20052005
Outline
METODE NUMERIK ARTIFICIAL
INTELLIGENCE SIMULASI
METODE NUMERIK
Application of numerical methods for : natural resources exploration, atmospheric physics, behavior of materials, Ising models / phase transitions, percolation, Mayer integral expansions, molecular spectra, polymer flow, nuclear reactor calculations, chaos, image processing and noise analysis
Chaos dan Kompleksitas
Compleksitas AturanLinier Nonlinier
Jum
lah
var
iab
el
B
anya
k
S
edik
it
Teratur Chaotik
Compleks Acak
Contoh Sistem Dinamik
Sistem Matahari Atmosfer (cuaca) Ekonomi (Pasar Saham) Tubuh manusia (jantung, otak, paru-paru ...) Ekologi (populasi tumbuhan dan binatang) Pertumbuhan kanker Penyebaran penyakit Reaksi Kimia Internet
Weak Causality
Karakteristik Chaos Tidak pernah berulang Sangat tergantung pada
kondisi awal (Efek kupu-kupu) Mengijinkan prediksi jangka
pendek tetapi tdk bisa jangka panjang
Biasanya menghasilkan pola fraktal
Orbit Planet
Orbit Elips Orbit Chaotik
Logistic Mapxn+1 = Axn(1 - xn)
Atraktor Hénonxn+1 = 1 - 1.4xn
2 + 0.3xn-1
2-D Kuadratik 2-D Umum
xn+1 = a1 + a2xn + a3xn2 +
a4xnyn + a5yn + a6yn2
yn+1 = a7 + a8xn + a9xn2 +
a10xnyn + a11yn + a12yn2
Set Mandelbrot
y
x
xn+1 = xn2 - yn
2 + a
yn+1 = 2xnyn + b
Gambar Mandelbrot
Obyek geometri dengan dimensi pecahan
Self-similarity
Fraktal
Agregasi Difusi Terbatas
Fraktal Alam
Difusi (Gerak Acak)
Gb.13. Beda Hingga w=0.5 Gb.14. Runge-Kutta w=0.5
Gb.15. Beda Hingga w=0.72 Gb.16 Runge-Kutta w=0.72
Gb.17. Beda Hingga w=1.07 Gb.18. Runge-Kutta w=1.07
Gb.19. Beda Hingga w=1.09 Gb.20. Runge-Kutta w=1.09
Gb.21. Beda Hingga w=1.24 Gb.22. Runge-Kutta w=1.24
Gb.23. Beda Hingga w=1.26 Gb.24. Runge-Kutta w=1.26
Gb.25. Beda Hingga w=1.29 Gb.26. Runge-Kutta w=1.29
Gb.27.Beda Hingga w=1.42 Gb. Runge-Kutta w=1.42
ARTIFICIAL INTELLIGENCE
Expert system / Symbolic Manipulation for interpretation of spectroscopy data, X-ray diffraction, logging data, pattern recognition by using syntax analysis of signal. Application of neural networks and its relation to spin glass,cellular automata in fluids dynamics and membrane transport, and symbolic processing/computer algebra.Fuzzy set and fuzzy logic.
Pengantar Mengapa kita temukan selfsimilar pd struktur biologi, seperti pohon, daun, ranting? Apa hubungannya dg benda mati seperti salju, gunung, awan? Apa yg bertanggung jawab pd fenomena ini?
Apakah ada alasan jitu mengapa sulit memprediksi pasar saham dan cuaca? Apakah unpredictable karena keterbatasan pengetahuan kita atau inherent pd sistem?
Bagaimana sekumpulan koloni semut, syaraf otak, dan pasar saham melakukan self organized yg menciptakan perilaku kompleks?
Apa hubungannya antara evolusi, belajar, dan adaptasi pd sistem sosial?
TREND !
