PERANCANGAN PERANGKAT LUNAK PREDIKTOR CUACA BERBASIS LOGIKA FUZZY

Transkripsi

1

2 PERANCANGAN PERANGKAT LUNAK PREDIKTOR CUACA BERBASIS LOGIKA FUZZY Oleh Ilham Bangun Asmoro Dosen Pembimbing : Ir. Syamsul Arifin, MT Fitri Adi I., ST, MT Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2011

3 Pemodelan Global Warming Pengaruh cuaca terhadap aspek kehidupan

4 Penyebab Terjadinya Kecelakaan Kapal Struktur Kapal 21% Human Error 41% Bencana Alam 38% [MTI, VOLUME 2, LANGKAH, 2007]

5 Bagaimana merancang suatu perangkat lunak prediktor cuaca agar mampu digunakan untuk proses prediksi cuaca, Bagaimana membangun suatu Graphic User Interface (GUI) yang mampu mengolah, menyimpan dan menampilkan prediksi cuaca, Bagaimana merancang algoritma logika fuzzy untuk prediktor cuaca, Bagaimana merancang algoritma logika fuzzy agar dapat memprediksi secara tepat dan akurat.

6 Penelitian hanya dilakukan di sekitar Teknik Fisika ITS Surabaya, Data yang diambil dari hasil pengukuran stasiun cuaca mini yang telah dibuat (data real), Data yang digunakan sebagai masukan adalah temperatur, kelembaban udara dan kecepatan angin, Data yang digunakan sebagai keluaran adalah curah hujan atau weather event,

7 Tujuan dari penelitian ini adalah Merancang suatu perangkat lunak prediktor cuaca agar mampu digunakan untuk proses prediksi cuaca,

8 Proses CaMaBa Kriteria nilai ITS

9 Proses

10

11 Mulai Perolehan Data Variabel Cuaca Perancangan Algoritma dan Perangkat Lunak Pengujian Sistem dan Perbaikan Algoritma Sesuai Tidak Ya Analisa dan Validasi Ya Penyusunan Laporan Selesai

12 No Peneliti Judul Tahun Metode Hasil Kekurangan 1 Kresnawan, Penerapan Model 2009 Neural Current RMSE Off Line dan pada Andre Jaringan Syaraf Network training = 9.64 m/s, kawasan maritim Tiruan untuk RMSE checking = Memprediksi Gangguan Cuaca Maritim 7.98 m/s dan VAF = 38,1 %, Wave RMSE = 0,1295 meter and VAF = %, rainfall RMSE = 32,6 mm and VAF = 26,122 %. 2 Pratama, Ardian Candra Perancangan Model Adaptive Neuro Fuzzy Inference System Untuk Memprediksi Cuaca maritim 2010 ANFIS Akurasi untuk presiksi hujan sebesar 38 %, untuk cuaca hari ini %, dan prediksi gelombang %. Off Line dan pada kawasan maritim 3 Yorinda, Ilham Achmadi Perancangan 2010 Fuzzy Logic Off Line Sistem Prediksi Cuaca Berbasis Pada Logika Fuzzy untuk Kebutuhan Penerbangan Bandara Juanda- Surabaya

13 Visual Basic 6.0 MATRIKON OPC SIMULATION SERVER MATLAB 2009 Component References Simulink

14 Arsitektur OPC SCADA EXCEL DCS OPC CLIENT OPC CLIENT OPC CLIENT OPC SERVER SPESIFIC COMMUNICATION DEVICES Arsitektur Pengendalian pada kebanyakan industri secara konvensional

15

16 Data-Data Penelitian sebelumnya (ex: yorinda, 2010)

17 Temperatur Kelembapan Kecepatan Angin

18 Define singa as now temperature Define singaman as past temperature Define kulim as now relative humidity Define kulimir as past relative humidity Define kupa as now wind speed Define kupamil as past wind speed

19

20 Inisialisasi Nilai Parameter Cuaca Cerah memiliki crisp maksimum 0.2 Berawan memiliki crisp maksimum 0.4 Mendung memiliki crisp maksimum 0.6 Berawan memiliki crisp maksimum 0.8 Hujan memiliki crisp maksimum 1.0

21 No singa kulim kupa Lo Av Hi 1 Lo Lo Mendung Mendung Mendung 2 Av Gerimis Gerimis Gerimis 3 Hi Hujan Hujan Hujan 4 Av Lo Berawan Berawan Berawan 5 Av Mendung Mendung Mendung 6 Hi Gerimis Gerimis Gerimis 7 Hi Lo Cerah Cerah Cerah 8 Av Berawan Berawan Berawan 9 Hi Mendung Mendung Mendung

22 If temperature is Hi and humidity is Lo and windspeed is Lo Then weather is CERAH If temperature is Hi and humidity is Av and windspeed is Lo Then weather is BERAWAN If temperature is Hi and humidity is Hi and windspeed is Lo Then weather is MENDUNG

