Prediksi banjir dengan ANFIS

Jaringan Neural Artifisial (Artificial Neural Network) dan Logika Samar (Fuzzy Logic) atau ANFIS untuk Prediksi dan Pengenalan Pola.

The Houw Liong
KK Fisika Sistem Kompleks, FMIPA, ITB
R.Gernowo
KK Sains Atmosfer, FITB, ITB
F. H. Widodo
UPT Hujan Buatan, BPPT

Abstrak
Jaringan neural artifisial dan/atau logika samar dapat dipakai untuk melakukan tugas yang sulit dilakukan oleh komputer biasa, misalnya untuk belajar mengenal bentuk geometri, huruf tulis, suara, pola, deret waktu dll.
Dalam bab ini akan dibahas pegertian jaringan neural artifisial, neuron artifisial, adaptive neuro-fuzzy inference system (ANFIS) dan cara kerjanya dan pemakaiannya dalam prediksi dan pengenalan pola.
Konsep jaringan neural artifisial timbul dan diilhami oleh jaringan neural dalam benak manusia yang memiliki arsitektur yang sangat berlainan dengan komputer biasa. Orang menyadari bahwa membuat perangkat lunak supaya komputer memiliki kemampuan belajar seperti manusia sangat sukar. Rosenblatt berpikir bahwa kesukaran ini mungkin dapat diatasi dengan membuat komputer dengan arsitektur yang mirip dengan jaringan neural yang ada dalam benak manusia. Ilmuwan menyambut konsep ini dan banyak yang mulai ikut serta untuk mengembangkannya, sehingga sekitar tahun 1980 orang sudah mulai melihat hasilnya.
Salah satu jaringan neural artifisial yang terdiri dari tiga lapis neuron, yaitu lapisan masukan, lapisan tersembunyi dan lapisan keluaran yang bekerja memakai kaidah propagasi balik serta berbagai modifikasinya, demikian juga adaptive neuro fuzzy inference system ternyata mempunyai kemampuan belajar mengenal pola gambar ,suara, dan simbol, sehingga terbuka kemungkinan untuk memanfaatkannya dalam geofisika dan meteorologi misalnya dalam mengenal pola citra yang diambil dari satelit , klasifikasi awan, menganalisa deret waktu suhu rata-rata bumi, , deret waktu anomali suhu permukaan laut, prediksi cuaca/iklim, dll.
JNA , misalnya jenis ART dan Kohonen mampu melakukan klasifikasi demikian juga metoda yang dikembangkan dalam logika samar , dapat melakukan klasifikasi samar.
Sebagai contoh penerapan, pengaruh El Nino yang tercermin dalam anomali SST Nino 3.4 dan index SOI dapat dibahas korelasinya dengan persentase daerah kering di Indonesia dengan dengan cara statistik dan dapat dikembangkan lebih lanjut dengan memakai JNA/ logika samar seperti yang diuraikan di atas. Demikian juga pendaerahan kekeringan di Indonesia dilakukan dengan melihat garis isohyet dan index kekeringan, selanjutnya dapat diteruskan dengan memanfaatkan JNA/ logika samar untuk pengelompokanya.ANFIS dapat dipakai untuk melakukan prediksi bilangan sunspot, curah hujan bulanan dan tinggi muka air sungai.

Catatan : Tahun 2009 ANFIS memprediksi puncak hujan Jakarta ialah bulan Februari dan puncak tinggi muka air ciliwung juga terjadi pada bulan Februari sehingga diprediksi terjadi banjir dengan genangan berlangsung sekitar 2 hari.

Kata Kunci : Jaringan Neural Artifisial, Neural Network, logika samar, fuzzy logic