EVALUASI KESESUAIAN LAHAN UNTUK PENDUGAAN DEBIT MATA AIR MENGGUNAKAN METODE INFERENSIA FUZZY SUGENO WINDA GIAM

Transkripsi

1 EVALUASI KESESUAIAN LAHAN UNTUK PENDUGAAN DEBIT MATA AIR MENGGUNAKAN METODE INFERENSIA FUZZY SUGENO WINDA GIAM DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012

2 EVALUASI KESESUAIAN LAHAN UNTUK PENDUGAAN DEBIT MATA AIR MENGGUNAKAN METODE INFERENSIA FUZZY SUGENO WINDA GIAM Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012

3 ABSTRACT WINDA GIAM. Land Suitability Evaluation for Water Spring Velocity Estimation using Sugeno Fuzzy Inference Method. Supervised by MEUTHIA RACHMANIAH and ROH SANTOSO BUDI WASPODO. Water is one of the human needs in addition to clothing, food, and housing. However, many springs are not properly maintained causing various diseases in humans. Another problem is the loss of spring water sources due to improper handling of human or natural disasters. Therefore a research is needed to help people identify the source of good quality water springs, in this case good quality of water springs discharge rate. The research aims to calculate the spring discharge based on the number of plants, groundwater level, and topography angle by using the Sugeno fuzzy inference method. To verify the analysis and its results, an application using the application software APMA-Fuzzy has been developed. The data used for this research were obtained from field survey data from Balumbangjaya and Situgede villages. Further, Sugeno fuzzy membership function analysis is done by using gathered field survey data, while the rules that apply uses the expertise of a water spring expert. The concept of the rule is that the greater the input value, the greater the value of its output. Advanced analysis is carried out to determine the accuracy and reliability of Sugeno fuzzy method used in the application. The results were that each data from the thirteen field survey data has an accuracy of more than 50%, while the average accuracy was 77.53%. Thus, applications developed in this research is feasible and the rules that are used are also proved to be correct. Keywords: Sugeno fuzzy, fuzzy, water spring, fuzzy membership function, water spring discharge rate.

4 Judul Penelitian : Evaluasi Kesesuaian Lahan untuk Pendugaan Debit Mata Air Menggunakan Metode Inferensia Fuzzy Sugeno Nama : Winda Giam NIM : G Menyetujui: Pembimbing I, Pembimbing II, Ir. Meuthia Rachmaniah, M.Sc. Dr. Ir. Roh Santoso Budi Waspodo, MT. NIP NIP Mengetahui: Ketua Departemen Ilmu Komputer Dr. Ir. Sri Nurdiati, M.Sc NIP Tanggal Lulus:

5 PRAKATA Puji dan syukur penulis haturkan kepada Tuhan Yang Maha Esa karena berkat kuasa dan rahmat- Nya tugas akhir dengan judul Evaluasi Kesesuaian Lahan untuk Pendugaan Debit Mata Air Menggunakan Metode Inferensia Fuzzy Sugeno dapat diselesaikan. Penelitian ini dilaksanakan mulai Maret 2011 sampai Desember 2011 bertempat di Departemen Ilmu Komputer. Terima kasih penulis ucapkan kepada Ibu Ir. Meuthia Rachmaniah, M.Sc selaku pembimbing pertama dan Bapak Dr. Ir. Roh Santoso Budi Waspodo, MT selaku pembimbing kedua atas bimbingan dan arahannya selama pelaksanaan tugas akhir. Ungkapan terima kasih juga penulis sampaikan kepada Ayah, Ibu, kakak, teman-teman, dan seluruh keluarga atas doa dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat. Bogor, Januari 2012 Winda Giam

6 RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 23 November 1984 sebagai anak bungsu dari dua bersaudara dari pasangan Sudjiharto Saputra dan Lenny Kung. Penulis melalui jenjang pendidikan di SMA Advent 1 dan diterima di Institut Pertanian Bogor (IPB) melalui jalur SPMB pada tahun Pada tahun 2010 penulis melaksanakan kegiatan praktik kerja lapangan di PT. Bank Syariah Mega Indonesia selama dua bulan. Selama mengikuti perkuliahan penulis mendapatkan beasiswa Peningkatan Prestasi Akademik (PPA) mulai tahun ajaran 2008/2009 sampai tahun ajaran 2010/2011.

7 DAFTAR ISI DAFTAR TABEL... v DAFTAR GAMBAR... v DAFTAR LAMPIRAN... v PENDAHULUAN Latar Belakang... 1 Tujuan Penelitian... 1 Ruang Lingkup... 1 Manfaat Penelitian... 2 TINJAUAN PUSTAKA Definisi Mata Air... 2 Evaluasi Lahan, Kesesuaian Lahan, dan Klasifikasi Kesesuaian Lahan... 2 Metode Inferensia Fuzzy... 2 Bentuk Fungsi Keanggotaan Fuzzy Segitiga dan Metode Defuzzification Fuzzy Weighted Average... 3 Metode Interpolasi Linier... 3 Rumus Dasar Sinus Trigonometri... 3 Formula Kesalahan/ Galat... 4 Model Pengembangan Sistem Waterfall... 4 Pengujian Black Box... 4 METODE PENELITIAN Studi Pustaka dan Konsultasi dengan Pakar... 5 Pengumpulan Data Mata Air... 5 Analisis Fungsi Keanggotaan dan Rule Fuzzy... 5 Penerapan dan Evaluasi Hasil Metode Fuzzy... 6 Pengembangan Aplikasi dengan Model Waterfall... 6 HASIL DAN PEMBAHASAN Studi Pustaka dan Konsultasi dengan Pakar... 7 Pengumpulan Data Mata Air... 8 Fungsi Keanggotaan dan Rule Fuzzy... 9 Penerapan dan Evaluasi Hasil Metode Fuzzy Pengembangan Aplikasi Deskripsi Aplikasi Manfaat dan Keterbatasan Sistem KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN iv

8 DAFTAR TABEL 1 Data survei lapangan Rule fuzzy Fuzzy input hasil fuzzification Fuzzy output hasil inference fuzzy Crisp output hasil defuzzification dan evaluasi akurasi DAFTAR GAMBAR 1 Ilustrasi contact spring Diagram blok sistem berbasis aturan fuzzy Fungsi keanggotaan segitiga Ilustrasi sinus trigonometri Tahap model pengembangan waterfall Alur metode penelitian Ilustrasi aliran air tanah Interpolasi linier untuk mencari tinggi muka air tanah Ilustrasi pengolahan data GPS menjadi data besar sudut topografi Fungsi keanggotaan tinggi muka air tanah Fungsi keanggotaan jumlah tanaman Fungsi keanggotaan sudut topografi Ilustrasi perhitungan fuzzification input jumlah tanaman Ilustrasi perhitungan fuzzification input tinggi muka air tanah Ilustrasi perhitungan fuzzification input sudut topografi Ilustrasi pencarian rule yang berpengaruh pada sampel L Perbandingan data debit mata air lapangan dengan data debit air hasil fuzzy Perbandingan akurasi metode fuzzy pada seluruh data survei lapangan DAFTAR LAMPIRAN 1 Peta hasil survei lapangan Legenda peta hasil survei lapangan Data GPS hasil survei lapangan Detail nama dan jumlah tanaman hasil survei lapangan Fuzzy input hasil fuzzification fuzzy Fuzzy output hasil inference fuzzy Hasil defuzzification dan evaluasi akurasi Desain perangkat lunak Keterangan tabel data atribut Skenario uji black box tahap integrasi dan uji sistem v