Fisika, Biologi, ekonomi, evolusi, psikologi, astronomi, sipil, elektro dsb
menggunakan komputer sebagai laboratoriumsebagai sebuah metafora untuk memahami alam
Cellular Automata
Jaringan Saraf Tiruan
Terinspirasi dengan cara kerja sistem syaraf yang ternyata berbeda dengan arsitektur komputer pada saat itu ( misalnya sistem sonar yang dibuat oleh manusia, ternyata menyita ruangan yang cukup besar padahal pada kelelawar hanya secuil ujung jari)
maka lahirlah algoritma Artificial Neural Networks (ANNs) atau Jaringan Syaraf Tiruan (JST). Diantara aplikasi penting yang bisa dilakukan oleh JST diantaranya sebagai alat prediksi, pengenalan pola, identifikasi, simulasi dsb
•Aplikasi JNA :
.Aerospace : Simulasi lintasan terbang, simulasi penerbangan tanpa awak, simulasi komponen pesawat, deteksi kesalahan komponen..Otomotif : Sistem pemandu otomatis, analisis aktivitas bahaya..Perbankan : Mengecek dan membaca documen termasuk mengenali pola tanda tangan.Pertahanan : membedakan musuh, mengarahkan senjata, mengenali wajah, sensor dan radar, identifikasi sinyal..Elektronik : prediksi urutan kode, kontrol proses, analisis kesalahan chip, identifikasi suara, pemodelan nonlinier..Entertainment : Animasi, special effect, market forecasting..Financial : Penasihat , program penjualan porto folio, prediksi valas.Asuransi : Optimasi produk,evaluasi aplikasi kebijakan.Manufaktur : kontrol proses manufaktur, analisis dan desain produk, identifikasi secara real time, proses dan diagnosa mesin, .kedokteran : analisis kanker, analisis EEG dan ECG, optimasi pencangkokan,.Migas : eksplorasiRobotik : kontrol trayektory, sistim visual, pengenalan suara, klasifikasi intonasi dll
PREDIKSI CUACA EKSTRIM
Masalah nasional : banjir di musim hujan kekeringan di musim kemarau
Dapatkah melakukan prediksi cuaca ekstrim ?
Prediksi deret waktu dengan Adaptive Neuro-Fuzzy Inference System
Studi kasus : Prediksi banjir DKI
Sumber: Citra Landsat 30-07-1992 JABODETABEKJABODETABEK
Kinerja Prediksi TMA Oktober-Desember 2002(ketika Data terakhirnya Oktober 2002)
50
60
70
80
90
100
110
120
130
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
Tahun
TM
A (
cm
)
Hasil Prediksi TMA Riil TMA Riil tanpa moving
Kinerja Prediksi Curah Hujan Oktober-Desember 2002(Ketika Data Terakhirnya Oktober 2002)
0
50
100
150
200
250
300
350
400
450
500
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
Tahun
TM
A (
cm
)
Hasil Prediksi Curah Hujan Riil CH Riil tanpa moving
Kinerja Prediksi TMA Pentad untuk 12 Desember 2002 s/d 10 Januari 2003(Ketika Data Terakhirnya 11 Desember 2002)
50
70
90
110
130
150
170
1999 2000 2001 2002 2003
Hasil Prediksi TMA Riil TMA Riil tanpa Moving Kinerja Prediksi Curah Hujan Pentad untuk 27 November 2002 s/d 10 Januari 2003
(Ketika Data Terakhirnya 26 November 2002)
0
20
40
60
80
100
120
140
160
180
200
1999 2000 2001 2002 2003
Hasil Prediksi Curah Hujan Riil Ch Riil tanpa Moving
TMA BULANANBulan prediksi Real %Tepat Real Mov %TepatOkt 2002 75.7859 72.172 95.231 77.33875 97.951Nop 2002 83.3068 83.9514 99.226 83.97249 99.201Des 2002 93.5186 95.8011 97.559 92.24617 98.639Januari 2003 102.055Februari 2003 110.805
ChDKI BULANANBulan prediksi Real %Tepat Real Mov %TepatOkt 2002 45.036 40.131 89.108 51.7023 85.198Nop 2002 97.137 134.08 61.964 104.957 91.949Des 2002 152.067 151.34 99.52 144.436 94.982Januari 2003 232.9562Februari 2003 272.142
