Google+ Followers

21 January 2011

Penemuan Pengetahuan Memakai Model Neuro-Fuzzy

Seminar Nasional, Lapan, 2010

Penemuan Pengetahuan Memakai Model Neuro-Fuzzy
Studi Kasus : Cuaca/Iklim dan Cuaca/Iklim Antariksa Ekstrim

The Houw Liong
KK Fisika Sistem Kompleks, FMIPA, ITB
Pasca Sarjana Informatika, IT Telkom

Abstrak

Hakekat sains ialah menemukan pengetahuan yang terandalkan (model konseptual,model empiris, model fisis, kaidah,hukum sebab akibat,teori) dari data pengamatan dan mengujinya dengan melihat kecocokannya antara prediksi pengetahuan tsb dengan data pengamatan . Metoda ini sekarang dikenal sebagai Data Mining atau Knowledge Discovery from Data (KDD) yang didukung oleh metoda statistik (clustering, regresi, korelasi, PCA, dll) dan metoda inteligensi artificial (ANN, fuzzy logic ,neuro-fuzzy, SVM, dll.) .
Studi kasus diambil dari cuaca/iklim dan cuaca antariksa untuk melakukan prediksi jangka panjang, jangka menengah dan jangka pendek, khususnya untuk mengantisipasi curah hujan ekstrim yang mengakibatkan banjir besar di Indonesia dan super storm (CME) dari aktifitas matahari yang dapat mengakibatkan kelumpuhan telekomunikasi dan navigasi di Indonesia yang diperkirakan akan terjadi pada akhir tahun 2012 atau awal tahun 2013.


Pendahuluan
Bencana alam, seperti banjir akan dirasakan parah ketika cuaca/iklim pada keadaan ekstrim (curah hujan lebat lebih lama , lebih meluas dan lebih sering dari normalnya) atau sebaliknya pada bencana kekeringan ( kemarau panjang, curah hujan jauh lebih sedikit dari normalnya). Prediksi jangka panjang untuk keadaan ini sulit dilakukan dengan model cuaca/iklim yang berdasarkan hukum fisika yang fundamental yang berlaku untuk sistem atmosfer-laut yaitu hukum kekekalan untuk fluida, hukum termodinamika, pemodelan pembentukan awan, pengaruh aktivitas matahari, fluks sinar kosmik, letusan gunung, dan biosfer) serta syarat batas dan kondisi awal yang kompleks. Di Indonesia model GCM yang dikembangkan di Lapan Bandung belum bisa melakukan prediksi jangka panjang untuk mengantisipasi bencana banjir yang ekstrim atau kekeringan yang ekstrim. Demikian juga BMKG belum melakukan prediksi jangka panjang cuaca/iklim ekstrim.

Cara lain dilakukan dengan memakai metoda yang dikembangkan dalam Data Mining yaitu dengan menggunakan metoda statistik dan metoda inteligensi artifisial (Artificial Neural Network dan Fuzzy Logic) yang dikembangkan oleh Tim ITB dan UPT Hujan Buatan dalam tahun 2005 sampai 2009. Berdasarkan analisis deret waktu aktivitas matahari, fluks sinar kosmik, indeks ENSO, dan IOD yang hasilnya dapat dibaca pada Referensi.
Dari historis bencana alam di berbagai tempat di Indonesia dapat disimpulkan bahwa pengaruh cuaca ekstrim yang penting ialah bencana banjir yang pada umumnya terjadi pada bulan Desember, Januari dan Februari, meskipun secara normal musim hujan telah mulai sekitar dasarian ke 1 bulan November. Pada bulan-bulan tersebut pita zona konvergensi intertropis (ITCZ : Intertropical Convergence Zone) dan gerak relatif matahari berada di atas belahan bumi selatan. Pada belahan bumi musim panas juga sering muncul depresi, badai atau siklon tropis. Pita ITCZ dan badai tropis menyebabkan konvergensi gerak massa udara tropis lembab yang akan bergerak atas, sehingga uap air yang terbawa akan berubah fasa cair (tetes awan) melalui proses kondensasi.
Sebaliknya pada bulan Juli, Agustus, September, Oktober sebagian besar wilayah Indonesia mengalami musim kemarau. Pada saat kemarau panjang banyak daerah mengalami kekeringan atau kekurangan air.
Dalam penelitian ini diperlihatkan mekanisme matahari mempengaruhi cuaca berdasarkan letak relatifnya dan cuacas/iklim ekstrim melalui aktivitasnya.
Sistem peringatan dini cuaca/iklim ekstrim jangka panjang dapat dibangun berdasarkan siklus aktivitas matahari yang diwakili oleh deret waktu bintik matahari (sunspot). Deret waktu bilangan bintik matahari ini dapat diprediksi dengan menggunakan ANFIS (Adaptive Neuro Fuzzy Inference System).
Untuk wilayah Indonesia selain gejala musiman yang ditimbulkan oleh letak relatif matahari, ada gejala global dan regional yang berpengaruh pada timbulnya cuaca/iklim ekstrim yang bersumber pada aktivitas matahari yaitu ENSO (El NiƱo /Southern Oscillation), IOD (Indian Ocean Dipole) dan Madden-Julian Oscillation (MJO) .
Selanjutnya diteliti lebih mendalam dinamika interaksi matahari bumi, dinamika atmosfer, dinamika lautan dan analisis deret waktu untuk memprediksi cuaca/iklim ekstrim di wilayah Indonesia serta dinamika modifikasi cuaca/iklim dan siklus air yang diperlukan untuk mengembangkan cara-cara untuk mengurangi dampak negatif dari cuaca/iklim ekstrim yaitu banjir dan kekeringan yang diprakirakan akan terjadi.
Hasil penelitian menunjukkan bahwa curah hujan ekstrim wilayah Indonesia tengah berkorelasi erat dengan bilangan bintik matahari. ENSO terutama mempengaruhi curah hujan ekstrim wilayah Indonesia timur dan IOD terutama mempengaruhi curah hujan ekstrim wilayah Indonesia barat.

