Seputar Banjir di Jakarta

Berikut adalah link yang saya terima dari pak Rudiyanto mengenai prediksi banjir di Jakarta.

1. http://www.kompas.com/metro/news/0601/19/144124.htm
2. http://www.gatra.com/artikel.php?id=101385
3. http://www.media-indonesia.com/berita.asp?id=122423

Pada bulan Januari 2007 yang lalu, Prof. The How Liong memprediksi bahwa walau banjir mengancam Jakarta tapi kemungkinan tidak sebesar banjir pada tahun 2002 dan lebih mirip ke pola pada tahun 2005. Tetapi kalau mengikuti berita terkini mengenai banjir di jakarta, sepertinya ANFIS yang dipakai oleh Prof.The How Liong agak meleset, karena banjir tahun ini cukup besar. Prediksi bencana alam memang merupakan satu tema yang sangat sulit, dan kegagalan tingkat generalisasi dari prediktor ini memang sering terjadi. Salah satunya penyebabnya adalah kasus yang dipecahkan masuk kategori imbalanced problems. Event yang diprediksi relatif jarang terjadi, sehingga sulit bagi sebuah prediktor agar dilatih untuk menemukan decision yang tepat & well-generalized (bisa memberikan output yang benar untuk data yang tidak dipakai untuk melatih/mendesain prediktor).

Barangkali di sini momen yang tepat bagi rekan-rekan softcomputing dapat mengamalkan ilmunya untuk membangun satu sistem EWS (Early Warning System) di Indonesia. Sayang saya tidak tahu detail dari prediktor yang dikembangkan Prof. The. Mungkin nggak ya, kalau beliau diundang untuk berdiskusi via internet dengan komunitas softcomputing ? Barangkali rekan-rekan yang lain di milis dapat turut membantu memberikan masukan agar sistem yang dikembangkan dapat menghasilkan sistem yang lebih akurat.

Catatan :

1. ANFIS : Adaptive Neuro-Fuzzy Inference Systems yang dikembangkan oleh J.S. Roger Jang. Deskripsinya dapat dilihat di situs Roger Jang ( http://www.cs.nthu.edu.tw/~jang/anfisfaq.htm ). Intinya metode ini mengkombinasikan artificial neural network dan Fuzzy dalam mengolah informasi yang rancu, tidak precise seperti misalnya data cuaca.

Pengantar Support Vector Machine

Materi ini disampaikan pada e-tutorial SVM milis indo-dm@yahoogroups.com tanggal 5-18 Februari 2007.

Pattern Recognition (PR) didefinisikan sebagai proses pemetaan suatu data ke dalam konsep tertentu yang telah didefinisikan sebelumnya. Konsep tertentu ini disebut class atau category, sedangkan informasi yang menentukan pada konsep manakah data itu dipetakan disebut feature. Contoh sederhana dari Pattern Recognition misalnya dalam problem klasifikasi yang melibatkan dua buah konsep/class: “Atlet Sumo” dan”Pemain Sepak Bola”. Seorang atlet Sumo (Gulat Jepang) dapat dibedakan dengan seorang pemain Sepak Bola dengan mengukur tinggi badan dan beratnya. Umumnya seorang atlit Sumo memiliki tinggi badan dan berat yang lebih besar daripada seorang pemain sepak bola. Tinggi dan berat badan ini adalah dua buah feature yang menentukan apakah seorang atlit diidentifikasikan/dipetakan ke konsep “Atlet Sumo” ataukah “Pemain Sepak Bola”.

