Perancangan Prediktor Cuaca Maritim Berbasis Logika Fuzzy Menggunakan User Interface Android

Transkripsi

1 Perancangan Prediktor Cuaca Maritim Berbasis Logika Fuzzy Menggunakan User Interface Android M Kahfi Anshari, Ir Syamsul Arifin, MT, Andi Rahmadiansah, ST., MT Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 6 kahfi9@e25.org Abstrak Pola iklim dan cuaca di Indonesia yang tidak beraturan dan eskstrim akan mengganggu transportasi laut. Pada penelitian ini telah dilakukan perancangan prediktor cuaca maritim berbasis logika fuzzy takagi sugeno menggunakan user interfaces smartphone android. User interfaces smartphone android dipilih karena android banyak digunakan masyarakat indonesia. Data yang digunakan untuk membangun basis aturan dan fungsi keanggotaan berasal dari data BMKG II Perak yang direkam perjam selama 6 tahun yaitu dari januari 27 hingga desember 22. Digunakan data cuaca maritim dari tahun 27 hingga 22 untuk membangun basis aturan dan fungsi keanggotaan logika fuzzy. Validasi prediksi cuaca maritim dilakukan dengan menggunakan data BMKG bulan februari 23. Selain menggunakan data BMKG juga dilakukan validasi realtime menggunakan data maritim buoyweather. Hasil penelitian didapatkan akurasi prediksi cuaca maritim tertinggi, yaitu: suhu udara, kelembaban udara, kecepatan arus laut, tinggi gelombang dan curah hujan adalah 83%, 84.5%, 87 %, 85.7% dan 95% Kata Kunci Cuaca maritim, predikiksi cuaca maritim, Android I. PENDAHULUAN ola cuaca dan iklim di Indonesia akhir-akhir ini sangat Pekstrim, cuaca ekstrim tersebut mengakibatkan beberapa kapal roro (roll on roll off) di Pelabuhan Tanjung Perak Surabaya menunda keberangkatan karena buruknya cuaca dan tingginya gelombang laut di Laut Jawa (Bisnis Indonesia, 23). Jumlah kecelakaan kapal pelayaran di Indonesia cukup memprihatinkan, dari 46 kecelakaan pelayaran kapal di Indonesia pada tahun 22,,75% kecelakaan tersebut disebabkan oleh faktor cuaca yang tidak menentu (Masyarakat Transportasi Indonesia, 27). BMKG telah menyediakan pusat informasi mengenai data cuaca, prakiraan cuaca dan iklim cuaca pada website Hasil prakiraan cuaca tersebut merupakan hasil keluaran dari program yang berdasarkan analisa interpolasi dan ekstrapolasi data-data cuaca pada beberapa tempat di Indonesia. Keakuratan prediksi cuaca dan iklim program tersebut semakin rendah apabila memprediksi cuaca pada suatu lokasi perairan yang jauh dari lokasi data-data cuaca interpolasi dan ekstrapolasi. Kondisi seperti ini dapat diperbaiki dengan menambah stasiun cuaca maritim untuk menunjang prakiraan cuaca dan iklim di Indonesia. Perkembangan smartphone android di Indonesia terus meningkat. Pada tahun 22 smartphone android menguasai pasar smartphone di Indonesia sebesar 52%. Pangsa pasar smartphone android tersebut menunjukan smartphone android dapat digunakan sebagai pusat informasi cuaca di Indonesia. Dengan membuat aplikasi prediksi cuaca berbasis smartphone android diharapkan informasi prediksi cuaca dan iklim maritim di Indonesia dapat diakses lebih mudah oleh masyarakat Indonesia. Pada penelitian sebelumnya telah dilakukan prediksi cuaca maritim menggunakan metode ANFIS yang dilakukan oleh Ardian Chandra dengan koordinat pengambilan data LS (Candra, 2)8. Kemudian pengembangan penelitian tersebut dilakukan oleh Riki Jaya Sampurna dengan menggambil 3 koordinat data, yaitu pada oS oE (Perairan Banjarmasin), 4,64836oS - 3,9886oE (Laut Jawa) dan oS oE (Perairan Surabaya). Ketiga penelitian tersebut masih bersifat offline, sehingga dilakukan penelitian lanjutan oleh Ilham Bangun Asmoro (Asmoro, 2) (Wakhid, 22). Pada penelitian tersebut dilakukan pembuatan software prediktor cuaca darat dengan basis logika fuzzy yang dapat mengolah data dari stasiun cuaca darat secara real time. Pada tahun 22, dilakukan penelitian mengenai prediksi cuaca maritim secara online oleh Habib (Wakhid, 22). Berdasarkan penelitian terdahulu inilah peneliti ingin membuat sistem prediktor cuaca maritim secara online yang dapat ditampilkan pada smartphone android sehingga mempermudah pengguna untuk mengakses data cuaca dan prakiraan cuaca maritim. 