5 d. Ciguatera Fishfood Poisoning CFP : Gambierdiscus sp.
e. Neurotoxic Shellfsh Poisoning NSP : Gymnodinium sp.
Terjadinya HABs dapat berdampak terhadap lingkungan dan manusia. Dampak terhadap ekosistem seperti iritasi insang pada ikan, berkurangnya
penetrasi cahaya, menyebabkan kelaparan antara lain dengan produksi mucus berlebihan dan terganggunya mekanisme pemangsaan dan anoxia kehabian
oksigen. Sedangkan dampak terhadap manusia adalah akibat mengkonsumsi makanan bahari seperti ikan yang mengandung toksin. Selain berdampak pada
kesehatan manusia juga berdampak pada sektor pariwisata, perikanan dan perekonomian secara umumNontji,
2004. Berikut ini beberapa gejala keracunan akibat toksin dan dampaknya pada manusia:
Tabel.2.1 Beberapa gejala keracunan akibat toksin dan dampaknya pada manusia Nontji,
2004 Gejala Keracunan
Toksin Dampak pada tubuh manusia
Paralytic Shellfish Poisoning PSP
Saxitoxin Mati rasa pada mulut, lidah, rongga
diafragma, kesulitan bernafas hingga kematian
Diarrhetic Shellfish Poisoning DSP
Okadaic Acids Diare, muntah- muntah, demam, rasa sakit pada perut hingga tumor pada sistem
pencernaan Amnesic Shellfish
Poisoning ASP Domoic Acids
Hilang kesadaran singkat, koma mendadak, muntah, kram perut, diare
Ciguatera Fishfood Poisoning CFP
Ciguatoxin Sakit kepala, muntah, diare, mati rasa
pada tangan Neurotoxic Shellfish
Poisoning NSP Brevetoxin
Gatal dan geli tingling pada bibir, mulut dan kerongkongan, gejala asma, diare dan
muntah- muntah
2.2. Sistem Peringatan Dini Algal Blooms
Sistem peringatan dini algal blooms adalah sebuah sistem yang dirancang untuk mendeteksi algal blooms kemudian memberikan peringatan kepada
6 masyarakat untuk mencegah jatuhnya korban. Sistem tersebut terdiri dari tiga
bagian, yaitu sistem sensor dan sistem pelampung dimana pada bagian ini terdiri dari sensor-sensor yang masing- masing secara spesifik mendeteksi unsur-unsur
fisika dan kimia yang merupakan parameter masukan untuk sistem tersebut. Sensor adalah peralatan yang digunakan untuk merubah suatu besaran fisik
menjadi besaran listrik sehingga dapat dianalisa dengan rangkaian listrik tertentu. Jenis sensor terdiri dari sensor sensor fisika yaitu yang akan mendeteksi
besaran suatu besaran berdasarkan hukum- hukum fisika contoh sensor cahaya dan sensor suhu, dan sensor kimia yang mendeteksi jumlah suatu zat kimia dengan
cara mengubah besaran kimia menjadi besaran listrik, biasanya melibatkan beberapa reaksi kimia. Contoh sensor kimia adalah contoh sensor pH dan sensor
Oksigen. Sementara itu sistem pelampung terdiri dari sistem komputer dan perangkat komunikasi. Bagian kedua adalah Read Down Station System, dimana
pada bagian ini fuzzy neural processing ditempatkan untuk mengolah data hasil dari bagian pertama yang selanjutnya di distribusikan ke bagian yang ke tiga yait u
komponen masyarakat. Pada kasus algal bloom dalam kaitannya dengan sistem peringatan dini,
dibagi dalam tiga fase berdasarkan jumlah sel per liter dimana ketiga fase tersebut adalah:
a. Aman dimana jumlahnya kurang dari 10
3
sel per liter b. Siaga
dimana jumlahnya antara 10
3
dan 10
6
sel per liter c. Bahaya
dimana jumlahnya lebih dari 10
6
sel per liter
Pada saat fase siaga, penyampaian informasi kepada masyarakat harus segera dilakukan, sehingga masyarakat dapat merencanakan langkah- langkah antisifasi
untuk menghindari kodisi terburuk yang mungkin akan terjadi.
7
2.3. Sistem Fuzzy
Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelligent
dalam lingkungan yang tidak pasti, dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy. Logika fuzzy merupakan bagian dari logika boolean,
yang digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah Marimin, 2002.
2.3.1. Definisi fuzzy
Sebuah himpunan fuzzy A adalah sebuah ruangan titik-titik X={x} yaitu sebuah kelas kejadian class of events dengan sebuah mutu keanggotaan kontinyu
grade of membership dan ditandai oleh sebuah fungsi keanggotaan µ
A
x yang dihubungkan dengan setiap titik dalam X oleh sebuah bilangan ril dalam interval
[0,1] dengan nilai µ
A
x pada x menyatakan mutu keanggotaan x dalam A. Secara formal, himpunan fuzzy A dengan sejumlah penyokong hingga x
1
, x
2
, ..., x
n
didefinisikan sebagai himpunan pasangan yang diurutkan: A={
µ
A
x
i
, x
i
, i=1,2, …,n} .................................................
2.1 di mana penyokong A adalah sub himpunan X yang disefinisikan sebagai
SA = {x, x ∈
X dan µ
A
x0} ................................................