Pendekatan Masalah Prediksi Cuaca/Iklim Ekstrim

Kaitan siklus curah hujan tahunan wilayah Indonesia oleh siklus sunspot, ENSO/SOI, dan IOD diselidiki pengaruhnya dengan memakai Fuzzy c-means clustering (Siregar, 2006).
Adaptive Neuro Fuzzy Inference System (ANFIS) dapat dijadikan sebagai pendekatan untuk melakukan prediksi deret waktu jangka panjang dan menegah. Analisa luaran ANFIS deret waktu bilangan sunspot dapat memprediksi cuaca ekstrim di wilayah Indonesia. (The, 2006b)
Sumber data sunspot (harian,bulanan) yang bersumber dari Royal Observatory of Belgium dan Sunspot Index Data Center :
http://www.astro.oma.be/SIDC pada tahun 1749-2003.
Sumber data curah hujan dari NCEP Reanalysis
http://www.cdc.noaa.gov/cdc/data.ncep.reanalysis kurun waktu tahun 1948-2003
Data ENSO/SOI, IOD,Nina3.4 dari NOAA

Pengaruh Aktivitas Matahari pada Cuaca dan Iklim Ekstrim di Indonesia

Hasil pengolahan data menunjukkan adanya korelasi yang kuat antara curah hujan wilayah Indonesia tengah yang diwakili oleh curah hujan wilayah Pontianak dengan bilangan sunspot ( The, 2006a.). Hal ini dapat dijelaskan sebagai berikut ini.
Interaksi sinar kosmik dengan atmosfer atas menghasilkan partikel sekunder yang antara lain terdiri dari neutron dan moun. Secara umum partikel bermuatan tidak mampu menembus jauh lapisan atmosfer, kecuali neutron dan muon dan sinar gama dapat menembus hingga ke ketingian di bawah 6 km. Bila neutron dan muon berinteraksi dengan molekul air atau molekul udara, molekul menjadi bermuatan sehingga dapat menjadi inti kondensasi dalam proses pembentukan awan (Carlslaw,2002). Sinar kosmik menjadi sumber ion di udara di samping radiasi yang datang dari bumi oleh radio isotop radon.
Ketika aktivitas matahari rendah atau sunspot minimum SMin, intensitas sinar kosmik yang sampai ke permukaan bumi menjadi maksimum sehingga tutupan awan tumbuh maksimum. Ini berarti bahwa iradiansi matahari yang mencapai bumi akan menjadi minimum.
Sebaliknya bila aktivitas matahari maksimum partikel bermuatan yang dipancarkan matahari mempengaruhi medan magnetik antara bumi matahari yang akan membelokkan sebagian sinar kosmik menjauhi bumi sehingga intensitas sinar kosmik yang sampai ke bumi menjadi minimum, tutupan awan akan minimum. Selain itu karena flare bertambah, maka iradiansi matahari khususnya daerah ultraviolet yang diterima di bumi bertambah.
Tutupan awan global menghasilkan pemanasan global (efek rumah kaca/ greenhouse effect) sejumlah kira-kira 13%, tapi juga menyebabkan pendinginan sebesar 20% terhadap refleksi melawan radiasi matahari langsung. Hal inilah yang menyebabkan curah hujan wilayah Pontianak minimum, ketika aktivitas matahari minimum dan curah hujannya maksimum ketika aktivitas matahari maksimum, karena untuk wilayah ini pengaruh dinamika atmosfer dan laut dari Pasifik maupun dari laut India kecil (The,2006a). Untuk wilayah Indonesia barat dipengaruhi oleh dinamika atmosfer dan laut India (IOD) dan untuk wilayah Indonesia timur sangat dipengaruhi oleh dinamika atmosfer dan laut Pasifik (ENSO). Diperkirakan bahwa setelah puncak matahari 2013, wilayah Indonesia tengah akan mengalami curah hujan ekstrim demikian juga wilayah Indonesia timur bersamaan dengan La Nina dan wilayah barat bersamaan dengan IOD negatif.
Pengaruh Flare dan CME yang Kuat
