BAB I PENDAHULUAN
1.1 Latar Belakang Teknologi dan perkembangan ilmu pengetahuan dewasa ini sudah mengalami perkembangan pesat. Seiring berjalannya waktu, perkembangan ini menyebabkan timbulnya kebutuhan untuk mengetahui peristiwa-peristiwa yang akan terjadi dimasa yang akan datang. Salah satu peristiwa tersebut adalah mengetahui kondisi cuaca khususnya curah hujan harian. Karena cuaca disuatu daerah menentukan rangkaian aktifitas manusia, sebagai contoh informasi iklim dan klasifikasinya banyak menjadi acuan untuk bidang pertanian, transportasi dan pariwisata dalam menentukan masa pola tanam, pelayaran dan penerbangan (Rizky et al. 2012). Kejadian hujan dapat dideteksi, diprediksi, dan pada kondisi tertentu manusia dapat mempengaruhi dalam proses pembentukannya. Untuk dapat mengetahui potensi dan kendala hujan bagi penggunaan tertentu. Dengan memperhatikan beberapa karakteristik hujan seperti jumlah atau volume, intensitas, peluang terjadinya hujan, variabilitas hujan antar waktu dan tempat (spatiotemporal variability) (Suriadikusumah, 2007). Ada beberapa factor yang mempengaruhi curah hujan yaitu tekanan udara, kelembapan udara, kecepatan angin, dan suhu udara (temperatur) (Suri et al. 2013). Beberapa penelitian telah dilakukan dalam prediksi curah hujan. Penelitian yang telah dilakukan sebelumnya menggunakan model Feed Forward Neural Network (FFNN) dengan membandingkan algoritma Quasi Newton BFGS dan Levenberg-Marquardt untuk prediksi curah hujan kota Semarang. Pada algoritma Quasi Newton BFGS menghasilkan nilai mean square error (MSE) sebesar 1,8087% dan pada algoritma Levenberg-Marquardt menghasilkan nilai MSE sebesar 4,1123% (Warsito dan Sumiyati, 2007). Model General Regression Neural Network untuk prediksi curah Hujan sebagai dasar perancangan pola tanam padi dan palawija secara umum memberikan prediksi in-sample yang lebih baik dari model ARIMA sedangkan
Universitas Sumatera Utara
2
prediksi out-sample memberikan hasil berimbang dengan model ARIMA (Warsito et al. 2008).Metode Kalman Filter dengan Prediktor SST NINO 3.4 untuk prediksi curah hujan bulanan menghasilkan nilai koefisien korelasi mencapai 75% (Tresnawati et al. 2010). Analisis dan perancangan program aplikasi dengan struksur Adaptive NeuroFuzzy Inference System (ANFIS) untuk prediksi curah hujan menghasilkan nilai RMSE sebesar 0,063313 dan reange of influence 0,320 (Linda, 2007). Penerapan fuzzy inference system pada prediksi curah hujan di Surabaya Utara menghasilkan nilai keakuratan sebesar 77,68% (Rizky et al, 2012). Walaupun metode computational intelligence seperti jaringan saraf tiruan (JST) sistem fuzzy, komputasi evolusioner, system hibrida, serta metode lainnya telah berhasil dikembangkan dan diterapkan, ada sejumlah masalah saat diterapkan teknik ini untuk proses perkembangan yang kompleks (Kasabov, 2007), seperti kesulitan dalam preselecting arsitektur sistem, sistem akan melupakan sejumlah besar pengetahuan
lama sambil belajar data baru, memerlukan waktu pelatihan yang
berlebihan, dan kurangnya fasilitas representasi pengetahuan. Dalam skripsi ini, pengembangan sistem prediksi menggunakan metode weighted evolving fuzzy neural network (WEFuNN) yakni salah satu metode softcomputing yang memiliki struktur hybrid dari fuzzy inference system dan jaringan saraf tiruan yang mana di dalam jaringannya menerapkan prinsip-prinsip evolving connectionist system (ECOS). Evolving Connectionist System (ECOS) yakni sebuah metode pembelajaran yang adaptif, bertahap dan sistem representasi pengetahuan yang mengembangkan struktur dan fungsinya, dimana dalam inti sistem terdapat arsitektur koneksionis yang terdiri dari neuron (unit pengolahan informasi) dan hubungan antar neuron (Kasabov, 2007). Metode WEFuNN telah digunakan dalam beberapa kasus seperti memprediksi jumlah permintaan Printed Circuit Board (PCB) menghasilkan nilai MAPE sebesar 2.11% ( Chang et al, 2007), memprediksi kebutuhan listrik menghasilkan nilai MAPE sebesar 6.11% (Chang et al, 2009), memprediksi kebutuhan telur ayam menghasilkan tingkat error yang rendah yaitu dengan range antara 0.1 - 0.5 (Syahputra et al, 2013).
