BAB 1 PENDAHULUAN
1.1
Latar Belakang Masalah Hujan merupakan salah satu bentuk presipitasi uap air yang berasal dari awan
yang terdapat diatmosfer, titik-titik air di udara atau awan yang sudah terlalu berat karena kandungan airnya sudah sangat banyak, akan jatuh kembali ke permukaan bumi sebagai hujan (presipitasi)[1]. Ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak menguap, tidak meresap dan tidak mengalir disebut curah hujan, curah hujan memiliki banyak manfaat dan merupakan sumber makan bagi makhluk hidup khususnya tumbuhan. Hujan adalah fenomena alam yang memiliki banyak manfaat bagi makhluk hidup didunia salah satunya di Kota Bandung. Kota Bandung merupakan kota metropolitan terbersar di Jawa Barat sekaligus menjadi ibu kota Provinsi Daerah Tingkat 1 Jawa Barat, Kota Bandung terletak diantara 107 0 Bujur Timur dan 60 55’ Lintang Selatan, Iklim kota Bandung dipengaruhi oleh iklim pegunungan yang lembab dan sejuk[2], Oleh karena itu apabila intensitas curah hujan yang berlebihan akan menimbulkan permasalahan yang mengakibatkan bencana seperti banjir, longsor dan lain-lain. Untuk itu perlu adanya sistem yang dapat memprediksi curah hujan salah satunya di Kota Bandung. Prediksi yang dilakukan adalah prediksi berdasarkan urutan waktu (time-series), yaitu melihat dari seberapa besar jumlah curah hujan yang turun setiap waktu tertentu. Para peneliti melihat peluang untuk melahirkan sebuah teknologi baru yang menjawab kebutuhan ini, yaitu data mining. Data mining berfungsi untuk mencari pola dari data dengan jumlah yang sangat besar. Ada beberapa macam fungsi yang digunakan dalam data mining untuk mengolah data salah satu nya adalah classification, setiap fungsi data mining memiliki banyak algoritma. Pada penulisan ini penulis menggunakan algoritma multilayer perceptron yang termasuk dalam I-1
I-2
fungsi classification. Berdasarkan Type Neural Network, Multilayer Perceptron termasuk dalam feed-forward yaitu propagasi balik yang terdiri dari sejumlah neuron yang dihubungkan oleh bobot-bobot penghubung, Neuron-neuron tersebut disusun dalam lapisan-lapisan yang terdiri dari satu lapisan input (input layer), satu atau lebih lapisan tersembunyi (hidden layer), dan satu lapisan output (output layer). Metode multilayer perceptron memiliki kemampuan untuk mendeteksi atau melakukan analisa untuk permasalahan yang sifatnya sangat kompleks dan sangat cocok untuk menyelesaikan masalah yang tidak linear[3] Berdasarkan permasalahan yang diuraikan diatas maka peneliti mengangkat judul “Implementasi classification untuk memprediksi curah hujan dengan menggunakan metode multilayer perceptron, Studi kasus : Stasiun Geofisika Kelas 1 Bandung”.
1.2
Identifikasi Masalah Berdasaran penjelasan dari hasil latarbelakang yang telah dijelaskan
sebelumnya, penulis memandang diperlukan analisis permasalahan yang terdapat di Stasiun Geofisika Kelas 1 Bandung, diantaranya : 1. Sulitnya melakukan proses pengolahan data dengan melakukan validasi prediksi dihari yang akan mendatang untuk melakukan prediksi curah hujan. 2. Sulitnya mendapatkan informasi mengenai tingkat akurasi dalam melakukan prediksi curah hujan di Stasiun Geofisika Kelas 1 Bandung.
1.3
Rumusan Masalah Berdasarkan penelitian dan pengamatan adapun rumusan masalah yang terkait
dalam pembuatan sistem yaitu sebagai berikut : 1. Bagaimana curah hujan dapat diprediksi dengan melakukan validasi prediksi dihari yang akan mendatang dengan menerapkan algoritma Multilayer
I-3
Perceptron sebagai metode perhitungan prediksi di Stasiun Geofisika Kelas 1 Bandung? 2. Bagaimana mengetahui besar tingkat akurasi prediksi curah hujan di Stasiun Geofisika Kelas 1 Bandung dengan menggunakan algoritma Multilayer Perceptron?