9 Latar Belakang PENDAHULUAN Air merupakan kebutuhan dasar manusia selain sandang, pangan, dan papan. Kehidupan di bumi tidak lepas dari air. World Resources Institute (USA) memperkirakan bahwa km 3 air per tahun mengalir dari daratan ke lautan. Sebaliknya atmosfer mengangkut uap air dari laut ke daratan. Sebanyak km 3 kembali lagi ke laut sebagai limpasan banjir yang tidak dapat ditangkap, 5000 km 3 melalui area yang tidak berpenghuni dan kembali lagi ke laut. Dari km 3 air yang kembali ke laut tersebut, sejumlah tertentu tertahan di daratan yaitu terserap oleh tanaman yang jumlahnya belum dapat diketahui secara pasti. Dari siklus air di bumi lebih kurang 9000 km 3 air tawar siap digunakan oleh manusia di bumi. Ditinjau dari segi kuantitas air tersebut mungkin dapat memenuhi kebutuhan manusia di bumi tetapi jika ditinjau dari segi kualitasnya maka jumlah air yang kualitasnya baik makin sulit ditemukan. Bahkan banyak pakar yang berpendapat bahwa pada masa-masa mendatang air tawar akan menjadi barang yang langka. Selain itu karena penduduk dan air tawar yang tersedia di bumi tidak terdistribusi secara merata maka terdapat daerah yang kekurangan air dan wilayah yang kelebihan air (Said 2010). Mata air yang kurang terawat, terjaga, dan terpelihara dengan maksimal menyebabkan kualitas sumber daya air tersebut menurun baik dalam aspek kejernihan air maupun kecepatan mengalirnya air (debit mata air) dan dapat mengakibatkan berbagai masalah kesehatan. Tidak saja masalah kualitas sumber daya air, dewasa ini banyak sekali mata air yang hilang atau tidak dapat digunakan lagi yang disebabkan oleh bencana alam ataupun yang disebabkan oleh manusia seperti penebangan hutan dan pembangunan di atas daerah resapan air. Beberapa contoh hilangnya mata air dan menurunnya debit mata air di Indonesia antara lain penurunan debit air di mata air alur Kali Pabelan, Magelang, yang disebabkan banjir lahar dingin pasca letusan Gunung Merapi (Joewono 2011), menurunnya debit air di Kota Salatiga yang disebabkan berkurangnya daerah resapan air karena beralih fungsi menjadi bangunan (Nugrahanti & Joewono 2011), dan proyek jalan tol Ungaran-Bawen di Semarang yang menggusur tiga sumber mata air milik warga di pedesaan (Herusansono & Suprihadi 2011). Pentingnya air bagi kebutuhan makhluk hidup, menurunnya kualitas sumber daya air, dan hilangnya banyak mata air di berbagai tempat menjelaskan sangat diperlukannya proses pencarian mata air yang berkualitas. Karena itu penulis mengambil topik yang dapat membantu dan memudahkan masyarakat dalam proses pencarian mata air yaitu dengan membangun suatu aplikasi sistem pakar yang dapat menduga debit mata air pada suatu wilayah dengan parameter input jumlah tanaman, tinggi muka air tanah, dan besar sudut topografi menggunakan metode inferensia fuzzy Sugeno. Fuzzy diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun Beberapa alasan penulis menggunakan metode fuzzy adalah karena metode fuzzy mempunyai beberapa kelebihan antara lain logika fuzzy sangat fleksibel dan memiliki toleransi terhadap datadata yang tidak tepat dan logika fuzzy juga dapat membangun dan mengaplikasikan pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan (Kusumadewi 2002). Tujuan Penelitian Penelitian ini bertujuan menerapkan metode inferensia fuzzy Sugeno pada aplikasi sistem pakar berbasis web dengan kasus pendugaan debit mata air. Tujuan yang lain yaitu membuktikan konsep jika jumlah tanaman lebih banyak, tinggi muka air tanah lebih tinggi, dan sudut topografi lebih besar, maka debit mata air pada wilayah tersebut juga akan semakin tinggi. Ruang Lingkup Ruang lingkup penelitian ini dibatasi pada metode inferensia fuzzy Sugeno karena ciri khasnya yang dapat menghasilkan crisp output yang akurat dan memiliki waktu komputasi yang cepat. Aplikasi akan dikembangkan berbasis web dengan menggunakan bahasa pemrograman PHP. Adapun wilayah penelitian dibatasi pada Kelurahan Balumbangjaya dan Kelurahan Situgede, Bogor sehingga salah satu output keluaran aplikasi yaitu peta dibatasi hanya pada peta administrasi kota Bogor yang di dalamnya terdapat peta Kelurahan Balumbangjaya dan Kelurahan Situgede. Peta kelurahan Balumbangjaya dan Situgede beserta data posisi mata air hasil survei lapangan dapat dilihat pada Lampiran 1, sedangkan legenda peta tersebut dapat dilihat pada Lampiran 2. Karakteristik lahan yang menjadi input fuzzy juga dibatasi hanya pada jumlah tanaman (dari 22 buah sampai 140 buah), tinggi muka air tanah ( meter sampai meter), dan sudut topografi (0.67 sampai 1.11 ). Ketiga input fuzzy ini dipilih karena merupakan karakteristik lahan yang paling berpengaruh pada debit mata air. Informasi 1

10 selang fungsi keanggotaan input dan output didapat dari hasil analisis data sedangkan konsep rule fuzzy diberikan oleh Dr. Ir. Roh Santoso Budi Waspodo, MT, dosen Departemen Teknik Sipil dan Lingkungan, Institut Pertanian Bogor selaku pakar sekaligus pembimbing kedua dalam penelitian ini. Asumsi yang dipakai dalam penentuan level fungsi keanggotaan output fuzzy yaitu pengaruh dari tiap input fuzzy pada output debit mata air adalah sama. Asumsi ini dipakai untuk mempermudah penentuan level fungsi keanggotaan output fuzzy. Asumsi kedua yaitu pada proses pengukuran debit air pada daerah resapan air yang diteliti, pengukuran hanya dilakukan pada air yang keluar melalui mata air, sedangkan air dalam tanah yang mengalir ke tempat lain pada area resapan air tersebut tidak diukur. Manfaat Penelitian Manfaat dari penelitian ini yaitu memudahkan masyarakat dalam proses pencarian mata air yang baru dengan cara menduga debit mata air pada wilayah yang diinginkan melalui suatu aplikasi sistem pakar berbasis web sebagai produk akhir dari penelitian ini. TINJAUAN PUSTAKA Definisi Mata Air dan Debit Mata Air Menurut Todd (1995), mata air adalah pelepasan air tanah terkonsentrasi yang muncul di permukaan tanah sebagai air yang mengalir. Mata air terbagi dua yaitu mata air yang dihasilkan bukan dari kekuatan gravitasi (contohnya mata air vulkanik) dan mata air yang dihasilkan dari kekuatan gravitasi. Mata air gravitasi dihasilkan dari air yang mengalir di bawah tekanan hidrostatik. Salah satu contoh dari mata air yang dihasilkan dari kekuatan gravitasi adalah contact springs yaitu mata air yang terbentuk dari tanah yang mudah ditembus air yang menutupi tanah yang sukar ditembus air dan beririsan dengan permukaan tanah. Ilustrasi contact spring dapat dilihat pada Gambar 1. lapisan tanah tidak padat yang dapat mengalirkan air mata air mata air lapisan tanah padat yang menahan air Gambar 1 Ilustrasi contact spring. Debit mata air adalah kecepatan air yang keluar dari mata air. Debit mata air dapat diperoleh dari rumus (Hau Oni & Nugroho 2011): dengan Q adalah debit mata air (liter/detik), V adalah volume air yang diukur (liter), dan T adalah waktu pengumpulan volume air yang diukur (detik). Evaluasi Lahan, Kesesuaian Lahan, dan Klasifikasi Kesesuaian Lahan Evaluasi lahan adalah suatu proses penilaian sumber daya lahan untuk tujuan tertentu dengan menggunakan suatu pendekatan atau cara yang sudah teruji. Hasil evaluasi lahan akan memberikan informasi dan arahan penggunaan lahan sesuai dengan keperluan. Kesesuaian lahan adalah tingkat kecocokan sebidang lahan untuk penggunaan tertentu. Kesesuaian lahan tersebut dapat dinilai untuk kondisi saat ini (kesesuaian lahan aktual) atau setelah diadakan perbaikan (kesesuaian lahan potensial). Kesesuaian lahan aktual adalah kesesuaian lahan berdasarkan data sifat biofisik tanah atau sumber daya lahan sebelum lahan tersebut diberikan masukan-masukan yang diperlukan untuk mengatasi kendala. Kesesuaian lahan potensial menggambarkan kesesuaian lahan yang akan dicapai apabila dilakukan usahausaha perbaikan (Ritung et al. 2007). Metode Inferensia Fuzzy Menurut Suyanto (2008), fuzzy system merupakan inti dari Soft Computing (SC). Konsep logika fuzzy yang sangat sistematis pertama kali diusulkan oleh Prof. Lotfi A. Zadeh, seorang profesor bidang Ilmu Komputer di Universitas California, Amerika Serikat. Salah satu model fuzzy yang sering digunakan secara luas dalam berbagai aplikasi yaitu model Sugeno. Model Sugeno dikenal juga sebagai model fuzzy Takagi-Sugeno-Kang (TSK). Pada model Sugeno orde nol, fungsi f (yang akan menjadi nilai fungsi keanggotaan output) berupa konstanta. Suatu sistem berbasis aturan fuzzy terdiri dari tiga komponen utama yaitu fuzzification, inference, dan defuzzification seperti terlihat pada Gambar 2 (Suyanto 2008). Fuzzification mengubah masukan-masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input, yang berupa nilai linguistik yang nilainya ditentukan berdasarkan fungsi keanggotaan input. Tahap kedua yaitu inference yang melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang 2

11 telah ditentukan sehingga menghasilkan fuzzy output. Tahap ketiga yaitu defuzzification atau penegasan yang berfungsi untuk mengubah fuzzy output menjadi crisp output (nilai pasti). Salah satu prinsip logical connectives dalam fuzzy adalah conjunction (AND) dengan rumus sebagai berikut: Conjunction: T (P ^ Q)= min {T(P), T(Q)} Keterangan: T = simbol derajat keanggotaan P = fuzzy input Q = fuzzy input Y* = dengan Y* adalah crisp output sebagai hasil akhir sistem fuzzy, z k adalah nilai fungsi keanggotaan output, dan w k adalah derajat keanggotaan dari fungsi keanggotaan output z k. 1.0 Fungsi keanggotaan input Crisp input 0 a b Segitiga c Fuzzy input Fuzzy output Fuzzification Inference Defuzzification Crisp Output Fuzzy rules Fungsi keanggotaan output Gambar 2 Diagram blok sistem berbasis aturan fuzzy Bentuk Fungsi Keanggotaan Fuzzy Segitiga dan Metode Defuzzification Fuzzy Weighted Average Salah satu bentuk fungsi keanggotaan yang bisa dibangun dan digunakan untuk merepresentasikan fuzzy set adalah bentuk fungsi keanggotaan segitiga. Proses perhitungan fungsi keanggotaan dengan bentuk segitiga dapat dilihat pada Gambar 3 (Suyanto 2008). Selain itu terdapat berbagai metode defuzzification yang telah berhasil diaplikasikan untuk berbagai macam masalah. Salah satunya adalah metode weighted average. Proses perhitungan metode weighted average dapat dilihat pada rumus berikut (Guney & Sarikaya 2009): Gambar 3 Fungsi keanggotaan segitiga. Derajat keanggotaan x (µ[x]): 0; x a atau x c (x-a) / (b-a); a x b (c-x) / (c-b); b x c Metode Interpolasi Linier Interpolasi linier melalui suatu garis lurus pada setiap dua titik masukan yang berurutan. Dua titik masukan tersebut digunakan untuk menduga nilai di antara dua titik masukan tersebut. Proses perhitungan interpolasi linier dapat dilihat pada persamaan berikut (dengan titik data B berada di antara titik data A dan C):Persamaan untuk mencari nilai f(x) pada suatu titik R (x, f(x)) yang berada di antara dua titik P 1 (x 0, f(x 0 )) dan P 2 (x 1, f(x 1 )) dengan R, P 1, P 2 melalui suatu garis lurus dapat dituliskan dengan rumus berikut (Hartomo 2006): Keterangan: x = nilai yang sudah diketahui pada titik data B f(x) = nilai yang ingin diduga pada titik data B (x0, f(x0)) = nilai yang sudah diketahui pada titik data A (x1, f(x1)) = nilai yang sudah diketahui pada titik data C Rumus Dasar Sinus Trigonometri Ilustrasi rumus dasar sinus trigonometri dapat dilihat melalui Gambar 4 dan persamaan berikut (Arami 2011): 3

