Pengenalan dan Penerapan ANN untuk Predi

Pengenalan dan Penerapan ANN
untuk Prediksi Parameter Cuaca

By: Muhammad Ryan

Apa itu ANN?
• Sistem komputasi yang terinspirasi dari
jaringan saraf biologi.

• Subfield dari Machine Learning (ML)

ANN di Sekitar Kita
• Google search image
• Facebook facial recognition (Deepface
project)
• Natural Languange Processing (Bot
costumer service atau bot-bot lainnya di
game dan sosmed)
• Video Analysis

Apakah ANN bisa di terapkan

dalam bidang meteorologi?
Tentu bisa, esensi dari ANN ini adalah
mencari hubungan yang linear dan nonlinear dari input dan output.

Overview dari ANN
• Terdiri dari minimal 2 layer (input dan
output layer).
• Tiap layer punya 1 atau lebih neuron yang
melakukan komputasi secara paralel.
• Sama seperti kebanyakan subfield di
Machine Learning fasenya terdiri dari:
- Training phase
- Predict/classification phase

Training Phase
• Most of heavy lifting pada ANN
• Tiap neuron di ANN berusaha mengubah
weight-nya untuk mengecilkan loss function.
• Loss function dikecilkan dengan suatu
learning algorithm, salah satunya adalah

backpropagation algorithm.
• Besarnya perubahan weight di tentukan
oleh learning rate.

Predict/classification phase
• Input di masukkan dan akan diproses oleh
neuron-neruon sampai menghasilkan
prediksi/klasifikasi.
• Neuron memproses input (pada hidden
layer) dengan suatu fungsi aktivasi.
• Pada layer output, keluaran akhir di
proses dengan regresi linear/softmax
function.

ANN Cheat Sheet
• Softmax function

• Sigmoid function

ANN Cheat Sheet

• MSE

• Standard deviation

ANN Cheat Sheet
• Batch Normalization

Praktek Membuat ANN
• Requirement:
-Python 3
-numpy
-Tensorflow
-Matplotlib

Praktek Membuat ANN
• Download:
https://github.com/genomexyz/machine_le
arning/blob/master/nntemp.py
https://github.com/genomexyz/machine_le
arning/blob/master/testemp (data test)

https://github.com/genomexyz/machine_le
arning/blob/master/datann (data training)

Praktek Membuat ANN
• Struktur ANN yang dipraktekkan

Source
• Batch Normalization: Accelerating Deep Network Training by
Reducing Internal Covariate Shift oleh Sergey Ioffe dan
Christian Szegedy
• Application of Artificial Neural Networks for Temperature
Forecasting oleh Mohsen Hayati dan Zahra Mohebi
• http://www.computing.dcu.ie/~humphrys/Notes/Neural/sigmoid
.html
• https://app.kubicle.com/lessons/variance-and-standarddeviation