2. Cuaca dan Iklim II. TEORI PENUNJANG Cuaca dan iklim memiliki hubungan yang saling berhubungan. Pada dasarnya cuaca adalah keadaan udara pada saat tertentu dan di wilayah tertentu yang relatif sempit dan pada jangka waktu yang singkat. Iklim adalah keadaan cuaca rata-rata dalam waktu satu tahun yang penyelidikannya dilakukan dalam waktu yang lama (minimal 3 tahun) dan meliputi wilayah yang luas. Iklim memiliki waktu lebih panjang pada suatu daerah. Iklim dapat mencakup pola cuaca disuatu daerah, masa dingin, gelombang panas, frekuensi dan intensitas badai. Sedangkan cuaca itu terbentuk dari gabungan unsur cuaca dan jangka waktu cuaca bisa hanya beberapa jam saja. Misalnya: pagi hari, siang hari atau sore hari, dan

2 2 keadaannya bisa berbeda-beda untuk setiap tempat serta setiap jamnya. 2.. Unsur Cuaca Pada umumnya ada unsur-unsur yang mempengaruhi keadaan cuaca dan iklim suatu daerah atau wilayah maritim, yaitu: suhu udara, angin, tekanan udara, kelembaban udara dan curah hujan.suhu udara adalah derajat panas dari aktivitas molekul dalam atmosfer. Biasanya pengukuran suhu atau temperatur udara dinyatakan dalam skala Celcius (C), Reamur (R), dan Fahrenheit (F). Angin adalah gerak udara yang sejajar dengan permukaan bumi. Udara bergerak dari daerah bertekanan tinggi ke daerah bertekanan rendah. Kekuatan angin ditentukan oleh kecepatannya, makin cepat angin bertiup maka makin tinggi/besar kekuatannya. Tekanan udara adalah suatu gaya yang timbul akibat adanya berat dari lapisan udara Besarnya tekanan udara diukur dengan barometer dan dinyatakan dengan milibar (mb). Kelembaban udara adalah banyaknya uap air yang terkandung dalam massa udara pada saat dan tempat tertentu. Curah hujan yaitu jumlah air hujan yang turun pada suatu daerah dalam waktu tertentu. Curah hujan diukur dalam harian, bulanan, dan tahunan. Menurut BMKG, berdassarkan curah hujannya hujan dikasifikasikan menjadi: hujan sedang dengan curah hujan 2-5 mm per hari, hujan lebat dengan curah hujan 5- mm per hari, dan hujan sangat lebat denga curah hujan di atas mm per hari 2.. Pengaruh Unsur Cuaca pada Permukaan Laut Gelombang/ombak yang terjadi di lautan dapat diklasifikasikan menjadi beberapa macam tergantung kepada gaya pembangkitnya. Untuk ketinggian gelombang yang disebabkan karena angin yang berhembus pada permukaan air laut, dapat dirumuskan sebagai berikut: H s =.2 V2 g Keterangan: H s = Ketinggian gelombang V = kecepatan angin (m/s) g = gaya gravitasi bumi (m/s 2 ) untuk kecepatan angin yang ada di laut biasanya dinyatakan dalam knot dimana knot =.5 m/s (Thor, 994). Secara teori dapat dijelaskan bahwa ketika angin yang berhembus secara teratur dan terus-menerus di atas permukaan air laut akan membentuk riak permukaan yang bergerak searah dengan hembusan angin. Bila angin masih terus berhembus dalam waktu yang cukup panjang dan meliputi jarak permukaan laut yang cukup besar, maka riak air akan tumbuh menjadi gelombang. Pada saat yang bersamaan riak permukaan baru akan terbentuk di atas gelombang yang terbentuk, dan selanjutnya akan berkembang menjadi gelombang-gelombang baru tersendiri. Bila angin berhenti