I PENDAHULUAN
1.1 Latar belakang
Hujan merupakan salah satu unsur iklim yang berpengaruh pada suatu daerah aliran
sungai DAS. Pengaruh langsung yang dapat diketahui yaitu potensi sumber daya air. Besar
kecilnya sumber daya air yang ada pada suatu DAS sangat tergantung dari jumlah hujan yang
turun pada daerah di sekitar DAS tersebut.
Untuk keperluan analisis sumber daya air pada
suatu kawasan
DAS, diperlukan
seperangkat data yang memadai, mulai dari data curah hujan dan penguapan sebagai
masukan, karakteristik DAS itu sendiri secara keseluruhan dan data ketinggian air sebagai
keluaran.
Kendala umum yang dihadapi dalam analisis sumber daya air adalah kurang
tersedianya data ketinggian air, akan tetapi data curah hujan dan penguapan tersedia cukup
memadai.
Suatu model
hidrologi yang
menggambarkan hubungan antara curah hujan dan
penguapan dengan
ketinggian air
berdasarkan beberapa parameter fisik DAS dapat dibuat untuk mengatasi kendala tersebut.
Model hidrologi
tersebut selanjutnya
digunakan untuk
memprediksi besarnya
ketinggian air di suatu DAS. Akan tetapi, karakteristik dari setiap DAS
tentunya berbeda-beda, dan akan sulit untuk menentukkan parameter-parameter fisik DAS
dari karakteristik yang berbeda-beda tersebut. Oleh karena itu, hasil dari model hidrologi
yang
didapatkan pun
tidak dapat
mempresentasikan model aliran air DAS secara umum.
Oleh karena itu, dalam karya ilmiah ini penulis menggunakan jaringan syaraf tiruan
JST untuk memprediksi besarnya ketinggian air di suatu DAS. JST diharapkan dapat
menjadi suatu sistem yang dapat digunakan untuk memprediksi besarnya ketinggian air
secara umum suatu DAS dengan karakteristik fisiknya yang berbeda-beda.
Implementasi dari JST dalam makalah ilmiah ini dilakukan dengan menggunakan
software MATLAB R2010b yang didesain untuk menyelesaikan suatu model, dengan
algoritma pembelajaran yang digunakan adalah propagasi balik. Propagasi balik adalah sebuah
metode sistematik untuk pelatihan pada suatu jaringan dengan lapisan jamak. Metode ini
memiliki dasar matematis yang kuat, obyektif dan
algoritma pembelajaran
ini pun
mendapatkan bentuk persamaan dan nilai koefisien
dalam formula
dengan meminimalkan jumlah kuadrat galat melalui
model yang dikembangkan dari suatu proses pelatihan training set.
Konsep praktis
dari JST
untuk memprediksi ketinggian air ini yaitu dengan
cara memasukkan pola data curah hujan, penguapan dan ketinggian air periode masa
lalu ke dalam sistem, kemudian dilakukan suatu proses pelatihan menggunakan JST
dengan algoritma pembelajaran propagasi balik. Setelah dilakukan proses pelatihan,
sistem akan menghasilkan bobot-bobot yang akan digunakan untuk memprediksi ketinggian
air pada periode-periode selanjutnya dengan hanya memasukkan data curah hujan dan
penguapan. 1.2 Tujuan karya ilmiah
Tujuan karya ilmiah dan penulisan makalah ilmiah ini adalah :
1. Mengimplementasikan jaringan syaraf
tiruan JST untuk memprediksi ketinggian air di suatu daerah aliran sungai DAS.
2. Melihat komposisi proporsi data pelatihan
dan pengujian yang baik. 3.
Mencari kombinasi beberapa parameter untuk mendapatkan jaringan syaraf tiruan
dengan parameter yang sesuai.
II LANDASAN TEORI
2.1 Jaringan syaraf biologi
Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan
yang luar biasa. Otak manusia terdiri dari beberapa neuron dan penghubung yang disebut
sinapsis. Neuron
bekerja berdasarkan
impulssinyal yang diberikan pada neuron. Neuron meneruskannya pada neuron lain.
Diperkirakan manusia memiliki neuron
dan sinapsis. Dengan jumlah yang
begitu banyak,
otak manusia
mampu mengenali suatu pola, melakukan perhitungan,
dan juga mengontrol organ-organ tubuh dengan
kecepatan yang
lebih tinggi
dibandingkan komputer
digital. Sebagai
perbandingan, pengenalan wajah seseorang yang sedikit berubah misal memakai topi,
memiliki jenggot atau kumis, dll akan lebih
cepat dilakukan
manusia dibandingkan
komputer. Pada waktu lahir, otak manusia mempunyai
struktur yang
menakjubkan karena
kemampuannya membentuk
sendiri aturanpola berdasarkan pengalaman yang
diterima. Jumlah dan kemampuan neuron berkembang seiring dengan pertumbuhan fisik
manusia, terutama pada umur tahun.
Pada tahun pertama umur manusia, terbentuk juta sinapsis per detiknya.
Gambar 1 menunjukkan struktur sederhana sebuah neuron. Neuron memiliki komponen
penting yaitu dendrit, soma dan akson. Dendrit menerima sinyal dari neuron lain. Sinyal
tersebut berupa impuls elektrik yang dikirim melalui celah sinapsis melalui suatu proses
kimiawi. Sinyal tersebut akan dimodifikasi diperkuatdiperlemah
di celah
sinapsis. Berikutnya,
soma menjumlahkan
semua sinyal-sinyal yang masuk. Jika hasil jumlahan
tersebut cukup kuat dan melebihi batas ambang threshold,
maka sinyal
tersebut akan
diteruskan ke sel lain melalui akson. Frekuensi penerusan sinyal berbeda-beda antara satu sel
dengan yang lain Gambar 2.
Gambar 1 Struktur sederhana sebuah neuron Neuron biologi merupakan sistem yang
“fault tolerant” dalam hal. Pertama, manusia dapat mengenali sinyal masukan yang agak
berbeda dari yang pernah kita terima sebelumnya. Sebagai contoh, manusia sering
dapat mengenali seseorang yang wajahnya agak berbeda karena sudah lama tidak
dijumpainya. Kedua, otak manusia tetap mampu bekerja meskipun beberapa neuronnya
tidak mampu bekerja dengan baik. Jika sebuah neuron rusak, neuron lain kadang-kadang dapat
dilatih untuk menggantikan fungsi dari neuron yang rusak tersebut.
Siang, 2005
Gambar 2 Proses kerja neuron pada jaringan syaraf biologi
2.2 Jaringan syaraf tiruan