2.2 µ
i,
mutu keanggotaan x
i
dalam A, menyatakan tingkat yang sebuah kejadian x
i
boleh menjadi anggota A atau kepunyaan A. Fungsi karakteristik ini ternyata dapat dipandang sebagai suatu koefisien pembobotan yang merefleksikan ambiguitas
dalam sebuah himpunan, dan jika ia mencapai harga satu, mutu keanggotaan suatu kejadian dalam A menjadi lebih tinggi. Misalkan,
µ
A
x
i
=1 menunjukan keterkaitan yang ketat kejadian xi dalam A. Jika sebaliknya x
i
bukan kepunyaan A,
µ
A
x
i
= 0. Sembarang nilai antara akan menyatakan tingkat mutu yang x
i
dapat menjadi sebuah anggota A
K. Pal dan K.D. Majumder, 1989.
2.3.2. Keputusan Fuzzy
Suatu keputusan dalam fuzzy adalah suatu irisan antara kendala constraint dan fungsi tujuan fuzzy fuzzy objective function yang dapat digambarkan sebagai
berikut
Zimmermann, 1987
:
8 Gambar 2.1. Keputusan dalam Fuzzy
Zimmermann, 1987
2.3.3 Fungsi Keanggotaan
Dalam sistem fuzzy dikenal banyak fungsi keanggotaan, antara lain Triangular, Gaussian, Travesium, Bell, dan lain- lain. Sebagai contoh salah satu
fungsi keanggotaan yang disebutkan diatas adalah Gaussian Marimin, 2002:
..................................................... 2.4
dimana: x = [x
1
, x
2
, x
3
, … , x
n
] c = meanx
σ = Standar deviasi
Gambar 2.2. Gaussian Susilo, 2003 x
15 10
5 Constraint
Decision 1
c Objective Function
9
2.3.4. Vektor fuzzy
Penggunaan teori fuzzy pada vektor masukan bertujuan agar distribusi frekwensi data pengukuran dapat direpresentasikan, maka pada awal proses
pembelajaran data hasil pengukuran seperti pada gambar 2.3 dinormalisasi kedalam bentuk vektor fuzzy. Sebagai contoh bentuk vektor fuzzy hasil
normalisasi vektor masukan dinamakan bilangan fuzzy segitiga yang dapat digambarkan sebagai berikut Budiarto, 1998:
Gambar 2.3. Vektor Fuzzy
Bilangan fuzzy segitiga ini merupakan pernyataan fungsi keanggotaan fuzzy untuk data hasil pengukuran, nilai rata-rata mean mempunyai fungsi
keanggotaan 1 sedangkan nilai terkecil minimum dan nilai terbesar maximum mempunyai fungsi keanggotaan nol. Sedangkan fuzziness atau karakteristik fuzzy
menyatakan batas kelebaran dari fungsi keanggotaan fuzzy yang bernilai antara [0,1], semakin lebar nilai fuzziness berarti semakin bervariasi data yang akan
diolah Budiarto, 1998. Aturan pembelajaran dalam fuzzy neural ini berdasarkan pada mekanisme
kompetisi yaitu hanya ada satu vektor pewakil yang paling mirip dengan vektor pelatihan. Untuk menentukan vektor pewakil yang paling mirip closest vektor
menggunakan nilai kemiripan atau similaritas yang diperoleh dengan prinsip operasi fuzzy Budiarto, 1998.
Andaikan x adalah vektor pelatihan dari 4 buah sensor dan wi adalah vektor pewakil untuk kategori i maka dapat dinyatakan bahwa x = x
1
, x
2
, x
3
, x
4
, dengan fungsi keanggotaan untuk x adalah hx = hx
1
, hx
2
, hx
3
, hx
4
, dan untuk vektor pewakil kategori i dapat dinyatakan w
i
= w
1i
, w
2i
, w
3i
, w
4i
, dengan fungsi keanggotaan untuk w
i
adalah hw
i
= hw
1i
, hw
2i
, hw
3i
, hw
4i
, maka nilai Mean Max
Min 1
Fuzziness
10 similaritas
µ
ij
antara vektor pewakil dengan vektor pelatihan dapat dijelaskan pada gambar dibawah ini Budiarto, 1998.
Gambar 2.4. Nilai similaritas vektor pewakil dengan vektor pelatihan ini Budiarto, 1998
2.4. Jaringan Saraf Tiruan
Jaringan saraf tiruan JST adalah suatu proses komputasi yang meniru konsep cara kerja otak manusia dimana mempunyai karakteristik dan performa
yang sama dengan jaringan saraf biologi. Bagaimana sebenarnya otak manusia bekerja?, didalam otak manusia suatu tipe neuron mengkoleksi sinyal-sinyal dari
yang lainnya melalui suatu struktur yang besar yang disebut dendrite. Neuron mengirim aktivitas elektikal melalui axon yang mana dibagi dalam ribuan cabang.
Akhir sebuah cabang disebut synapse, mengkonversi aktifitas dari axon ke dalam elektrikal efek.
Gambar 2.5. Komponen dari neuron Stergiou dan Siganos, 2005
JST telah banyak dikembangkan sampai dengan saat ini, aplikasi-aplikasi yang telah ada dan menggunakan JST diantaranya adalah Adaptive Noise
Canceling,aplikasi ini adalah untuk membersihkan gangguan pada saluran telpon. Kemudian Bomb Sniffer, yaitu suatu sistem detektor bom baru di New Yorks JFK
w
ij
x
i
hx
i
hw
ij
1 µ
ij
11 International Airport Widharma, 2005. Sudah banyak sekali persoalan-persoalan
dapat diselesaikan dengan menggunakan JST. Dalam JST Semua informasi akan dimasukan dalam JST dengan melalui suatu proses komputasi, semua informasi
tersebut akan dirubah dalam suatu nilai yang disimpan dalam setiap node yang akhirnya informasi tersebut digunakan untuk memberikan suatu keputusan akan
suatu pola.
2.5. Karakteristik -karakteristik Jaringan Saraf Tiruan JST