12 Gambar 4 Ilustrasi sinus trigonometri. dengan a adalah sudut yang ingin diketahui, y adalah sisi di depan sudut a, dan r adalah sisi miring dari segitiga siku-siku. Formula Kesalahan/Galat Menurut Muhammad (2011) formula dasar kesalahan atau galat digambarkan melalui rumus berikut: dengan E adalah nilai persentase kesalahan (error), nilai sebenarnya adalah nilai aktualnya (nilai di lapangan), dan nilai interpolasi adalah nilai dugaan yang mendekati nilai sebenarnya. Model Pengembangan Sistem Waterfall Menurut Sommerville (2007) model pertama dari proses pengembangan perangkat lunak yang dipublikasikan adalah model waterfall atau disebut juga siklus hidup perangkat lunak. Dinamakan model waterfall karena tahap-tahap dalam model waterfall yang seperti air mengalir ke bawah. Tahap-tahap dalam model waterfall dapat diilustrasikan pada Gambar 5 (Sommerville 2007). Tahap-tahap dalam model pengembangan sistem waterfall meliputi: 1) Analisis dan definisi kebutuhan Tahap ini adalah tahap konsultasi dengan user. Dari hasil konsultasi ini didapatkan batasan, tujuan, dan fasilitas yang bisa dilakukan oleh sistem yang akan dibuat. Hasil ini kemudian didefinisikan secara detail dan dijadikan spesifikasi sistem. 2) Desain sistem dan perangkat lunak Proses desain sistem membagi kebutuhan sistem menjadi kebutuhan perangkat keras ataupun kebutuhan perangkat lunak dan membangun arsitektur sistem secara keseluruhan. Di lain pihak desain perangkat lunak melibatkan mengidentifikasi dan menggambarkan abstraksi sistem perangkat lunak beserta relasinya. 3) Implementasi dan uji unit Pada tahap ini desain perangkat lunak akan menjadi beberapa set program atau unit program. Tahap ini kemudian membangun desain tersebut dan tes unit menguji apakah tiap unit memenuhi spesifikasi kebutuhannya masing-masing. 4) Integrasi dan uji sistem Tahap ini menyatukan semua unit program dan mengujinya sebagai suatu sistem lengkap dan memastikan semua kebutuhan perangkat lunak terpenuhi. Setelah pengujian sistem diserahkan kepada user. 5) Operasi dan pemeliharaan Biasanya tahap ini adalah tahap yang paling lama. Aplikasi akan dipakai oleh user dan diikuti dengan penemuan error dan kebutuhankebutuhan sistem yang baru. Pemeliharaan meliputi memperbaiki error yang tidak ditemukan pada tahap-tahap sebelumnya, meningkatkan implementasi unit sistem, dan meningkatkan fasilitas sistem seiring dengan penemuan kebutuhan-kebutuhan sistem yang baru. Analisis dan definisi kebutuhan Desain sistem dan perangkat lunak Gambar 5 Tahap model pengembangan waterfall. Pengujian Black Box Implementasi dan uji unit Integrasi dan uji sistem Operasi dan pemeliharaan Menurut Jawadekar (2004), pengujian black box berfokus pada kebutuhan fungsional dari software dan tidak memperhatikan proses yang terjadi di dalamnya. Black box testing bisa menemukan error sebagai berikut: 4

13 Fungsi yang salah Fungsi yang hilang Error pada antarmuka Error pada struktur data Error pada performasi Error pada inisialisasi METODE PENELITIAN Penelitian ini dilaksanakan dalam beberapa tahap yaitu studi pustaka, konsultasi dengan pakar, pengumpulan data mata air pada Kelurahan Balumbangjaya dan Kelurahan Situgede, analisis fungsi keanggotaan dan rule fuzzy, penerapan dan evaluasi hasil metode fuzzy, pengembangan aplikasi dengan metode waterfall, dan penulisan laporan. Tahap-tahap ini diilustrasikan pada Gambar 6. mulai selesai Studi pustaka (definisi mata air, metode fuzzy Sugeno, evaluasi lahan, kesesuaian lahan) Konsultasi dengan pakar Pengumpulan data mata air Analisis fungsi keanggotaan dan rule fuzzy Penerapan dan evaluasi hasil metode fuzzy Pengembangan aplikasi dengan model waterfall Penulisan laporan Gambar 6 Alur metode penelitian. Studi Pustaka dan Konsultasi dengan Pakar Studi pustaka dilakukan dengan mempelajari buku-buku baik yang tercetak ataupun yang digital, juga sumber-sumber dari Internet yang berkaitan dengan mata air atau pun metode fuzzy Sugeno. Studi pustaka ini ditindaklanjuti dengan konsultasi dengan pakar, yang dalam hal ini adalah Dr. Ir. Roh Santoso Budi Waspodo, MT, dosen dari Departemen Teknik Sipil dan Lingkungan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Pengumpulan Data Mata Air Pengumpulan data dilakukan melalui survei lapangan langsung di Kelurahan Balumbangjaya dan Kelurahan Situgede. Data yang dikumpulkan dari lapangan adalah data jumlah tanaman dan data koordinat Global Positioning System (GPS). Data koordinat GPS kemudian diolah menjadi data tinggi muka air tanah dan sudut topografi dengan bantuan peta rupa bumi Kelurahan Balumbangjaya dan Kelurahan Situgede berskala 1: Pengolahan data GPS menjadi data tinggi muka air tanah dilakukan dengan metode interpolasi linier pada garis kontur peta. Data koordinat GPS juga diolah menjadi data besar sudut topografi melalui rumus dasar arcsinus trigonometri pada segitiga dengan sisi miring segitiga diasumsikan adalah jarak antara garis kontur yang berdekatan pada lapangan dan melalui titik GPS, dan sisi depan sudut segitiga adalah selisih antara tinggi dua garis kontur yang berdekatan dan melalui titik GPS. Analisis Fungsi Keanggotaan dan Rule Fuzzy Fungsi keanggotaan input dan fungsi keanggotaan output didapat dari hasil analisis data survei lapangan. Adapun konsep rule fuzzy diberikan oleh Dr. Ir. Roh Santoso Budi Waspodo, MT. selaku pakar dan pembimbing kedua penulis yaitu semakin tinggi level fungsi keanggotaan input fuzzy maka level fungsi keanggotaan output fuzzy juga akan semakin tinggi. Penulis memakai fungsi keanggotaan bentuk segitiga dengan tiga nilai linguistik untuk ketiga input. Batas-batas fungsi keanggotaan input diambil dari nilai maksimum, nilai tengah, dan nilai minimum data. Fungsi keanggotaan output fuzzy dibagi menjadi tujuh. Penulis mendapatkan jumlah tujuh level fungsi keanggotaan output dengan cara menggabungkan kombinasi banyak level fungsi keanggotaan input dengan asumsi bahwa pengaruh tiap input fuzzy pada output fuzzy (debit mata air dugaan) adalah sama. Ketika 5

14 terdapat satu fungsi keanggotaan input fuzzy yang naik sebanyak x level maka level fungsi keanggotaan output juga naik sebanyak x level. Jika terdapat dua fungsi keanggotaan input fuzzy yang naik sebanyak x level untuk fungsi keanggotaan input fuzzy pertama dan sebanyak y level untuk fungsi keanggotaan input fuzzy kedua maka level fungsi keanggotaan output juga akan naik sebanyak (x + y) level. Jika terdapat tiga fungsi keanggotaan input fuzzy yang naik sebanyak x level untuk fungsi keanggotaan input fuzzy pertama dan sebanyak y level untuk fungsi keanggotaan input fuzzy kedua dan sebanyak z level untuk fungsi keanggotaan input fuzzy ketiga maka level fungsi keanggotaan output juga akan naik sebanyak (x + y + z) level. Untuk fungsi keanggotaan output penulis memakai fungsi singleton (konstanta) karena metode fuzzy yang penulis gunakan adalah fuzzy Sugeno orde nol. Fungsi keanggotaan output dibagi menjadi tujuh singleton dengan fungsi keanggotaan pertama adalah debit mata air minimum dari seluruh data. Lalu fungsi keanggotaan ketujuh adalah debit air maksimum dari seluruh data dan fungsi keanggotaan kedua sampai keenam dibagi sama rata dari debit mata air maksimum dikurangi debit mata air minimum. Penerapan dan Evaluasi Hasil Metode Fuzzy Penulis memilih menggunakan metode fuzzy Sugeno dibandingkan tipe fuzzy yang lain karena proses perhitungannya sangat sederhana sehingga membutuhkan waktu relatif cepat. Penyebab yang lain yaitu karena output yang penulis inginkan adalah nilai crisp dan bukan nilai linguistik. Penerapan fuzzy dilakukan melalui tiga tahap yaitu tahap fuzzification, inference, dan defuzzification. Pada proses fuzzification penulis memakai fungsi keanggotaan bentuk segitiga beserta perhitungannya. Tahap inference memakai operator AND (prinsip logical connectives conjunction) dan menggunakan tabel aturan berisi 27 aturan (3 level linguistik jumlah tanaman x 3 level linguistik tinggi muka air tanah x 3 level linguistik sudut topografi). Pada tahap defuzzification penulis memakai metode weighted average beserta perhitungannya. Evaluasi akurasi fuzzy dilakukan dengan menggunakan formula kesalahan/galat. Hasil akhir dari evaluasi akurasi untuk tiap data didapat dari persamaan berikut: Akurasi = 100% - galat/error Pengembangan Aplikasi dengan Model Waterfall Penulis memakai model waterfall untuk pengembangan aplikasi karena model ini menawarkan pengembangan sistem yang jelas dan aliran dari satu tahap ke tahap yang lain lebih jelas terlihat. Tahapan dalam model waterfall yaitu tahap analisis dan definisi kebutuhan, tahap desain sistem dan perangkat lunak, tahap implementasi dan uji unit, tahap integrasi dan uji sistem, dan tahap operasi dan pemeliharaan. 1) Tahap analisis dan definisi kebutuhan Pada tahap ini penulis berkonsultasi dengan user yang diwakili oleh Dr. Ir. Roh Santoso Budi Waspodo, MT sebagai pakar dalam penelitian ini karena user yang akan memakai aplikasi ini adalah user yang mengerti tentang proses pencarian mata air. 2) Tahap desain sistem dan perangkat lunak Pada proses desain sistem, seluruh hasil analisis kebutuhan dari user akan menjadi kebutuhan perangkat lunak. Desain perangkat lunak juga disesuaikan dengan analisis kebutuhan perangkat lunak. Pada tahap ini juga dibangun desain basis data. 3) Tahap implementasi dan uji unit Pada tahap ini penulis membangun aplikasi dengan perangkat keras sebagai berikut: Processor Pentium Dual Core 2.60 GHz RAM 1 GB Hard disk dengan kapasitas 80 GB dan perangkat lunak sebagai berikut: Sistem operasi Microsoft Windows XP Professional Version 2002 Service Pack 2 XAMPP-win (Apache 2.0, PHP 5.3.1, MySQL ) Dreamweaver 8 Pengujian tiap fungsi di dalam tiap unit dilakukan oleh penulis bersamaan dengan proses coding (pengembangan aplikasi). 4) Tahap integrasi dan uji sistem Pada tahap ini penulis menyatukan tiap unit program menjadi satu aplikasi secara utuh lalu mengujinya dengan metode black box. 6