berhembus, sistem gelombang yang telah terbentuk akan melemah. Arus laut adalah gerakan massa air laut yang berpindah dari satu tempat ke tempat lain baik secara vertikal (gerakan ke atas) maupun secara horizontal (gerakan ke samping). Menurut letaknya arus dibedakan menjadi dua yaitu arus atas dan arus bawah. Arus atas adalah arus yang bergerak di permukaan laut. Arus ini dipengaruhi sebagian besar oleh kecepatan, kekuatan serta arah angin yang ada di permukaan 2. laut sehingga menyebabkan arus atas bergerak. Pengaruh angin disini berkisar 2% dari kecepatan angin itu sendiri. Kecepatan arus ini akan berkurang sesuai dengan makin bertambahnya kedalaman perairan sampai pada akhirnya angin tidak berpengaruh pada kedalaman 2 meter. Sedangkan arus bawah (di kedalaman laut) biasanya disebabkan karena perbedaan densistas massa air laut. Untuk kecepatan arus yang dibangkitkan oleh angin dapat dirumuskan sebagai berikut: V lω (z) = V lω () d z for z d d 2.2 for d < z Dimana d adalah kedalaman referensi untuk arus yang dibangkitkan oleh angin, biasanya diberikan nilai 5 m dan z adalah komponen vertikal yang akan diukur. Collar (986) telah menunjukkan bahwa kecepatan arus permukaan laut (V lω) dapat didekati dengan persamaan : V lω () =.2V 2.3 Dimana V adalah kecepatan angin yang diukur m dari atas permukaan air laut (Thor, 994). 2.2 Logika Fuzzy Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot keanggotaan yang dimilikinya. Pada dasarnya struktur logika fuzzy dapat digambarkan seperti pada gambar 2.. Struktur dasar logika fuzzy terdiri dari empat bagian utama, yaitu fuzzifikasi, basis pengetahuan, logika pengambil keputusan, dan defuzzifikasi. Fuzzyfikasi berfungsi mengubah sinyal masukan yang bersifat himpunan tegas ke himpunan fuzzy dengan menggunakan operator fuzzifikasi. Kedua, basis Pengetahuan berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kontrol. Ketiga, logika pengambil keputusan merupakan inti dari logika fuzzy yang mempunyai kemampuan seperti manusia dalam mengambil keputusan. Defuzzifikasi berfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifat fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operator defuzzifikasi. Dalam subbab selanjutnya akan dibahas lebih lanjut mengenai empat bagian utama sistem logika fuzzy. input Fuzzifikasi Fuzzy Basis Pengetahuan Logika Pengambilan Keputusan Fuzzy Defuzzifikasi output Gambar 2. Struktur Dasar Logika Fuzzy (Candra, 2) Fungsi Keanggotaan Fungsi keanggotaan adalah fungsi yang menyatakan keanggotaan dari suatu himpunan nilai-nilai. Fungsi keanggotaan yang digunakan pada penelitian ini adalah bentuk Gaussian. Hal ini dikarenakan variabel yang digunakan adalah variabel cuaca yang bersifat kontinu, dan kurva Gaussian adalah bentuk fungsi keanggotaan yang memiliki tingkat kehalusan dan nilainya tidak nol di semua titik. Kurva ini

3 3 cocok jika digunakan untuk variabel cuaca (Meilanitasari, 2). Mulai Studi Literatur Identifikasi Masalah Simulasi program dan pengujian Pengambilan Data Cuaca Tampilkan pada android pltaform Gambar 2.2 Kurva keanggotaan Gaussian (Kusumadewi, 2) Pada kurva di atas menggunakan bentuk segitiga untuk merepresentasikan data-datanya. Biasanya kurva dalam bentuk ini digunakan untuk mengolah data seperti seperti pada alat elektronik. Persamaan yang digunakan sebagai berikut: f(x; σ; c) = e (x c)2 2σ Logika Pengambilan Keputusan Sering pula disebut sebagai Fuzzy Inference system (FIS) merupakan bagian terpenting dalam logika fuzzy.fis merupakan sebuah proses yang digunakan untuk memformulasikan masukan serta keluaran menggunakan logika fuzzy. Metode FIS diawali dengan pembentukan himpunan