Pada puncak aktivitas matahari Smax(sunspot maximum) kemungkinannya lebih besar untuk terjadinya flare dan CME (coronal mass ejection) yang kuat. Jika semburan plasma ini mengarah ke Bumi maka berkas partikel bermuatannya bisa merusak sistem instrumentasi yang ada pada satelit komunikasi dan navigasi (GPS) dan untuk daerah jauh dari khatulistiwa , arus induksi yang ditimbulkannya dapat merusak jaringan listrik/ transformator tegangan tinggi seperti yang terjadi di Kanada pada tahun 1959 yang disebut effek Carrington.
Kehidupan modern sangat bergantung pada sistem navigasi dan komunikasi yang menggunakan satelit, sehingga jika semburan plasma yang kuat mengarah ke Bumi maka bencana yang ditimbulkan akan sangat besar.
Hal tsb. dikemukakan oleh Dr. Richard Fisher dari Nasa :
“We know it is coming but we don’t know how bad it is going to be,” Dr Richard Fisher, the director of Nasa's Heliophysics division, said in an interview with The Daily Telegraph.
“It will disrupt communication devices such as satellites and car navigations, air travel, the banking system, our computers, everything that is electronic. It will cause major problems for the world.
“Large areas will be without electricity power and to repair that damage will be hard as that takes time.”
Dr Fisher added: “Systems will just not work. The flares change the magnetic field on the earth that is rapid and like a lightning bolt. That is the solar affect.”
Every 22 years the Sun’s magnetic energy cycle peaks while the number of sun spots – or flares – hits a maximum level every 11 years.
Menurut Dr.Bamford dari Nasa :
So – it’s a real thing, and we should be concerned. But preventive measures can be taken – satellites can be sent offline during big flares, power grids and communication networks can be shielded against electromagnetic radiation and so on. As Dr Bamford says: “The extreme events like the 1859 Carrington Event are 1-in-100-year probabilities, about the same probability as a storm of the level of Katrina hitting New Orleans – and New Orleans did not build their defences to withstand the extreme-but-unlikely magnitude. 100 years isn’t that long.
“But the end of the world it is not. Maybe as disruptive as an ash cloud, but not as protracted I’m sure.” She gives examples of precautions, like a GPS backup system and active mini-magnetosphere shielding for astronauts and satellites that her team have designed.
Of course, if those precautions are taken, and actually work, and no damage is done, then everyone will cry that it was all a big fuss over nothing, like they always do. So the scientists can’t win, really. But that’s just how it is.

Posibilitas terjadinya CME yang kuat dan mengarah ke Bumi ada pada puncak aktivitas matahari 2013, namun untuk memprediksi probabilitasnya masih diperlukan pengembangan model magnetohidrodinamika dalam matahari serta magnetosfer yang sampai sekarang belum bisa memprediksi cuaca/iklim ekstrim antariksa .
Cara lain ialah mengembangkan pengamatan dan metoda data mining untuk mengidentifikasi pola yang terjadi pada matahari sehingga dapat menentukan besar CME serta arahnya. Demikian juga pola medan interplaneter , khususnya dalam wilayah Matahari-Bumi. Untuk prediksi jangka menengah diperlukan prediksi puncak aktivitas matahari yang lebih akurat serta terjadinya CME kuat yang mengarah ke Bumi.
Lapan, Bandung sedang mengembangkan prediksi jangka pendek yang diharapkan bisa memprediksi beberapa hari sebelum efek CME sampai ke Bumi.