15 5) Tahap operasi dan pemeliharaan Tahap ini tidak dilakukan oleh penulis karena adanya keterbatasan waktu. HASIL DAN PEMBAHASAN Studi Pustaka dan Konsultasi dengan Pakar Hasil dari studi pustaka yaitu diperoleh pengetahuan tentang mata air, metode fuzzy Sugeno, dan penelitian sebelumnya tentang mata air. Penelitian sebelumnya dilakukan oleh Damayanti (2002) dengan judul Identifikasi Pengembangan Potensi Sumberdaya Air Tanah Berdasarkan Pendekatan Bentuk Medan (Studi kasus daerah sekitar aliran Ci Muja, Kecamatan Segalaherang Kabupaten Subang). Perbedaan antara penelitian Damayanti (2002) dengan penelitian penulis yaitu Astrid meneliti potensi mata air tanah berdasarkan bentuk medan dan tinggi muka air tanah pada Kecamatan Segalaherang. Hasil penelitiannya yaitu di Desa Cicadas yang memiliki bentuk medan pegunungan, dapat dikembangkan potensi mata air dari akuifer yang terangkat. Sementara itu di Desa Segalaherang, Dayeuhkolot, dan Leles yang memiliki bentuk medan perbukitan tinggi, penduduknya dapat memanfaatkan sumur artesis, sumur dangkal, dan mata air. Adapun di wilayah yang berbentuk perbukitan rendah dapat dikembangkan sumur dangkal dan sumur artesis. Di lain pihak, penulis meneliti potensi mata air dari aspek debit mata airnya menggunakan parameter jumlah tanaman, tinggi muka air tanah, dan besar sudut topografi dengan wilayah penelitian pada Kelurahan Balumbangjaya dan Kelurahan Situgede. Dari hasil konsultasi dengan pakar, penulis mengambil tiga karakteristik lahan yaitu jumlah tanaman, tinggi muka air tanah, dan sudut topografi sebagai parameter dari proses pendugaan debit mata air karena tiga input ini adalah karakteristik lahan yang paling berpengaruh dan mudah untuk diukur. Jenis tanaman mempengaruhi debit mata air karena adanya akar dari tanaman yang merupakan media air untuk masuk ke dalam tanah dan menjadi air tanah dan keluar sebagai mata air, sedangkan tinggi muka air tanah berpengaruh karena semakin besar tinggi muka air tanah maka semakin besar tempat dalam tanah yang dapat menampung air, sudut topografi juga berpengaruh karena semakin terjal atau semakin besar sudut topografi maka kecepatan keluarnya mata air akan semakin tinggi. Karakteristik lahan yang dapat mempengaruhi debit mata air selain ketiga parameter tersebut antara lain produktivitas lapisan batuan yang dapat mengalirkan air (akuifer) dan luas daerah resapan air. Pada aplikasi produk akhir penelitian ini juga diberikan rekomendasi tingkat/level debit mata air dugaan. Sebagai catatan, rekomendasi pada aplikasi ini tidak menuruti standar baku untuk level debit mata air apapun karena standar baku untuk level debit mata air pada umumnya diberikan sesuai data penelitian yang ada. Karena itu penulis membagi level/tingkat debit mata air berdasarkan data hasil survei lapangan yaitu debit air dugaan: < ml/s (level rekomendasi rendah) >= ml/s dan <= (level rekomendasi sedang) < ml/s (level rekomendasi tinggi) Terdapat dua asumsi yang dipakai dalam penelitian ini antara lain: Asumsi yang dipakai dalam penentuan level fungsi keanggotaan output fuzzy yaitu pengaruh dari tiap input fuzzy pada output fuzzy (debit mata air dugaan) adalah sama. Asumsi ini dipakai untuk mempermudah penentuan level fungsi keanggotaaan output fuzzy. Air dalam tanah tidak selalu hanya mengalir pada satu mata air melainkan bisa juga mengalir ke sungai, laut, ataupun mata air yang lain seperti terlihat pada Gambar 7 (Anonim 2001). Penelitian ini memakai asumsi yaitu pada proses pengukuran debit air pada daerah resapan air yang diteliti, pengukuran hanya dilakukan pada air yang keluar melalui mata air, sedangkan air dalam tanah yang mengalir ke tempat lain pada area resapan air tersebut tidak diukur. Dari hasil konsultasi dengan pakar juga diberikan batasan dalam pengukuran jumlah tanaman yaitu batas ruang pengukuran jumlah tanaman berdiameter sepuluh meter dari mata air yang diukur dan diukur berdasarkan satuan batang. Tinggi muka air tanah diukur berdasarkan kontur pada peta dengan satuan meter di atas permukaan laut. Teknik pengukuran debit mata air menggunakan gelas ukur dengan satuan milliliter, air yang memancar dari mata air ditampung dalam gelas ukur. Waktu untuk menampung air dalam gelas ukur juga diukur menggunakan stopwatch dengan satuan detik. Debit mata air didapat dari volume mata air dibagi dengan waktu. 7

16 Gambar 7 Ilustrasi aliran air tanah. Pengumpulan Data Mata Air Data hasil survei lapangan dapat dilihat pada Tabel 1 (data GPS sudah diolah menjadi data tinggi muka air tanah dan sudut topografi). Data GPS hasil survei lapangan dapat dilihat pada Lampiran 3 dan detail nama tanaman hasil survei lapangan beserta jumlahnya dapat dilihat pada Lampiran 4. Tabel 1 Data survei lapangan L6=Lokasi survei di Kelurahan Balumbangjaya RT 04 RW 06 L7=Lokasi survei di Kelurahan Situgede RT 02 RW 05 L8=Lokasi survei di Kelurahan Situgede RT 02 RW 05 L9=Lokasi survei di Kelurahan Situgede RT 01 RW 07 L10=Lokasi survei di Kelurahan Situgede RT 02 RW 06 L11=Lokasi survei di Kelurahan Situgede RT 03 RW 06 L12=Lokasi survei di Kelurahan Situgede RT 02 RW 06 L13=Lokasi survei di Kelurahan Situgede RT 02 RW 06 Pengolahan data GPS menjadi data tinggi muka air tanah dan sudut topografi memakai bantuan peta rupa bumi Balumbangjaya dan Situgede skala 1: Proses penghitungan pengolahan data GPS ini akan diilustrasikan dengan contoh sampel L1 dan L7 pada Tabel 1. Contoh ilustrasi pengolahan data GPS menjadi data tinggi muka air tanah dengan menggunakan metode interpolasi linier dapat dilihat pada Gambar 8 beserta perhitungannya di bawahnya. Perhitungan di bawah ini menggunakan sampel L1 dari Kelurahan Balumbangjaya dan sampel L7 dari Kelurahan Situgede: kontur 200 meter titik data GPS sampel kontur 150 meter Gambar 8 Interpolasi linier untuk mencari tinggi muka air tanah. Keterangan Tabel 1: L1=Lokasi survei di Kelurahan Balumbangjaya RT 02 RW 02 L2=Lokasi survei di Kelurahan Balumbangjaya RT 04 RW 04 L3=Lokasi survei di Kelurahan Balumbangjaya RT 02 RW 04 L4=Lokasi survei di Kelurahan Balumbangjaya RT 01 RW 06 L5=Lokasi survei di Kelurahan Balumbangjaya RT 03 RW 06 Pada sampel pertama Tabel 1 yaitu L1 di Kelurahan Balumbangjaya RT 02 RW 02, jarak dari kontur 200 meter ke titik sampel pada peta adalah 8.6 cm dan jarak antara titik sampel ke titik kontur 150 meter pada peta adalah 4.7 cm. Maka tinggi muka air tanah pada titik sampel tersebut dapat dicari dengan persamaan berikut: dengan y adalah tinggi muka air tanah pada titik sampel pertama. Pada sampel kedua Tabel 1 yaitu L7 di Kelurahan Situgede RT 02 RW 05, jarak dari kontur 200 meter ke titik sampel pada peta 8