1.4
Batasan Masalah Agar pembangunan sistem aplikasi ini terarah dan menghindari pembahasan
yang terlalu luas dalam pembangunan sistem ini akan dibuat batasan-batasan masalah sebagai berikut: 1. Lokasi yang digunakan untuk pengambilan data adalah Stasiun Geofisika Kelas 1 Bandung dengan jarah 5-10 KM dari lokasi Stasiun Geofisika Kelas 1 Bandung. 2. Data yang digunakan adalah data curah hujan per hari pada tahun 2012 selama 1 tahun di Stasiun Geofisika Kelas 1 Bandung. 3. Attribut yang digunakan dalam memprediksi curah hujan yaitu Tmin(suhu minimum), Tmax(suhu maximum), Tmean(rata-rata suhu), Rain(curah hujan), LSS(Long Sun Shine - Lama Penyinaran Matahari), HA(Humidity AirKelembaban Udara). 4. Data yang dimasukan ke dalam sistem dengan extention .xls atau xlsx 5. Data yang dimasukan ke dalam sistem sesuai format yang telah ditentukan. 6. Simulasi data mining menghitung missing values 7. Perangkat lunak untuk menjalankan sistem dalam kasus ini menggunakan Visual Basic. Net berbasis desktop dan Microsoft access dalam tempat penyimpanan data. 8. Simulasi yang akan dibuat menerima input yaitu atribut-atribut yang terkait pada data. Berikut adalah Gambar 1.1 IPO (Input-Proses-Output) dari
I-4
simulasi
yang dibangun
dengan menggunakan algoritma
multilayer
perceptron
PROSES 1. 2. 3.
INPUT DATA CURAH HUJAN
Identifikasi Masalah Training Data Set Proses multilayer perceptron a. Masukan (Data dapat berupa 0 dan atau Bilangan Real 23.06) b. Proses Pembelajaran mempengaruhi sensitifitas kemampuan dalam melakukan penganalisa c. Proses Perhitungan saat Pembelajaran (yang melibatkan masukan dan keluaran yang dtentukan) d. Keluaran yaitu proses untuk mengetahui seberapa besar pengaruh pembelajaran terhadap keluargan yang di inginkan
PREDIKSI CURAH HUJAN
Gambar 1.1 Diagram IPO (Input – Proses - Output) menggunakan algoritma multilayer perceptron[7]
1.5
Tujuan Adapun tujuan dari penelitian ini adalah sebagai berikut : 1. Menghasilkan perangkat lunak untuk mengenali data curah hujan harian pada masa lampau guna untuk memprediksi curah hujan dihari yang akan mendatang dengan menggunakan algoritma multilayer perceptron
I-5
2. Mendapatkan suatu pola hasil prediksi yang se-akurat mungkin dengan menggunakan algoritma multilayer perceptron .
1.6
Metodologi Penelitian Berikut ini merupakan metode penelitian dalam menyelesaikan masalah dan
mencapai tujuan yaitu : 1. Pengumpulan Data Data yang digunakan untuk penelitian ini adalah data yang diambil dari Badan Meteorologi Klimatologi dan Geofisika, Stasiun Geofisika Kelas 1 Bandung. Data-data tersebut diambil berdasarkan letak Garis lintang 06 0 55’ S dan Garis Bujur 1070 36’ E dengan Tinggi DPL : 791 meter dan Lokasi dalam studi kasus adalah Geofisika Bandung Jl. Cemara No.66 Kota Bandung. File yang didapat berupa table-tabel yang dicetak dalam berkas setiap unsurnya. Penulis telah melakukan perubahan data dengan memasukan data ke dalam komputer yang dibantu oleh software Microsoft Excel 2003 dengan format *.xls dan unit satuan data menjadi metrik sesuai dengan penggunaan untuk Indonesia. Data yang digunakan adalah data cuaca harian selama 1 tahun pada tahun 2012 sebanyak 366 data. Namun saat pengambilan data terdapat beberapa unsur data yang tidak dibutuhkan dalam penelitian seperti kecepatan angin min, kecepatan angin max, kecepatan rata-rata angin dan jarak penglihatan. Sehingga kembali dilakukan proses pemilihan unsur yang sesuai dengan tujuan awal penelitian. Setelah dilakukan proses pemilihan unsur, maka kembali di dapat unsur-unsur yang diharapakan yaitu :Tmin(suhu minimum), Tmax(suhu maximum), Tmean(rata-rata suhu), LSS(Long Sun Shine - Lama Penyinaran Matahari), HA(Humidity Air-Kelembaban Udara) dan Rain(curah hujan).