TMA PENTAD 12 Des 2002- 10 Jan 2003Tanggal prediksi Real %Tepat Real Mov %Tepat12 s/d 16 Des 87.4363 102.625 82.629 93.99541 92.49817 s/d 21 Des 89.5131 96.1583 92.576 95.84169 92.9322 s/d 26 Des 91.158 100.625 89.615 95.49 95.24827 s/d 31 Des 92.1789 87.975 95.439 94.225 97.781 s/d 5 Jan 92.802 87.71 94.513 91.664 98.7745 s/d 10 Jan 91.9754 81.47 88.578 85.2935 92.73511 s/d 15 Jan 95.293516 s/d 20 Jan 98.815621 s/d 25 Jan 102.39226 s/d 30 Jan 103.06831 s/d 4 Feb 101.7625 s/d 9 Feb 99.391
ChDKI PENTAD 27 Nop 2002 - 10 Jan 2003Tanggal prediksi Real %Tepat Real Mov %Tepat27 s/d 1 Des 32.8605 36.193 89.858 30.9215 94.0992 s/d 6 Des 29.316 29.883 98.065 28.445 97.0297 s/d 11 Des 24.7315 6.31 25.514 22.052 89.16612 s/d 16 Des 23.3795 44.76 8.5502 27.8727 80.78217 s/d 21 Des 23.842 9.8 41.104 22.5563 94.60822 s/d 26 Des 26.0395 37.583 55.668 24.5427 94.25227 s/d 31 Des 20.4655 15.367 75.086 20.3617 99.4931 s/d 5 Jan 23.6725 15 63.365 21.885 92.4495 s/d 10 Jan 22.778 37.5 35.367 24.11 94.15211 s/d 15 Jan 25.4316 s/d 20 Jan 36.172821 s/d 25 Jan 35.579126 s/d 30 Jan 37.930431 s/d 4 Feb 31.69665 s/d 9 Feb 30.5685
Performance
Prediksi Tinggi Muka Air Pintu Depok untuk Bulan Januari-Juli 2003untuk Wilayah DKI Jakarta
50
60
70
80
90
100
110
120
130
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Tahun
TM
A (
cm
)
Hasil Prediksi TMA RiilPrediksi Curah Hujan Bulan Januari-Juli 2003
untuk Wilayah DKI Jakarta
0
50
100
150
200
250
300
350
400
450
500
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Tahun
TM
A (
cm
)
Hasil Prediksi Curah Hujan Riil
Prediksi Tinggi Muka Air Pintu Depok Pentad untuk 11 Januari- 9 Februari 2003untuk Wilayah DKI Jakarta
50
70
90
110
130
150
170
1999 2000 2001 2002 2003
Tahun
TM
A (
cm
)
Hasil Prediksi TMA Riil
Prediksi Curah Hujan Pentad untuk 11 Januari- 9 Februari 2003untuk Wilayah DKI Jakarta
0
20
40
60
80
100
120
140
160
180
200
1999 2000 2001 2002 2003
Tahun
TM
A (
cm
)
Hasil Prediksi Curah Hujan Riil
TMA PENTAD 1-15 Jan 2004Tanggal prediksi Real %Tepat Real Mov %Tepat1 s/d 5 Jan 106.92 107.967 99.021 108.7 98.3355 s/d 10 Jan 105.73 105.917 99.823 107.77 98.07111 s/d 15 Jan 104.07 110.057 94.247 108.18 96.05116 s/d 20 Jan 108.3121 s/d 25 Jan 107.9926 s/d 30 Jan 107.1931 s/d 4 Feb 106.16
Curah Hujan Ciliwung Hulu PENTAD 1-10 Jan 2004Tanggal prediksi Real %Tepat Real Mov %Tepat1 s/d 5 Jan 97.54 71 72.791 99.9 97.585 s/d 10 Jan 90.01 115.33 71.866 104.3 84.12411 s/d 15 Jan 79.067 76.82 97.158 76.82 97.15816 s/d 20 Jan 88.896321 s/d 25 Jan 75.091826 s/d 30 Jan 65.0666
Performance
Prediksi Tinggi Muka Air Pintu Depok untuk Bulan Januari-Juni 2004untuk Wilayah DKI Jakarta
50
60
70
80
90
100
110
120
130
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
Hasil Prediksi TMA RiilPrediksi Curah Hujan Ciliwung Hulu Bulan Januari-Juni 2004
untuk Wilayah DKI Jakarta
0
100
200
300
400
500
600
700
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
Hasil Prediksi Curah Hujan Riil
Prediksi Tinggi Muka Air Pintu Depok untuk 16 Jan- 4 Feb 2004untuk Wilayah DKI Jakarta
50
70
90
110
130
150
170
2000 2001 2002 2003 2004
Tahun
TM
A (
cm
)
Hasil Prediksi TMA RiilPrediksi Curah Hujan Ciliwung Hulu Pentad untuk 11-30 Januari 2004
untuk Wilayah DKI Jakarta
0
20
40
60
80
100
120
140
160
180
200
2000 2001 2002 2003 2004
Tahun
Cu
rah
hu
jan
(m
m)
Hasil Prediksi Curah Hujan Riil
TAHAPAN PENELITIAN
Econophysics (Ekonofisika)
Active Walks dan Fenomena Bergantung Lintasan
pada Sistem Sosial
Active Walks (AW) adalah sebuah paradigma untuk pembentukan pola (pattern formation) dan organisasi
diri(self-organized) pada sistem kompleks.