17 adalah 15.5 cm dan jarak antara titik sampel ke titik kontur 150 meter pada peta adalah 0.3 cm. Maka tinggi muka air tanah pada titik sampel tersebut dapat dicari dengan persamaan berikut: dengan y adalah tinggi muka air tanah pada titik sampel kedua. Adapun ilustrasi pengolahan data GPS menjadi data sudut topografi dapat dilihat pada Gambar 9. Perhitungan di bawahnya menggunakan sampel L1 dan sampel L7 pada Tabel 1. kontur 200 meter α 50 meter titik data GPS β kontur 150 meter Gambar 9 Ilustrasi pengolahan data GPS menjadi data besar sudut topografi. Tinggi 50 meter didapat dari tinggi kontur 200 meter dikurangi tinggi kontur 150 meter. Sudut α sama besar dengan sudut β. Pada sampel L1 pada Tabel 1, jarak antara kontur 200 meter dan kontur 150 meter pada peta yang melewati titik sampel adalah 13.3 sentimeter (0.13 meter) maka perhitungan sudut topografi pada titik sampel pertama adalah sebagai berikut: =0.86 dengan α adalah sudut topografi pada titik sampel pertama dan angka pada perhitungan didapat dari skala peta rupa bumi Kelurahan Balumbangjaya. Pada sampel L7 pada Tabel 1, jarak antara kontur 200 meter dan kontur 150 meter pada peta yang melewati titik sampel adalah 15.8 sentimeter (0.15 meter) maka perhitungan sudut topografi pada titik sampel kedua adalah sebagai berikut: =0.73 dengan α adalah sudut topografi pada titik sampel kedua dan angka pada perhitungan didapat dari skala peta rupa bumi Kelurahan Situgede. Fungsi Keanggotaan dan Rule Fuzzy Dari data survei lapangan dihasilkan fungsi keanggotaan input yang bisa dilihat pada Gambar 10, 11, dan 12. Fungsi keanggotaan input: Tinggi muka air tanah 1 R S T (meter) Gambar 10 Fungsi keanggotaan tinggi muka air tanah Jumlah tanaman 1 R S T (batang) Gambar 11 Fungsi keanggotaan jumlah tanaman. Sudut topografi 1 R S T Gambar 12 Fungsi keanggotaan sudut topografi. Keterangan Gambar 10, 11, 12: R (Rendah) diambil dari nilai input minimum dari seluruh data survei lapangan. S (Sedang) diambil dari nilai input tengah dari seluruh data survei lapangan. T (Tinggi) diambil dari nilai input maximum dari seluruh data survei lapangan. Dari data survei lapangan juga dihasilkan fungsi keanggotaan output sebagai berikut: (satuan milliliter per detik dan nilai dibagi sama rata dari debit air maksimum dikurangi debit air minimum) output_1=6.09 ml/s output_2=10.41 ml/s output_3=14.72 ml/s 9

18 output_4=19.04 ml/s output_5=23.36 ml/s output_6=27.68 ml/s output_7=32 ml/s Rule fuzzy yang dipakai dapat dilihat pada Tabel 2. Tabel 2 Rule fuzzy R S T R S T R S T R S T R S T Keterangan Tabel 2: Jumlah tanaman Tinggi muka air tanah Sudut topografi R: Rendah S: Sedang T: Tinggi dengan fungsi keanggotaan output tiap rule pada Tabel 2: 1: output_1 2: output_2 3: output_3 4: output_4 5: output_5 6: output_6 7: output_7 Penerapan dan Evaluasi Hasil Metode Fuzzy Penerapan fuzzy terbagi tiga tahap yaitu fuzzification, inference, dan defuzzification. Pada laporan ini akan diberikan contoh perhitungan fuzzy dengan sampel dari lokasi satu (L1) pada Tabel 1. Lokasi satu berada di Kelurahan Balumbangjaya dengan jumlah tanaman 52 batang, tinggi muka air tanah meter, dan sudut topografi 0.86 derajat. Perhitungan terbagi tiga tahap yaitu fuzzification, inference, dan defuzzification: 1) Fuzzification Tahap ini menghitung nilai derajat keanggotaan input jumlah tanaman, tinggi muka air tanah, dan sudut topografi. Untuk menghitung derajat keanggotaan jumlah tanaman digunakan bentuk fungsi keanggotaan segitiga seperti terlihat pada Gambar 13 (dengan R melambangkan fungsi keanggotaan jumlah tanaman rendah, S melambangkan fungsi keanggotaan jumlah tanaman sedang, dan T melambangkan fungsi keanggotaan jumlah tanaman tinggi). R S T (batang) 52 batang (lokasi satu) Gambar 13 Ilustrasi perhitungan fuzzification input jumlah tanaman. Karena jumlah tanaman 52 batang berada di antara batas fungsi keanggotaan jumlah tanaman rendah dan sedang maka derajat keanggotaan jumlah tanaman selain rendah dan sedang adalah nol. Perhitungan untuk mendapatkan derajat keanggotaan jumlah tanaman pada lokasi satu adalah sebagai berikut dengan W sebagai simbol derajat keanggotaan. W_jumlahTanaman_rendah = = 0.49 W_jumlahTanaman_sedang = = 0.51 W_jumlahTanaman_tinggi = 0 Untuk menghitung derajat keanggotaan tinggi muka air tanah digunakan bentuk fungsi keanggotaan segitiga seperti terlihat pada Gambar 14 (dengan R melambangkan fungsi keanggotaan tinggi muka air tanah rendah, S melambangkan fungsi keanggotaan tinggi muka air tanah sedang, dan T melambangkan fungsi keanggotaan tinggi muka air tanah tinggi). Karena tinggi muka air tanah meter tepat berada di batas fungsi keanggotaan tinggi muka air tanah tinggi maka derajat keanggotaan tinggi muka air tanah selain tinggi adalah nol. Perhitungan untuk mendapatkan derajat keanggotaan tinggi muka air tanah pada lokasi satu yang mempunyai tinggi muka air tanah meter adalah sebagai berikut dengan W sebagai simbol derajat keanggotaan. W_tinggiMukaAirTanah_rendah = 0 W_tinggiMukaAirTanah_sedang = 0 10

19 1 R S T Tabel 3 Fuzzy input hasil fuzzification (meter) meter (lokasi satu) Gambar 14 Ilustrasi perhitungan fuzzification input tinggi muka air tanah. Untuk menghitung derajat keanggotaan sudut topografi digunakan bentuk fungsi keanggotaan segitiga seperti terlihat pada Gambar 15 (dengan R melambangkan fungsi keanggotaan sudut topografi rendah, S melambangkan fungsi keanggotaan sudut topografi sedang, dan T melambangkan fungsi keanggotaan sudut topografi tinggi). R S T (derajat) 0.86 derajat (lokasi satu) Gambar 15 Ilustrasi perhitungan fuzzification input sudut topografi. Karena sudut topografi 0.86 berada di antara batas fungsi keanggotaan sudut topografi rendah dan sedang maka derajat keanggotaan sudut topografi selain rendah dan sedang adalah nol. Perhitungan untuk mendapatkan derajat keanggotaan sudut topografi pada lokasi satu yang mempunyai sudut topografi 0.86 adalah sebagai berikut dengan W sebagai simbol derajat keanggotaan. W_sudutTopografi_rendah= = 0.14 W_ suduttopografi _sedang = = 0.86 W_ suduttopografi _tinggi = 0 Hasil fuzzification pada lokasi satu (L1) sampai lokasi empat (L4) pada Tabel 1 dapat dilihat pada Tabel 3 dengan W menyimbolkan nilai derajat keanggotaan sedangkan hasil fuzzification dari seluruh sampel survey lapangan pada Tabel 1 dapat dilihat pada Lampiran 5. Keterangan Tabel 3: BJ: Kelurahan Balumbangjaya W: simbol derajat keanggotaan Li: Lokasi survei ke-i pada Tabel 1 2) Inference Pada tahap inference, fuzzy input hasil fuzzification kemudian diolah memakai operator AND (prinsip logical connectives conjunction) dan menggunakan Tabel 2 yaitu tabel aturan yang berisi 27 aturan (3 level linguistik jumlah tanaman dikali 3 level linguistik tinggi muka air tanah dikali 3 level linguistik sudut topografi). Berikut akan diberikan contoh perhitungan tahap inference pada sampel lokasi satu (L1) dari Tabel 1. Rule yang dipakai pada sampel L1 ini berjumlah empat buah karena yang dipengaruhi oleh derajat keanggotaan input hasil tahap fuzzification pada sampel satu juga berjumlah empat buah. Rule pada Tabel 2 yang terpengaruh merupakan kombinasi dari nilai linguistik fungsi keanggotaan input hasil tahap fuzzification sampel lokasi satu (L1) yang derajat keanggotaannya tidak bernilai nol. Untuk lebih jelasnya penulis akan mengilustrasikan cara mencari rule yang terpengaruh pada sampel lokasi satu (L1) pada Tabel 1 di Kelurahan Balumbangjaya pada Gambar 16. R R S T R R S T R S T R S T R S T Gambar 16 Ilustrasi pencarian rule yang berpengaruh pada sampel L1. 11