I-6
2. Pembangunan Aplikasi Dalam pembangunan aplikasi penulis menggunakan metode yang berorientasi objek dengan model prototyping, Berikut adalah proses yang dilakukan dalam model prototyping: a. Pengumpulan kebutuhan (Listen to customer) : developer dan klien bertemu dan menentukan tujuan umum, kebutuhan yang diketahui dan gambaran bagian-bagian yang akan dibutuhkan berikutnya. b. Perancangan (Build/revise mock-up) : perancangan dilakukan cepat dan rancangan mewakili semua aspek software yang diketahui, dan rancangan ini menjadi dasar pembuatan prototype c. Evaluasi Prototype(Customer test-drives mock-up) : klien mengevaluasi prototype yang dibuat dan digunakan untuk memperjelas kebutuhan software[4]
Berikut adalah gambar model prototyping
Gambar 1.2 Model Prototyping [4]
3. Prosedur Penelitian Adapun tahap-tahap dalam prosedur penelitian dan pengembangan sistem yaitu sebagai berikut :
I-7
1. Pengumpulan kebutuhan Pelanggan dan pengembang bersama-sama mendefinisikan format seluruh perangkat lunak, mengidentifikasikan semua kebutuhan, dan garis besar sistem yang akan dibuat. 2. Membangun prototyping Membangun prototyping dengan membuat perancangan sementara yang berfokus pada penyajian kepada pelanggan. 3. Evaluasi protoptyping Evaluasi ini dilakukan oleh pelanggan apakah prototyping yang sudah dibangun sudah sesuai dengan keinginan pelanggan. Jika sudah sesuai maka langkah keempat akan diambil. Jika tidak, maka prototyping direvisi dengan mengulang langkah dari awal. 4. Mengkodekan system Dalam tahap ini prototyping yang sudah disepakati diterjemahkan ke dalam bahasa pemrograman yang sesuai. 5. Menguji system Setelah sistem sudah menjadi suatu perangkat lunak yang siap pakai, harus dites dahulu sebelum digunakan.Pengujian ini dilakukan dengan Black Box. 6. Evaluasi Sistem Pelanggan mengevaluasi apakah sistem yang sudah jadi sudah sesuai dengan yang diharapkan . Jika sudah, maka langkah ketujuh dilakukan, jika belum maka mengulangi langkah 4 dan 5. 7. Menggunakan system Perangkat lunak yang telah diuji dan diterima pelanggan siap untuk digunakan.
I-8
1.7
Sistematika Penulisan Secara garis besar dan untuk mempermudah dalam penyusunan dan
pembacaannya, isi laporan ini dibagi dalam beberapa bab secara terurut sebagai berikut : BAB I Pendahuluan Pada bab ini dibahas mengenai latar belakang masalah, rumusan masalah, batasan masalah, maksud dan tujuan, metodologi penelitian, dan sistematika penulisan. BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai Tinjauan Pustaka yang berisi uraian tentang teori –teori yang mendukung dalam pembangunan aplikasi pengamanan gambar ini. BAB III Analisis Prototype Tahap Awal Pada bab ini berisi mengenai analisis metode , Kebutuhan Perangkat Perancangan sistem, Use case, skenario use case, class diagram tahap analisis, sequence diagram, Activity Diagram, perancangan antar muka. BAB IV Perancangan Prototype Tahap Akhir Pada bab ini berisi mengenai yang sama dengan prototype awal, namun dengan perbaikan prototype dari hasil evaluasi untuk mendapatkan prototype akhir yang lebih sesuai dengan kebutuhan. BAB V Implementasi dan Pengujian Sistem Pada bab ini berisi implementasi, pengujian sistem, dan pengujian metode akurasi data. BAB VI Penutup Pada bab ini berisi tentang kesimpulan dan saran dari hasil tugas akhir ini.