fuzzy variabel masukkan dengan cara clustering. Kemudian variabel masukkan tersebut dinyatakan dalam kurva Gaussian, Langkah selanjutnya adalah membangun basis aturan (Rule Base). Untuk rule base orde nol (keluaran berupa konstanta) dapat dilihat pada model dibawah: IF((x is A )AND (x 2 is A )AND(x 3 is A 3 ) THEN z = k Sedangkan untuk rule base orde satu (keluaran berupa persamaan linear) adalah: IF((x is A )AND (x 2 is A )AND(x 3 is A 3 ) THEN z = p x + q Kelebihan yang dimiliki oleh logika fuzzy takagi sugeno dibandingkan yang lain adalah fuzzy takagi sugeno lebih efisien secara komputasional, bekerja lebih baik dengan teknik optimasi serta adaptif, dapat bekerja untuk keluaran yang sifatnya berubah secara kontinu, dan cocok untuk analisis secara matematis karena keluarannya dapat berupa persamaan linear maupun konstanta (Meilanitasari, 2). III. METODOLOGI PENELITIAN Pada bagian ini akan dijabarkan langkah-langkah alur penelitian perancangan sistem prediktor cuaca maritim berbasis logika fuzzy menggunakan user interfaces android. Perancangan sistem logika fuzzy sebagai prediktor cuaca Validasi Sistem Logika Fuzzy Apakah performansi logika fuzzy sesuai? Tidak Ya Penyusunan Laporan Selesai Gambar 3. Diagram alir penelitian 3. Pengambilan Data Cuaca Maritim Data cuaca maritim pada peneilitan ini didapatkan dari BMKG II Perak Surabya. Data cuaca maritim yang diperoleh direkam per-jam selama enam tahun yaitu mulai tahun 27 sampai dengan tahun 22. Data cuaca maritim tersebut merupakan data cuaca maritim pada koordinat 4.64 S 3.9 E. Gambar 3.2 Letak koordinat pengambilan data cuaca maritim 3.2 Perancangan Sistem Logika Fuzzy Setelah mendapatkan data cuaca yang dibutuhkan, dilakukan pengelompokan data cuaca berdasarkan skala beaufort. Pada data cuaca kecepatan angin, tinggi gelombang dan arus laut dikelompokan menjadi tujuh kategori. Pada data cuaca suhu udara dan tekanan udara dikelompokan menjadi tiga kategori. Fungsi persamaan sistem logika fuzzy dapat dilihat dibawah ini: H s (t + ) = f(v angin (t), H(t), H(t )) H s (t + ) = f(v angin (t), V angin (t ), H(t), H(t )) Cu(t + ) = f(v angin (t), Cu(t), Cu(t )) Cu(t + ) = f(v angin (t), V angin (t ), Cu(t), Cu(t )) T(t + ) = f(t(t), T(t )) T(t + ) = f(t(t), T(t ), P(t)

4 4 Rh(t + ) = f(rh(t), Rh(t )) Rh(t + ) = f(rh(t), Rh(t ), P(t) Hujan(t + ) = f(t(t + ), Rh(t + ), ) Hujan(t + ) = f(t(t + ), T(t), Rh(t + ), Rh(t)) Perancangan perangkat lunak prediksi cuaca maritim berbasis android menggunkan eclipse. Ada pun tampilan utama prediksi cuaca maritim dapat dilihat pada gambar dibawah ini. Keterangan: H s = ketinggian gelombang V angin = kecepatan angin Cu = kecepatan arus T = Suhu Rh = Kelembaban Udara P = Tekanan Hujan = curah hujan Prediksi cuaca maritim di variasi menjadi,3,6,2 dan 24 jam ke depan serta di variasi menjadi,2,3,4,5,6,dan 7 hari ke depan. 3.. Perancangan Fuzzy Interference System Pada penelitian ini juga dilakukan beberapa variasi fuzzy inference system untuk memprediksi ketinggian gelombang laut, kecepatan arus laut, curah hujan, suhu dan kelembaban udara. Variasi pertama memprediksi jam kedepan, 3 jam kedepan, 6 jam kedepan, 2 jam kedepan 24 jam kedepan. Adapun variasi kedua memprediksi hari kedepan, 2 hari kedepan, 3 hari ke depan, 4 hari ke depan, 5 hari ke depan, 6 hari ke depan dan 7 hari kedepan Perancangan fuzzy inference system dimulai dengan proses fuzzyfikasi. Fuzzyfikasi adalah proses pemetaan nilai masukan dan keluaran kedalam bentauk himpunan fuzzy. Pada proses fuzzyfikasi dilakukan pemetaan data masukan berdasarkan fungsi keanggotaan (membership function). Fuzzy logic toolbox memiliki fitur membership function editor yang dapat mengatur dan menampilkan semua fungsi keanggotaan dari variabel masukan dan keluaran. Pada penelitian ini digunakan kurva gausmf karena data bersifat kontinu. 