20 Keterangan Gambar 16: Jumlah tanaman Tinggi muka air tanah Sudut topografi R: Rendah S: Sedang T: Tinggi dengan fungsi keanggotaan output tiap rule pada Gambar 16: 1: output_1 = 6.09 ml/s 2: output_2 = ml/s 3: output_3 = ml/s 4: output_4 = ml/s 5: output_5 = ml/s 6: output_6 = ml/s 7: output_7 = 32 ml/s Pada tabel ilustrasi di atas terdapat nilai-nilai R, S, dan T yang dilingkari lingkaran merah. Nilainilai R, S, dan T tersebut adalah nilai linguistik tiap fungsi keanggotaan input sampel L1 hasil fuzzification. Untuk lebih jelas maka akan diberikan nilai-nilai derajat keanggotaan hasil tahap fuzzification sampel L1 dengan linguistik rendah, sedang, ataupun tinggi sebagai berikut: W_jumlahTanaman_rendah = = 0.49 W_jumlahTanaman_sedang = = 0.51 W_jumlahTanaman_tinggi = 0 W_tinggiMukaAirTanah_rendah = 0 W_tinggiMukaAirTanah_sedang = 0 W_sudutTopografi_rendah = = 0.14 W_ suduttopografi _sedang = = 0.86 W_ suduttopografi _tinggi = 0 Nilai linguistik yang derajat keanggotaannya nol tidak akan diikutkan dalam pencarian rule yang berpengaruh. Pada tabel ilustrasi rule di atas terlihat untuk jumlah tanaman, nilai linguistik yang dilingkari hanya rendah dan sedang. Untuk tinggi muka air tanah, nilai linguistik yang dilingkari hanya tinggi, dan untuk sudut topografi, nilai linguistik yang dilingkari hanya rendah dan sedang. Kombinasi dari nilai-nilai linguistik yang dilingkari merah pada Tabel ilustrasi menghasilkan empat rule yang berpengaruh (kotak berwarna merah) untuk sampel L1 pada Tabel 1 yaitu: Jika jumlah tanaman rendah dan tinggi muka air tanah tinggi dan sudut topografi rendah maka fungsi keanggotaan output debit mata air adalah output_3. Jika jumlah tanaman rendah dan tinggi muka air tanah tinggi dan sudut topografi sedang maka fungsi keanggotaan output debit mata air adalah output_4. Jika jumlah tanaman sedang dan tinggi muka air tanah tinggi dan sudut topografi rendah maka fungsi keanggotaan output debit mata air adalah output_4. Jika jumlah tanaman sedang dan tinggi muka air tanah tinggi dan sudut topografi sedang maka fungsi keanggotaan output debit mata air adalah output_5. Tahap inference juga melibatkan operator AND pada rule untuk mendapatkan nilai derajat keanggotaan fungsi keanggotaan output. Perhitungan untuk mendapatkan nilai derajat keanggotaan fungsi keanggotaan output pada sampel lokasi satu (L1) pada Tabel 1 yaitu dengan cara mengambil nilai derajat keanggotaan minimum dari ketiga input untuk tiap rule yang dipengaruhi. Nilai minimum ini akan menjadi nilai derajat keanggotaan fungsi keanggotaan output. Dari keempat rule tersebut dan melibatkan operator AND maka didapatkan empat nilai derajat keanggotaan output untuk empat fungsi keanggotaan output. Jika jumlah tanaman rendah (W=0.49) dan tinggi muka air tanah tinggi (W=1) dan sudut topografi rendah (W=0.14) maka level debit mata air adalah output_3. Derajat keanggotaan output_3 = minimum (0.49, 1, 0.14) = 0.14 Jika jumlah tanaman rendah (W=0.49) dan tinggi muka air tanah tinggi (W=1) dan sudut topografi sedang (W=0.86) maka debit mata air adalah output_4. Derajat keanggotaan output_4 = minimum (0.49, 1, 0.86) = 0.49 Jika jumlah tanaman sedang (W=0.51) dan tinggi muka air tanah tinggi (W=1) dan sudut topografi rendah (W=0.14) maka debit mata air adalah output_4. Derajat keanggotaan output_4 = minimum (0.51, 1, 0.14) = 0.14 Jika jumlah tanaman sedang (W=0.51) dan tinggi muka air tanah tinggi (W=1) dan sudut topografi sedang (W=0.86) maka debit mata air adalah output_5. Derajat keanggotaan output_5 = minimum (0.51, 1, 0.86) = 0.51 Hasil dari tahap inference ini yaitu fungsi keanggotaan output beserta nilai derajat 12

21 keanggotaannya yaitu fungsi keanggotaan output output_3 dengan nilai derajat keanggotaan 0.14, fungsi keanggotaan output output_4 dengan nilai derajat keanggotaan 0.49 dan 0.14, dan fungsi keanggotaan output output_5 dengan nilai derajat keanggotaan Hasil inference pada lokasi satu (L1) sampai lokasi empat (L4) pada Tabel 1 dapat dilihat pada Tabel 4 dengan W menyimbolkan nilai derajat keanggotaan sedangkan hasil inference dari seluruh sampel survei lapangan pada Tabel 1 dapat dilihat pada Lampiran 6. Tabel 4 Fuzzy output hasil inference fuzzy crisp output = (0.14 * ml/s) + (0.49 * ml/s) + (0.14 * ml/s) + (0.51 * ml/s) = ml/s dengan crisp output adalah debit mata air dugaan sebagai hasil akhir fuzzy. Persentase keakuratan debit mata air dugaan hasil fuzzy dengan debit mata air hasil survei lapangan dihitung menggunakan formula kesalahan/galat. Sebagai contoh, perhitungan persentase akurasi pada sampel lokasi satu (L1) pada Tabel 1 adalah sebagai berikut (dengan ml/s adalah debit air hasil survei lapangan dan ml/s adalah debit air dugaan hasil fuzzy): Keterangan Tabel 4: BJ: Kelurahan Balumbangjaya W: simbol derajat keanggotaan Li: Lokasi survei ke-i pada Tabel 1 3) Defuzzification Tahap terakhir dalam sistem fuzzy adalah defuzzification. Fuzzy output hasil inference dan fungsi keanggotaan output diolah menggunakan metode defuzzification weighted average sehingga menghasilkan crisp output yang merupakan hasil akhir dari proses fuzzy. Untuk memperjelas berikut adalah hasil inference dari sampel lokasi satu (L1) pada Tabel 1. derajat keanggotaan output_3= 0.14 derajat keanggotaan output_4= 0.49 derajat keanggotaan output_4= 0.14 derajat keanggotaan output_5= 0.51 Dengan nilai fungsi keanggotaan output: output_3 = ml/s output_4 = ml/s output_5 = ml/s Proses perhitungan metode defuzzification weighted average adalah jumlah dari semua derajat keanggotaan output dikali dengan nilai fungsi keanggotaan output. Proses perhitungan defuzzification pada sampel lokasi satu (L1) pada Tabel 1 yaitu: Akurasi L1 = 100% - Error L1 = 94.98% Hasil dari tahap defuzzification yaitu crisp output beserta hasil evaluasi akurasi dapat dilihat pada Tabel 5 (karena keterbatasan ruang, data yang ditampilkan pada Tabel 5 hanya berjumlah empat data), sedangkan untuk keseluruhan data survei lapangan dapat dilihat pada Lampiran 7. Tabel 5 Crisp output hasil defuzzification dan evaluasi akurasi Keterangan Tabel 5: BJ: Kelurahan Balumbangjaya Li: Lokasi survei ke-i pada Tabel 1 Grafik perbandingan debit mata air di lapangan dengan debit mata air hasil fuzzy system dari seluruh data survei lapangan dapat dilihat pada Gambar 17 sedangkan grafik perbandingan akurasi dari seluruh data survei lapangan dapat dilihat pada Gambar

22 Gambar 17. Perbandingan data debit mata air lapangan dengan data debit air hasil fuzzy L1 L3 L5 L7 L9 L11 L13 Debit hasil survei (ml/s) Debit hasil fuzzy (ml/s) Evaluasi Akurasi (%) L1 L3 L5 L7 L9 L11 L13 Akurasi (%) Gambar 18. Perbandingan akurasi metode fuzzy pada seluruh data survei lapangan. Keterangan Gambar17 dan Gambar18: Li = Lokasi survei ke-i pada Tabel 1 Dari seluruh data survei terdapat tiga data dengan persentase akurasi ± 90%, dua data ± 80%, tiga data ± 70%, empat data ± 60%, dan satu data 59.14%. Rendahnya akurasi data kelima dengan akurasi 59.14% diperkirakan terjadi dari dua kemungkinan. Kemungkinan pertama yaitu adanya salah pengukuran ketika survei lapangan. Kemungkinan kedua yaitu penentuan rule, jumlah, batas-batas, dan bentuk fungsi keanggotaan metode fuzzy Sugeno yang kurang optimal. Di lain pihak, tingginya akurasi tiga data yaitu data pertama dengan akurasi 94.98%, data ketujuh dengan akurasi 98.81%, dan data kesebelas dengan akurasi 93.44% diperkirakan terjadi karena pengukuran yang tepat pada saat survei lapangan dan tingkat akurasi metode fuzzy Sugeno yang baik. Konsep rule fuzzy bahwa semakin tinggi nilai input maka semakin tinggi juga nilai debit mata air (output) juga dinilai benar karena menghasilkan tiap data yang akurasinya melebihi 50%. Rata-rata akurasi dari keseluruhan data adalah 77.53%. Tentu saja rata-rata akurasi akan berubah jika datanya ditambah ataupun dikurangi karena itu penulis tidak menjadikan rata-rata akurasi sebagai ukuran melainkan melihat dari akurasi tiap data yang secara keseluruhan melebihi 50%. Karena itu aplikasi ini layak digunakan oleh masyarakat luas. Pengembangan Aplikasi Pengembangan aplikasi dalam penelitian ini memakai model waterfall. Berikut adalah hasil dari tiap tahap dalam pengembangan aplikasi: 1) Tahap analisis dan definisi kebutuhan Berdasarkan hasil konsultasi dengan user, fasilitas yang diharapkan dari aplikasi yaitu aplikasi dapat menduga debit mata air pada suatu wilayah menggunakan metode fuzzy dengan memasukkan input jumlah tanaman, tinggi muka air tanah, dan besar sudut topografi dari wilayah tersebut. Fasilitas yang lain yaitu adanya peta yang berfungsi sebagai pencarian untuk tiap kelurahan yang ada di peta administrasi kota Bogor. Batasan dari aplikasi ini adalah wilayah penelitian dibatasi hanya pada Kelurahan Balumbangjaya dan Kelurahan Situgede sehingga peta output dari aplikasi ini juga terbatas pada peta administrasi kota Bogor dan bersifat statis. Input fuzzy dari aplikasi ini juga mempunyai daerah nilai yaitu 22 sampai 140 batang untuk jumlah tanaman, meter sampai meter untuk tinggi muka air tanah, dan 0.67 (derajat) sampai 1.11 (derajat) untuk besar sudut topografi. Tujuan pengembangan aplikasi ini adalah untuk memudahkan proses pencarian mata air yang berkualitas pada aspek debit mata airnya (kecepatan air mengalir) di daerah yang memenuhi persyaratan range nilai input fuzzy. 2) Tahap desain sistem dan perangkat lunak Desain perangkat lunak juga disesuaikan dengan analisis kebutuhan perangkat lunak dan dapat dilihat pada Lampiran 8. Desain basis data yang dibangun terdiri dari: Tabel user, berisi field username (primary key) dan field password Tabel username, berisi field id_input (primary key), daerah, jns_tan, tinggi_muka, topografi, output. Tabel username dibuat berdasarkan field username dari tabel user. Jika terdapat 14