AW berkontribusi pada lingkungannya tapi pada saat penentuan langkah berikutnya AW juga dipengaruhi lingkungannya. Model AW telah sukses diterapkan pada berbagai macam sistem biologi maupun fisika
misalnya pada pembentukan pola filamen pada syaraf retina dan pola reaksi permukaan pada sel cairan tipis,
begitu pun pada penimbunan makanan oleh sekelompok semut.
Disini akan dibahas ide dasar dan aplikasi penting AW terutama aplikasi baru pada pertumbuhan penduduk
dan kenaikan pengembalian (increasing returns) pada ekonomi.
Diskusi
Memperkenalkan metoda fisika dalam ekonomi
Model Aliran Fluida Model Aliran Barang Model Selular-Automata Minority Game
trend
Metoda Fisika dapat berperan besar dalam Ekonomi atau bidang lain
Tumbuh Bidang : Econophysics, Sociophysics, Psychophysics, etc.
1500 1600 1700 1800 1900 2000 2100 2200 2300 2400 25000.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8x 10
4
nomor urutan data
Ru
pia
h (
me
rah
=d
ata
se
be
na
rnya
,bir
u=
ha
sil p
red
iksi
AN
N) FLUKTUASI RUPIAH
Prediksi Fluktuasi Rupiah
Penerapanya
Prediksi Bencana Alam Banjir dan Kekeringan Gempa dan longsor
Lingkungan Pencemaran air tanah
Spektroskopi
SIMULASI
Simulations and Visualization : Monte Carlo simulations for neutron and Ising model, neutron diffusion in nuclear reactor and shielding, viscosity simulation and kinetic simulation of nuclear reactor. Simulation for biomechanism. Visualization of physical system
F = MA
exp(-E/kT)
domain
quantumchemistry
moleculardynamics
Monte Carlo
mesoscale continuum
What and Where: Scales in Simulations
Length Scale
Tim
e S
cale
10-10 M 10-8 M 10-6 M 10-4 M
10-12 S
10-8 S
10-6 S
Application of numerical methods for : natural resources exploration, atmospheric physics, behavior of materials, Ising models / phase transitions, percolation, Mayer integral expansions, molecular spectra, polymer flow, nuclear reactor calculations, chaos, image processing and noise analysis
S1/S2 The Houw Liong, Z. Su'ud, A. Soehianie, R. Kurniadi
Expert system / Symbolic Manipulation for interpretation of spectroscopy data, X-ray diffraction, logging data, pattern recognition by using syntax analysis of signal. Application of neural network and its relation to spin glass,cellular automata in fluids dynamics and membrane transport, and symbolic processing/computer algebra
S1/S2 The Houw Liong I. Arif,S. N. Khotimah,R. Kurniadi
Control system and weather/climate prediction using fuzzy logic and artificial neural network
S1/S2 The Houw Liong, Z. Su'ud
Simulations and Visualization : Monte Carlo simulations for neutron and Ising model, neutron diffusion in nuclear reactor and shielding, viscosity simulation and kinetic simulation of nuclear reactor. Simulation for biomechanism. Visualization of physical system
S1/S2 A. Soehianie, Z. Su'ud,I. Arif, R. Soegeng, L. Pasasa, R. Kurniadi
Terima Kasih
Top Related