Universitas Sumatera Utara
3
1.2 Rumusan Masalah Berdasarkan latar belakang tersebut, maka rumusan masalah dari penelitian ini adalah melakukan pendekatan untuk memprediksi curah hujan dengan mempertimbangkan beberapa variabel seperti tekanan udara, kelembapan udara, kecepatan angin, dan temperature. 1.3 Batasan Masalah Penelitian ini memiliki banyak cakupan sehingga penulis membatasi permasalahan pada penelitian ini. Batasan masalah tersebut adalah sebagai berikut: 1. data yang digunakan dalam penelitian ini adalah data curah hujan dari tanggal 1 Januari 2002 s.d. 30 November 2012 yang diambil dari Badan Meteorologi, Klimatologi dan Geofisika, Balai Besar Meterologi Klimatologi dan Geofisika (BMKG) Wilayah I Medan. 2. data yang menjadi variabel input dalam sistem ini adalah tekanan udara, kelembapan udara, kecepatan angin, dan temperatur, 3. data yang menjadi variabel output dalam sistem ini adalah prediksi curah hujan, 4. data yang digunakan dibagi menjadi dua bagian, yaitu data pelatihan (training) dan data pengujian (testing), 5. data pelatihan menggunakan data curah hujan dari tanggal 1 Januari 2002 s.d. 31 Desember 2010, 6. data pengujian menggunakan data curah hujan pada tanggal 1 Januari 2011 s.d. 30 November 2012, 7. hasil penelitian ini tidak mempertimbangkan factor-faktor yang dipengaruhi oleh manusia. 1.4 Tujuan Penelitian Tujuan dari penelitian ini adalah untuk memprediksi curah hujan menggunakan metode weighted evolving fuzzy neural network (WEFuNN).
1.5 Manfaat Penelitian Penulis berharap penelitian ini dapat memberikan manfaat kepada penulis sendiri dan para pembaca. Adapun manfaat dari penelitian ini adalah sebagai berikut :
Universitas Sumatera Utara
4
1. Membantu pengguna untuk mengetahui prediksi curah hujan di masa yang akan datang. 2. Sistem dapat digunakan sebagai alat bantu pengambilan keputusan dalam menentukan rangkaian kegiatan yang berhubungan dengan curah hujan khususnya untuk bidang pertanian, transportasi, dan pariwisata. 3. Penelitian ini dapat menjadi bahan referensi untuk pengembangan penelitian lebih lanjut. 1.6 Metodologi Penelitian Metodologi penelitian yang digunakan pada penelitian ini adalah: 1. Studi Literatur Pada tahap ini dilakukan studi kepustakaan yaitu mengumpulkan bahan referensi mengenai prediksi menggunakan weighted evolving fuzzy neural network (WEFuNN) dari berbagai buku, jurnal, artikel, dan beberapa referensi lainnya. 2. Analisis Pada tahap ini dilakukan analisis terhadap studi literatur untuk mengetahui dan mendapatkan pemahaman mengenai weighted evolving fuzzy neural network (WEFuNN) untuk menyelesaikan masalah prediksi. 3. Perancangan Pada tahap ini dilakukan perancangan sistem terhadap arsitektur sistem, pengumpulan data, pelatihan, dan merancang antarmuka. Proses dilakukan berdasarkan hasil analisis studi literatur yang telah didapatkan. 4. Implementasi Pada tahap ini implementasi sistem akan dilakukan pengkodean program menggunakan Visual Basic. NET (VB.NET), dam MySQL. 5. Pengujian Pada tahap ini dilakukan pengujian aplikasi prediksi curah hujan yang telah dibuat guna memastikan aplikasi telah berjalan sesuai dengan apa yang diharapkan. 6. Dokumentasi dan Penyusunan Laporan Pada tahap ini dilakukan dokumentasi hasil analisis dan implementasi weighted evolving fuzzy neural network (WEFuNN) untuk melakukan prediksi curah hujan.
Universitas Sumatera Utara
5
1.7 Sistematika Penuliasan Sistematika penulisan dan skripsi ini terdiri dari lima bagian utama sebagai berikut : Bab 1: Pendahuluan Bab ini berisi latar belakang , rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan. Bab 2: Landasan Teori Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas pada penelitian ini. Pada bab ini dijelaskan tentang penerapan metode weighted evolving fuzzy neural network (WEFuNN) untuk memprediksi curah hujan dan datadata pendukungnya. Bab 3: Analisis dan Perancangan Bab ini berisi analisis dan penerapan metode weighted evolving fuzzy neural network (WEFuNN) untuk memprediksi curah hujan pada masa yang akan dating, serta perancangan seperti pemodelan flowchart, dan antarmuka sistem. Bab 4: Implementasi dan Pengujian Bab ini berisi pembahasan tentang implementasi dari analisis dan perancangan yang disusun pada bab 3 dan pengujian apakah hasil yang didapatkan sesuai dengan yang diharapkan. Bab 5: Kesimpulan dan Saran Bab ini berisi kesimpulan dari keseluruhan uraian bab-bab sebelumnya dan saransaran yang diajukan untuk pengembangan penelitian selanjutnya.
Universitas Sumatera Utara