23 username yang baru dibuat oleh user melalui fungsi sign up pada aplikasi, maka pada database juga akan terbuat tabel dengan nama username tersebut. Keterangan atribut tiap tabel dapat dilihat pada Lampiran 9. 3) Tahap implementasi dan uji unit Hasil dari tahap ini yaitu dibangunnya tiap unit aplikasi yaitu unit beranda, signup, admin, edit, dan lihat peta. Pengujian tiap unit dilakukan bersamaan dengan proses coding pengembangan aplikasi tiap unit oleh penulis. 4) Tahap integrasi dan uji sistem Hasil dari tahap ini adalah produk akhir dalam penelitian ini yaitu Aplikasi Penduga Mata Air-Fuzzy (APMA-Fuzzy). Pengujian dilakukan dengan metode black box oleh penulis pada tanggal 18 September 2011 dengan cara menguji tiap fungsi yang ada dalam aplikasi sesuai dengan skenario uji. Skenario uji beserta hasilnya dapat dilihat pada Lampiran 10. 5) Tahap operasi dan pemeliharaan Tahap ini tidak dilakukan oleh penulis karena adanya keterbatasan waktu. Deskripsi Aplikasi Aplikasi ini memberikan kemudahan dalam proses pencarian mata air yang berkualitas pada aspek debit mata air dengan cara menduga debit mata air pada suatu wilayah. Semakin tinggi debit mata air dugaan pada suatu wilayah maka semakin baik wilayah tersebut untuk dijadikan mata air. Input dari aplikasi ini adalah nama kelurahan dan keterangan daerah, jumlah tanaman (dalam satuan batang), tinggi muka air tanah (dalam satuan meter), dan besar sudut topografi (dalam satuan derajat) pada wilayah yang diinginkan. Nama kelurahan dan keterangan daerah hanya sebagai keterangan wilayah yang diduga debit mata airnya dan tidak mempunyai pengaruh apapun dalam proses pendugaan debit mata air. Output dari aplikasi adalah debit mata air dugaan dan peta administrasi kota Bogor yang berfungsi sebagai pencarian data berdasarkan kelurahan yang ada di peta. Manfaat dan Keterbatasan Sistem Sistem yang dibangun mempunyai manfaat untuk membantu dan mempermudah masyarakat dalam proses pencarian mata air yang berkualitas dengan menduga besar debit mata air (kecepatan air mengalir). Selain itu, sistem ini juga mempunyai keterbatasan yaitu input karakteristik lahan yang dipakai hanya jumlah tanaman, tinggi muka air tanah, dan besar sudut topografi. Karakterisitik lahan yang dapat mempengaruhi debit mata air selain ketiga parameter tersebut antara lain produktivitas lapisan batuan yang dapat mengalirkan air (akuifer) dan luas daerah resapan air. Ketiga input yang dipakai penulis dipilih karena paling berpengaruh terhadap debit mata air dan mudah untuk diukur. Masing-masing input tersebut juga mempunyai batasan nilai (range) yaitu 22 sampai 140 batang untuk jumlah tanaman, meter sampai meter untuk tinggi muka air tanah, dan 0.67 (derajat) sampai 1.11 (derajat) untuk besar sudut topografi. Penentuan level fungsi keanggotaan output fuzzy juga dibatasi dengan asumsi pengaruh tiap input terhadap output fuzzy (debit mata air dugaan) adalah sama. Asumsi lain yaitu pada proses pengukuran debit air pada daerah resapan air yang diteliti, pengukuran hanya dilakukan pada air yang keluar melalui mata air, sedangkan air dalam tanah yang mengalir ke tempat lain pada area resapan air tersebut tidak diukur karena kesukaran dalam pengukuran. Kesimpulan KESIMPULAN DAN SARAN Kesesuaian lahan adalah kecocokan sebidang lahan untuk penggunaan tertentu. Penelitian ini mengukur kesesuaian lahan untuk pendugaan debit mata air. Sistem yang dibangun memberikan kemudahan bagi masyarakat dalam pencarian mata air yang berkualitas dengan menduga besar debit mata air. Dalam menduga debit mata air digunakan metode fuzzy Sugeno dengan fungsi keanggotaan input dan output diambil dari hasil analisis data survei lapangan dan rule dikembangkan sesuai dengan konsep dari pakar yaitu semakin tinggi nilai input karakterisitik lahan, maka semakin tinggi nilai debit mata airnya (output). Dari hasil evaluasi akurasi juga dapat disimpulkan bahwa konsep rule semakin tinggi nilai input maka semakin tinggi juga nilai output adalah benar karena hasil akurasi dari tiap data melebihi 50%. Evaluasi ini juga memperlihatkan bahwa aplikasi ini layak dipakai. Sistem ini diharapkan dapat memberikan kontribusi positif untuk proses pencarian mata air dalam masyarakat luas, beserta segala keterbatasannya. 15

24 Saran Berdasarkan keterbatasan sistem maka terdapat beberapa hal yang diperlukan untuk pengembangan selanjutnya yaitu digunakannya karakterisitik lahan yang lebih banyak untuk aspek pendugaan debit mata air, data mata air yang dikumpulkan lebih banyak agar range nilai untuk input fuzzy menjadi lebih besar dan bisa menjangkau wilayah yang lebih luas, dan adanya analisis tentang jumlah, bentuk, batasbatas fungsi keanggotaan fuzzy, dan rule fuzzy yang optimal sehingga hasil menjadi lebih akurat. DAFTAR PUSTAKA Anonim Groundwater: A Primer for Pennsylvanians. Amerika Serikat: Pennsylvania Water Resources Education Network (WREN). Arami Z Dasar-Trigonometri. [ r-trigonometri]. [17 September 2011]. Damayanti A Identifikasi Pengembangan Potensi Sumber Daya Air Tanah Berdasarkan Pendekatan Bentuk Medan. Depok: Universitas Indonesia. Guney K, Sarikaya N Comparison of Mamdani and Sugeno Fuzzy Inference System Models for Resonant Frequency Calculation of Rectangular Microstrip Antennas. Progress in Electromagnetics Research B. Vol. 12, Hartomo K. D Implementasi Metode Interpolasi Linear Untuk Pembesaran Resolusi Citra. TEKNOIN. Vol. 11, No.3, Hau Oni K, Nugroho D. G Pengoperasian dan Perawatan Sarana Air Bersih Sistem Gravitasi. Jakarta: Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ) GmbH. Herusansono W, Suprihadi M Tol Baru Ungaran Gusur Mata Air. [ 6/ /Tol.Baru.Ungaran.Gusur.Sumb er.mata.air]. [17 September 2011]. Jawadekar W. S Software Engineering Principles and Practice. New Delhi: Tata McGraw-Hill. Joewono B. N Mata Air Hilang, Pasca Letusan Merapi. [ 4/ /Mata.Air.Hilang.Pasca.Letusan. Merapi]. [17 September 2011]. Kusumadewi S Analisis dan Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta: Graha Ilmu. Muhammad D Penggunaan metode newton dan lagrange pada interpolasi polinom pergerakan harga saham: studi kasus saham PT. Adaro Energi Tbk. Makalah IF4058 Topik Khusus Informatika I: Metode Numerik Sem. II. Nugrahanti A. P, Joewono B. N Salatiga Bukan Kota Mata Air Lagi. [ 5/ /Salatiga.Bukan.Kota.Mata.Air. Lagi]. [17 September 2011]. Ritung S, Wahyunto, Agus F, Hidayat H Panduan Evaluasi Kesesuaian Lahan. Bogor: Balai Penelitian Tanah dan World Agroforestry Centre (ICRAF). Said N. I Daur Ulang Air Limbah untuk Air Minum. [ Minum/BAB13DAUR.pdf]. [16 September 2011]. Sommerville I Software Engineering Ed ke-8. England: Pearson Education. Suyanto Soft Computing Membangun Mesin Ber-IQ Tinggi. Bandung: Informatika Bandung. Todd D. K Groundwater Hydrology. Kanada: John Wiley & Sons, Inc. 16

25 Lampiran

26 Lampiran 1 Peta hasil survei lapangan 18

27 Lampiran 2 Legenda peta hasil survei lapangan 19

28 Lanjutan Berikut ini merupakan keterangan simbol angka berwarna merah: 1 = Lokasi survei lapangan di Kelurahan Balumbangjaya RT 02 RW 02 2 = Lokasi survei lapangan di Kelurahan Balumbangjaya RT 04 RW 04 3 = Lokasi survei lapangan di Kelurahan Balumbangjaya RT 02 RW 04 4 = Lokasi survei lapangan di Kelurahan Balumbangjaya RT 01 RW 06 5 = Lokasi survei lapangan di Kelurahan Balumbangjaya RT 03 RW 06 6 = Lokasi survei lapangan di Kelurahan Balumbangjaya RT 04 RW 06 7 = Lokasi survei lapangan di Kelurahan Situgede RT 02 RW 05 8 = Lokasi survei lapangan di Kelurahan Situgede RT 02 RW 05 9 = Lokasi survei lapangan di Kelurahan Situgede RT 01 RW = Lokasi survei lapangan di Kelurahan Situgede RT 02 RW = Lokasi survei lapangan di Kelurahan Situgede RT 03 RW = Lokasi survei lapangan di Kelurahan Situgede RT 02 RW = Lokasi survei lapangan di Kelurahan Situgede RT 02 RW 06 20

