19
Fase Implementasi
Sistem dilakukan instalasi dan dibuatkan user manual untuk sistem tersebut. Fase ini dilakukan setelah sistem selesai dilakukan tes dan dapat diterima oleh
pihak yang akan menggunakan. Fase ini dilakukan sehingga sesuai dengan yang diharapkan.
Fase Operasional dan Perawatan
Sistem dioperasikan secara terus menerus, sistem dimonitor secara kontinyu untuk memonitor kinerjanya. Operasional dari sistem secara periodik dipantau
untuk menentukan baga imana sistem dapat dibuat lebih efektif dan efisien. Sistem dioperasikan secara kontinyu selama masih memungkinkan untuk digunakan.
Modifikasi atau perubahan terhadap sistem dilakukan dengan dimulai lagi dari fase planning.
Fase Disposisi
Fase ini adalah untuk meyakinkan bahwa pengembangan sistem sudah selesai dan telah dilakukan perlindungan terhadap informasi- informasi penting
tentang sistem tersebut, selanjutnya beberapa informasi atau semua informasi perlu di diaktifkan ulang dimasa yang akan datang.
3.4. Desain Fuzzy Neural
Fuzzy Neural yang digunakan pada penelitian ini adalah jarigan saraf tiruan yang diimplementasikan dengan fuzzy yang menggunakan fungsi keanggotaan
triangular dan gaussian. Model fuzzy neural yang di implementasikan seperti gambar 3.3. Model tersebut merupakan hasil pengembangan dari model yang
telah dikembangkan sebelumnya Budiarto, 1998, dimana perbedaanya terletak pada jumlah parameter masukan dan keluaran dan fungsi keanggotaan fuzzy.
20 Lapisan masukan
Lapisan keluaran Lapisan tersembunyi
Keterangan: X
1
= pH X
6
= Cahaya Y
1
= Bloom X
2
= Oksigen X
7
= Suhu Y
2
= Bukan Bloom X
3
= Fosfat X
8
= Salinitas X
4
= Nitrogen X
9
= Silikat X
5
= Arus
Gambar 3.3. Model fuzzy neural prediksi algal blooms Budiarto, 1998
Berdasarkan data yang diperoleh Razak, 2004 kehidupan organisme dan biota laut dipegaruhi oleh kwalitas air laut dimana unsur fisika dan kimia
termasuk didalamnya. Yang termasuk unsur kimia adalah pH, oksigen terlarut, Fosfat, Nitrogen dan silikat, sedangkan yang termasuk unsur fisika adalah suhu air
laut, salinitas, arus, transmisi cahaya dan kondisi cuaca. Dari unsur- unsur tersebut hanya kondisi cuaca yang sulit mendapatkan data numeriknya, karena data cuaca
min
X
1
X
2
X
3
X
8
X
5
X
6
X
4
X
7
min Y
1
Y
2
X
9
21 hanya dalam bentuk kondisi seperti berawan atau mendung. Karena itu yang
digunakan sebagai parameter input untuk model fuzzy neural pada gambar 3.3 adalah unsur-unsur diatas kecuali kondisi cuaca yang jumlahnya ada sembilan
unsur, sedangkan output nya hanya dua yaitu terjadi blooms atau tidak terjadi blooms. Proses deteksi unsur-unsur tersebut dilakukan setiap menit krena
perubahan kondisi lingkungan perairan laut bisa berubah dengan cepat apabila terjadi pencemaran akibat limbah yang dibawa air sungai maupun yang dibuang
langsung kelaut. Sementara itu proses untuk mendeksi terjadinya algal blooms dapat dilkukan dalam waktu kurang dari 24 jam, mengingat perkembang biakan
microalgae dapat terlihat perubahannya setiap hari. Arsitektur fuzzy neural Budiarto, 1998, mempunya i 3 lapisan yaitu lapisan
masukan, lapisan tersembunyi dan lapisan keluaran. Semua neuron pada lapisan masukan akan terhubung pada setiap neuron lapisan tersembunyi sesuai dengan
karakteristik sensornya, demikian juga neuron pada lapisana tersembunyi akan terhubung pada setiap neuron lapisan keluaran sesuai dengan kategori jenis
keluaran. Jumlah neuron pada lapisan masukan sesuai dengan jumlah sensor yang digunakan untuk mendeteksi parameter lingkungan dan jumlah neuron pada
lapisan keluaran sesuai dengan kemungkinan akan mengalami blooms dan bukan blooms.
Sedangkan jumlah neuron pada lapisanan tersembunyi adalah hasil kali jumlah neuron lapisan masukan dengan jumlah neuron perhitungan, sedangkan
perhitungan dilakukan pada lapisanan tersembunyi untuk mencari nilai similaritas dan lapisan keluaran untuk mencari nilai similaritas minimum, kemudian
menentukan kategori pemenang dengan mencari maksimum diantara yang minimum.
IV. FUZZY NEURAL MODEL UNTUK PREDIKSI ALGAL BLOOMS