23 No singa singaman kulim Kulimir Lo Av Hi 1 Lo Mendung Mendung Mendung 2 Lo Av Gerimis Gerimis Gerimis 3 Hi Hujan Hujan Hujan 4 Lo Mendung Mendung Mendung 5 Lo Av Av Gerimis Gerimis Gerimis 6 Hi Hujan Hujan Hujan 7 Lo Mendung Mendung Mendung 8 Hi Av Gerimis Gerimis Gerimis 9 Hi Hujan Hujan Hujan 10 Lo Berawan Berawan Berawan 11 Lo Av Mendung Mendung Mendung 12 Hi Gerimis Gerimis Gerimis 13 Lo Berawan Berawan Berawan 14 Av Av Av Mendung Mendung Mendung 15 Hi Gerimis Gerimis Gerimis 16 Lo Berawan Berawan Berawan 17 Hi Av Mendung Mendung Mendung 18 Hi Gerimis Gerimis Gerimis 19 Lo Cerah Cerah Cerah 20 Lo Av Berawan Berawan Berawan 21 Hi Mendung Mendung Mendung 22 Lo Cerah Cerah Cerah 23 Hi Av Av Berawan Berawan Berawan 24 Hi Mendung Mendung Mendung 25 Lo Cerah Cerah Cerah 26 Hi Av Berawan Berawan Berawan 27 Hi Mendung Mendung Mendung

24 If Now Temperature is Hi and Past Temperature is Av and Now Humidity is Av and Past Humidity is Av Then weather is BERAWAN If Now Temperature is Hi and Past Temperature is Av and Now Humidity is Hi and Past Humidity is Av Then weather is MENDUNG If Now Temperature is Hi and Past Temperature is Hi and Now Humidity is Lo and Past Humidity is Av Then weather is HUJAN

25 Tampilan Antarmuka OPC

26 Tampilan Perangkat Lunak Visual Basic

27

28 RMSE= 2 (Nilai Cuaca Real-Nilai Cuaca Simulink) n, data. pengukuran

29 Data Temperatur per 26 April 2011 hingga 19 Juni 2011

30 Data Kelembapan per 26 April 2011 hingga 19 Juni 2011

31 Data Kecepatan Angin per 26 April 2011 hingga 19 Juni 2011

32 Berdasarkan hasil pengukuran selama 7 hari dengan rentang waktu selama 12 jam, didapatkan data pengukuran variabel cuaca (temperatur, kelembapan relatif, kecepatan angin, dan cuaca real) Setelah dibandingkan dengan prediksi, diperoleh RMSE sebesar 22,71% sehingga perlu dilakukan perbaikan fungsi keanggotaan dengan cara FCM (Fuzzy Mean Clustering)

33 Data Temperatur per 26 April 2011 hingga 19 Juni 2011

34 Hasil Pengelompokan data diubah menjadi fungsi keanggotaan temperatur yang baru

35 Data Kelembapan per 26 April 2011 hingga 19 Juni 2011

36 Hasil Pengelompokan data diubah menjadi fungsi keanggotaan kelembapan yang baru

37 Data Kecepatan Angin per 26 April 2011 hingga 19 Juni 2011

38 Hasil Pengelompokan data diubah menjadi fungsi keanggotaan kecepatan angin yang baru

39

40 RMSE= 2 (Nilai Cuaca Real-Nilai Cuaca Simulink) n, data. pengukuran

41 No PI Mean 0.17 Akurasi 0.83 Data per 20 Juni 2011 hingga 28 Juni 2011

42 No PII Mean 0.17 Akurasi 0.83 Data per 20 Juni 2011 hingga 28 Juni 2011

43 No PII Mean 0.20 Akurasi 0.80 Data per 20 Juni 2011 hingga 28 Juni 2011

44 No PI PII PII Mean Akura si Data per 20 Juni 2011 hingga 28 Juni 2011

45

46 Setelah dilakukan penelitian tentang perancangan perangkat lunak prediksi cuaca, terdapat beberapa kesimpulan yang dapat diambil. Pengukuran event cuaca saat ini memiliki nilai akurasi sebesar 82,9%. Sedangkan, pengukuran prediksi event cuaca saat ini adalah sebesar 82,69%. Untuk pengukuran prediksi event cuaca satu jam ke depan adalah sebesar 80,40%. Dalam penelitian ini pula, variabel kecepatan angin tidak berpengaruh secara signifikan, Hal ini dikarenakan sebaran data kecepatan angin yang bersifat acak dan rentang pengukuran yang kecil antara 0 hingga 5 m/s. Saran-saran yang dapat diberikan untuk penelitian selanjutnya adalah pengembangan variabel cuaca yang digunakan sebagai masukan. Setelah dilakukan penelitian terhadap tiga variabel cuaca (temperatur, kelembapan, kecepatan angin), perlu adanya penambahan variabel terang langit dan curah hujan. Hal ini dikarenakan tiga variabel tersebut dirasa kurang untuk mewakili suatu event cuaca. Kemudian pengembangan perangkat lunak selain MATLAB yang dapat digunakan untuk proses pengolahan data semisal LabVIEW.

47