Aplikasi pattern recognition sangat luas, di antaranya mengenali suara dalam sistem sekuriti, membaca huruf dalam OCR, mengklasifikasikan penyakit secara otomatis berdasarkan hasil diagnosa kondisi medis pasien dan sebagainya. Berbagai metode dikenal dalam pattern recognition, seperti linear discrimination analysis, hidden markov model hingga metode yang dikembangkan atas motivasi meniru proses informasi pada manusia, misalnya seperti artificial neural network. Salah satu metode PR yang akhir-akhir ini banyak mendapat
perhatian adalah Support Vector Machine (SVM). Hal ini tercermin dari hasil studi yang dilakukan oleh ICDM pada tahun 2006, mengenai top 10 algoritma dalam Data Mining. Studi yang dilakukan oleh Xindong Wu dan Vipin Kumar ini mengidentifikasikan SVM pada peringkat ke-3, setelah C4.5 dan k-Nearest Neighbor Classifier.

Support Vector Machine (SVM) dikembangkan oleh Boser, Guyon, Vapnik, dan pertama kali dipresentasikan pada tahun 1992 di Annual Workshop on Computational Learning Theory. Konsep dasar SVM sebenarnya merupakan kombinasi harmonis dari teori-teori komputasi yang telah ada puluhan tahun sebelumnya, seperti margin hyperplane (Duda & Hart tahun 1973, Cover tahun 1965, Vapnik 1964, dsb.), kernel diperkenalkan oleh Aronszajn tahun 1950, dan demikian juga dengan konsep-konsep pendukung yang lain. Akan tetapi hingga tahun 1992, belum pernah ada upaya merangkaikan komponen-komponen tersebut.

Berbeda dengan strategi neural network yang berusaha mencari hyperplane pemisah antar class, SVM berusaha menemukan hyperplane yang terbaik pada input space. Prinsip dasar SVM adalah linear classifier, dan selanjutnya dikembangkan agar dapat bekerja pada problem non-linear. dengan memasukkan konsep kernel trick pada ruang kerja berdimensi tinggi.

Pada e-tutorial ini akan dibahas tiga pertanyaan sebagai berikut:

1. Apakah SVM itu ?
2. Apa sajakah contoh aplikasi SVM ?
3. Referensi apa sajakah yang direkomendasikan untuk mempelajari SVM ?

Pertanyaan pertama dibahas pada Sec.2 dan Sec.3. Pertanyaan kedua dibahas pada Sec.4, sedangkan pertanyaan ketiga dibahas pada Sec.5, yang akan ditutup dengan kesimpulan.

Artikel selengkapnya silakan didownload dari sini.

Berapakah harga X di Jepang ?

1. Toyu(minyak tanah) : 72 yen per liter (harga jual di pom bensin dekat rumah/Yukimi-cho)
2. Cukur bervariasi, tetapi paling murah saat ini sekitar 1000 yen (10 menit).
3. Pijat (dekat rumah saya sih) 1000 yen per 10 menit.
4. Argo taxi mulai dari 610 yen (beberapa taxi ada lebih murah) sampai 2 km.
5. Donat di Misdo : 110 yen (French Kurera )
6. Minuman kaleng di vending machine kocha kaden (milk tea) 280 gram: di kampus 110 yen, di luar kampus 120 yen
7. Omutsu pants (popok celana), merk Merries 897 yen isi 30 pcs (rata-rata per pcs: 30 yen)
8. Gas: tarifnya selalu direvisi tiap 3 bulan menyesuaikan dengan pergantian musim, dan dibagi ke 4 kategori berdasarkan luas rumah. Luas tempat tinggal kami sekitar 30 m2, dan masuk kategori B, dengan tarif 134.90 yen per m3 (Februari 2007). Tarif selengkapnya sbb.
   1. Tipe A (luas: 0-25 m2) : 179.42 yen/m3
   2. Tipe B (luas:25-250 m2): 134.90 yen/m3
   3. Tipe C (luas:250-500 m2): 132.38 yen/m3
   4. Tipe D (luas lebih dari 500 m2: 122.41 yen/m3
9. Listrik

– belum selesai –

Diproteksi: Catatan Kegiatan 5-11 Februari 2006

Tulisan ini dilindungi kata sandi. Untuk melihatnya mohon masukkan sandi Anda di bawah ini:

Kata Sandi: