network untuk memprediksi curah hujan.
16
4. ANALISIS HASIL PENGUJIAN Pada bab ini menjelaskan analisis hasil pengujian, implementasi, dan akurasi pada arsitektur yang digunakan dalam bab sebelumnya. 5. PENUTUP Pada bab ini berisi kesimpulan yang didapat dari penulisan Tugas akhir dan saran-saran untuk pengembangan Tugas akhir selanjutnya.
17