29 Lampiran 3 Data GPS hasil survei lapangan L1. Kelurahan Balumbangjaya RT 02 RW 02 Koordinat GPS: S: E: L2. Kelurahan Balumbangjaya RT 04 RW 04 Koordinat GPS: S: E: L3. Kelurahan Balumbangjaya RT 02 RW 04 Koordinat GPS: S: E: L4. Kelurahan Balumbangjaya RT 01 RW 06 Koordinat GPS: S: E: L5. Kelurahan Balumbangjaya RT 03 RW 06 Koordinat GPS: S: E: L6. Kelurahan Balumbangjaya RT 04 RW 06 Koordinat GPS: S: E: L7. Kelurahan Situgede RT 02 RW 05 Koordinat GPS: S: E: L8. Kelurahan Situgede RT 02 RW 05 Koordinat GPS: S: E: L9. Kelurahan Situgede RT 01 RW 07 Koordinat GPS: S: E: L10. Kelurahan Situgede RT 02 RW 06 Koordinat GPS: S: E: L11. Kelurahan Situgede RT 03 RW 06 Koordinat GPS: S: E: L12. Kelurahan Situgede RT 02 RW 06 Koordinat GPS: S: E: L13. Kelurahan Situgede RT 02 RW 06 Koordinat GPS: S: E: Keterangan: Li = Lokasi survei ke-i ; i = 1,..., 13 21

30 Lampiran 4 Detail nama dan jumlah tanaman hasil survei lapangan Lokasi Tempat Jenis Tanaman Jumlah (batang) Total (batang) L1 Kelurahan Balumbangjaya 52 RT 02 RW 02 L2 Kelurahan Balumbangjaya RT 04 RW 04 Bambu Rambutan Kelapa Salak liar Nangka Bambu nangka 2 rumpun (20 ) rumpun (3 ) 4 4 rumpun (20 ) 1 81 L3 L4 Kelurahan Balumbangjaya RT 02 RW 04 Kelurahan Balumbangjaya RT 01 RW 06 Bambu Kelapa Nangka Durian Kecapi Rambutan pepaya Bambu nangka 2 rumpun (25 ) rumpun (20 ) L5 Kelurahan Balumbangjaya RT 03 RW 06 Bambu 1 rumpun (22 ) 22 L6 L7 Kelurahan Balumbangjaya RT 04 RW 06 Kelurahan Situgede RT 02 RW 05 Kecapi Salak Rambutan Bambu salam 1 1 rumpun (70 ) 1 5 rumpun (27 ) L8 Kelurahan Situgede RT 02 RW 05 Jati Nangka Pakis Bambu rumpun (31 ) 140 L9 Kelurahan Situgede RT 01 RW 07 Bambu pakis 3 rumpun (20 ) 6 66 L10 L11 Kelurahan Situgede RT 02 RW 06 Kelurahan Situgede RT 03 RW 06 Bambu Pakis Jengkol Kecapi nangka Bambu Pakis 4 rumpun (27 ) rumpun (20 ) L12 Kelurahan Situgede RT 02 RW 06 Bambu 1 rumpun (24 ) 24 L13 Kelurahan Situgede RT 02 RW 06 Bambu Nangka 3 rumpun (20 ) 2 62 Keterangan: Li = Lokasi survei ke-i ; i = 1,..., 13 22

31 Lampiran 5 Fuzzy input hasil fuzzification fuzzy Lokasi Tempat Jumlah Tanaman Tinggi Muka Air Tanah L1 Kelurahan Wrendah=0.49 Wtinggi=1 Balumbangjaya Wsedang=0.51 RT 02 RW 02 L2 L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 Kelurahan Balumbangjaya RT 04 RW 04 Kelurahan Balumbangjaya RT 02 RW 04 Kelurahan Balumbangjaya RT 01 RW 06 Kelurahan Balumbangjaya RT 03 RW 06 Kelurahan Balumbangjaya RT 04 RW 06 Kelurahan Situgede RT 02 RW 05 Kelurahan Situgede RT 02 RW 05 Kelurahan Situgede RT 01 RW 07 Kelurahan Situgede RT 02 RW 06 Kelurahan Situgede RT 03 RW 06 Kelurahan Situgede RT 02 RW 06 Kelurahan Situgede RT 02 RW 06 Wsedang=1 Wrendah=0.31 Wsedang=0.69 Wrendah=1 Wrendah=1 Wrendah=0.15 Wsedang=0.85 Wsedang=0.03 Wtinggi=0.97 Wtinggi=1 Wrendah=0.25 Wsedang=0.75 Wsedang=0.17 Wtinggi=0.83 Wrendah=0.29 Wsedang=0.71 Wrendah=0.97 Wsedang=0.03 Wrendah=0.32 Wsedang=0.68 Wsedang=0.89; Wtinggi=0.11 Wsedang=0.8; Wtinggi=0.2 Wrendah=0.84; Wsedang=0.16 Wrendah=0.91; Wsedang=0.09 Wrendah=1 Wrendah=0.93; Wsedang=0.07 Wrendah=0.96; Wsedang=0.04 Wrendah=0.93; Wsedang=0.07 Wrendah=0.93; Wsedang=0.07 Wrendah=0.84; Wsedang=0.16 Wrendah=0.91; Wsedang=0.09 Wrendah=0.94; Wsedang=0.06 Topografi Wrendah=0.14; Wsedang=0.86 Wrendah=0.59; Wsedang=0.41 Wsedang=0.41; Wtinggi=0.59 Wrendah=0.39; Wsedang=0.61 Wsedang=0.93; Wtinggi=0.07 Wrendah=0.14; Wsedang=0.86 Wrendah=0.77; Wsedang=0.23 Wtinggi=1 Wsedang=0.1; Wtinggi=0.9 Wsedang=0.93; Wtinggi=0.07 Wrendah=0.08; Wsedang=0.92 Wrendah=1 Wrendah=0.96; Wsedang=0.04 Keterangan: W adalah simbol dari derajat keanggotaan Li = Lokasi survei ke-i ; i = 1,..., 13 23

32 Lampiran 6 Fuzzy output hasil inference fuzzy Lokasi Tempat Fuzzy Output L1 Kelurahan Balumbangjaya RT 02 RW 02 W output_3=0.14; W output_4=0.49; W output_4=0.14; W output_5=0.51 L2 Kelurahan Balumbangjaya RT 04 RW 04 W output_3=0.59; W output_4=0.11; W output_4=0.41; W output_5=0.11 L3 Kelurahan Balumbangjaya RT 02 RW 04 W output_3=0.31; W output_4=0.2; W output_4=0.41;w output_4=0.31 W output_5=0.2; W output_5=0.2; W output_5=0.59;w output_6=0.2 L4 Kelurahan Balumbangjaya RT 01 RW 06 W output_1=0.39; W output_2=0.16; W output_2=0.61;w output_3=0.16 L5 Kelurahan Balumbangjaya RT 03 RW 06 W output_2=0.91; W output_3=0.09; W output_3=0.07; W output_4=0.07 L6 Kelurahan Balumbangjaya RT 04 RW 06 W output_1=0.14; W output_2=0.14; W output_2=0.15; W output_3=0.85 L7 Kelurahan Situgede RT 02 RW 05 W output_2=0.03; W output_3=0.03; W output_3=0.77; W output_3=0.03 W output_4=0.03; W output_4=0.07; W output_4=0.23; W output_5=0.07 L8 Kelurahan Situgede RT 02 RW 05 W output_5=0.96; W output_6=0.04 L9 Kelurahan Situgede RT 01 RW 07 W output_2=0.1; W output_3=0.07; W output_3=0.9;w output_3=0.07 W output_4=0.07; W output_4=0.07; W output_4=0.75;w output_5=0.07 L10 Kelurahan Situgede RT 02 RW 06 W output_3=0.17; W output_4=0.07; W output_4=0.07; W output_4=0.83 W output_5=0.07; W output_5=0.07; W output_5=0.07; W output_6=0.07 L11 Kelurahan Situgede RT 03 RW 06 W output_1=0.08; W output_2=0.08; W output_2=0.08; W output_2=0.29; W output_3=0.08; W output_3=0.16; W output_3=0.71; W output_4=0.16 L12 Kelurahan Situgede RT 02 RW 06 W output_1=0.91; W output_2=0.09; W output_2=0.03; W output_3=0.03 L13 Kelurahan Situgede RT 02 RW 06 W output_1=0.32; W output_2=0.06; W output_2=0.68; W output_2=0.04; W output_3=0.06; W output_3=0.04; W output_3=0.04; W output_4=0.04 Keterangan: W adalah simbol dari derajat keanggotaan Li = Lokasi survei ke-i ; i = 1,..., 13 24

33 Lampiran 7 Hasil defuzzification dan evaluasi akurasi Lokasi Tempat Debit di lapang (ml/s) L1 L2 L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 Kelurahan Balumbangjaya RT 02 RW 02 Kelurahan Balumbangjaya RT 04 RW 04 Kelurahan Balumbangjaya RT 02 RW 04 Kelurahan Balumbangjaya RT 01 RW 06 Kelurahan Balumbangjaya RT 03 RW 06 Kelurahan Balumbangjaya RT 04 RW 06 Kelurahan Situgede RT 02 RW 05 Kelurahan Situgede RT 02 RW 05 Kelurahan Situgede RT 01 RW 07 Kelurahan Situgede RT 02 RW 06 Kelurahan Situgede RT 03 RW 06 Kelurahan Situgede RT 02 RW 06 Kelurahan Situgede RT 02 RW 06 Debit hasil fuzzy sistem (crisp output) (ml/s) Rata-rata akurasi (%) Persentase Akurasi (%) Keterangan: Li = Lokasi survei ke-i ; i = 1,..., 13 25

34 Lampiran 8 Desain perangkat lunak Desain halaman beranda Desain halaman edit 26

35 Lanjutan Desain halaman signup Desain halaman lihat peta 27

36 Lanjutan Desain halaman admin 28