Referensi :

1.The H.L., P.M. Siregar, Prediction of Extreme Weather and Climate in Indonesian Maritime Continent Based on Sunspot Numbers, International Roundtable on Understanding and Prediction of Summer and Winter Monsoons, BMG, NAMS&T, NCMRF, Jakarta, 2005.
2. The H.L., P.M. Siregar, Sistem Peringatan Dini di Indonesia Berdasarkan Aktivitas Matahari, Seminar Antariksa Nasional III, 2006a.
3.P. M. Siregar, The H. L. , Fuzzy Clustering and Extreme Weather/ Climate in Indonesia, International Workshop on Regional Models for Prediction of Tropical Weather and Climate, KAGI 21-ITB, Bandung, 2006a
4.The H. L., P. M. Siregar,Using System Dynamics of Ciliwung River to Predict Floods, Workshop on Nonlinearity 2k6, IPB, Bogor, 2006b
3.P.M Siregar, The H. L. , Mechanism of Extreme Climate in Pontianak and Jayapura Regions, Workshop on Nonlinearity 2k6, IPB, Bogor, 2006b.
4.The H. L., R. Gernowo, P.M. Siregar, H. Widodo, Sistem Peringatan Dini Banjir Sungai Ciliwung, , Geo-Hazard dan Sumber Daya Bumi di Tanah Air, HAGI, Bandung, 2006c.
5. Bayong Tjasyono HK, et al, Impact of El Nino on Rice Planting In Indonesian Monsoonal Areas, International Workshop on Agrometeorology : Climate Forecast Application for Sustainable Agricultural Production and Risk Reduction Strategies, Jakarta, 2006.
6.R.Gernowo,T.W. Hadi, Nuryana,J.K., Analisis Kejadian Hujan Ekstrim Terhadap Banjir Daerah DKI Jakarta: Studi Kasus Januari 2002, Prosiding PIT HAGI, Semarang, 2006a.
7. R.Gernowo, Bayong Tj H.K., The H. L., T. W. Hadi, I. Junaeni, Case Analysis of Relationship between Rainfall Convection and Flood Phenomena on January 2002 in DKI-Jakarta Area, International Conference on Mathematics and Natural Sciences, ITB, 2006b.
8.Tri W. Hadi, N. J. Trilaksono & I D.G. Junnaedhi, A Numerical Study of The Jakarta Flood Event of January/February 2002 : Simulation of Convective Rainfall Using Regional Weather Model, Laporan Riset ITB, 2006
9. Duhau ,S., Long Term Variations in Solar Magnetic Field, Geomagnetic Field and Climate,Proc. 9th Asian-Pacific Regional Meeting, IAU, Bali, 2006.
10.Bayong TjHK, Peran Aerosol dan Larutan pada Pertumbuhan Tetes Awan, Seminar Hidrologi Banjir dan Kekeringan , MHI, BPPT, Jakarta 2005a.
11. Bayong TjHK, Meteorogical Drought in Indonesia, International Seminar on Indonesian Smoke Induced by Drought Episodes, BPPT, Jakarta, 2005b.
12. T. Landscheidt, New ENSO Forcast Based on Solar Model, Schroeter Institute for Research in Cycles of Solar Activity, 2003.
13.K.S. Carlslaw, R.G. Harrison, J. Kirkby, Cosmic Rays, Clouds, and Climate, Science’s Compass, Vol. 298, 2002.
14.Ratag,M.A.,Dampak Variabilitas Matahari terhadap Vegetasi:Cincin-cincin Kayu, Prosiding lokakarya program Iklim Nasional, 126-132, Lapan, Jakarta., 1999a.
15.Ratag,M.A.,Fraktal Variabilitas Matahari dan Kaitannya dengan Dinamika Variabilitas iklim, Prosiding lokakarya program Iklim Nasional,133-144, Lapan, Jakarta,1999b.
16.Ratag,M.A., Dinamika Sistem Matahari-Bumi dan Perubahan Iklim Global, Prosiding lokakarya program Iklim Nasional,150-160, Lapan,Jakarta.,1999c.

http://blogs.telegraph.co.uk/culture/tomchivers/100008500/nasas-2013-solar-flare-warning-how-much-do-we-need-to-worry/

1 comment:

Evi Nurul Wijayanti said...

wah, baru dengar ada model ini? menyebutnya saja susah, neuro-fuzzy?
apapun modelnya, yang penting niat untuk mencobanya dulu ada. agar pembelajaran semakin menarik dan kreatif