3.3 Perancangan Software Prediktor Cuaca Maritim Untuk memprediksi variabel cuaca maritim secara offline dan Online dirancang perangkat lunak berbasis visual basic 6.. pada prediksi cuaca offline terdapat variabel masukan suhu sekarang, suhu sebelum, tekanan sekarang, keceptan angin sebelem, kecepatan angin sekarang, arus laut sekarang, arus laut sebelum, tinggi gelombang sekarang, tinggi gelombang sebelum, kelembaban sekarang dan kelembaban udara sebelum. Gambar 3.3 Software prediksi cuaca maritim offline 3.4 Perancangan Software Cuaca Maritim Berbasis Smartphone Android Gambar 3.4 Tampilan Prediksi Cuaca Maritim di Android Pada tampilan tersebut, terdapat informasi prediksi cuaca maritim satu jam ke depan, tiga jam ke depan, enam jam ke depan, dua belas jam ke depan dan dua puluh empat jam ke depan. Terdapat juga tampilan prediksi cuaca maritim lebih detail pada masing jam IV. ANALISA DAN PEMBAHASAN Pada penelitian ini digunakan fungsi keanggotaan berupa fungsi Gausian. Fungsi gausian memerlukan parameter nilai tengan dan standar deviasi. Parameter tersebut didapatkan menggunakan metode fuzzy cluster C-mens. Tabel 4. Hasil FCM Variabel Cuaca No Variabel cuaca Standar deviasi Kelompok data Nilai tengah Suhu udara 2.7 C Rendah 26.2 C Sedang 29 C Tinggi 32.7 C 2 Tekanan Udara.9 mbar Rendah 7.2 mbar Sedang 9.7 mbar Tinggi 2 mbar 3 Kelembaban Udara % Rendah 54.5 % Sedang 7.68 % Tinggi % 4 Kecepatan Arus Laut.87 cm/s Very Slow 2.45 cm/s Slow 7.8 cm/s Smooth 3.4 cm/s Slight 2.2 cm/s Average 28.5 cm/s Fast 45.9 cm/s Very Fast 64.6 cm/s 5 Tinggi Gelombang Laut.53 m Glassy.8 m Rippled.47 m Wavelets.76 m Slight m Moderate.3 m Rough.7 m Very Rough 2.4 m 6 Kecepatan Angin 5 knot Calm 2.5 knot Light Air 5.4 knot Light Breeze 8.45 knot Gentle Breeze.3 knot Moderate Breeze 4 knot Fresh Breeze 6.8 knot Strong Breeze 2.4 knot

5 5 4. Validasi Prediksi Predikstor Cuaca Maritim Validasi prediksi cuaca maritim menggunakan data cuaca maritim BMKG bulan februari 23. Adapun Grafik dan tabel hasil prediksi yaitu I. Kecepatan Arus Laut Gambar 4.2 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Ketinggian Gelombang Dengan Data Aktual Variasi Kedua Gambar 4.3 Grafik Perbandingan Hasil Prediksi Satu Hari Kedepan Ketinggian Gelombang Dengan Data Aktual Variasi kedua Pada pengujian validasi prediksi kecepatan arus laut, didapatkan tingkat keakurasian tertinggi tertinggi 87% untuk prediksi satu jam ke depan mengguanakan FIS variasi kedua II prediksi kecepatan arus kecepatan arus aktual prediksi kecepatan arus satu hari kedepan kecepatan arus laut aktual Tinggi Gelombang Laut prediksi tinggi gelombang tinggi gelombang aktual Gambar 4.4 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Kecepatan Arus Dengan Data Aktual Variasi Pertama 3 2 Gambar 4.5 Grafik Perbandingan Hasil Prediks Satu Hari Kedepan Kecepatan Arus Dengan Data Aktual Variasi Pertama Didapatkan hasil prediksi Tinggi gelombang tertinggi ialah prediksi satu jam ke depan dan menggunakan variasi pertama dengan persentase sebesar 85.7% III Kelembaban Udara Gambar 4.3 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Kelembaban Udara Dengan Data Aktual Pada pengujian validasi prediksi kelembaban udara, didapatkan tingkat keakurasian tertinggi sebesar 84.5% untuk prediksi satu jam ke depan mengguanakan FIS variasi pertama IV Suhu Udara prediksi ketinggian gelombang ketinggian gelombang aktual Prediksi suhu Suhu Aktual Gambar 4.4 Grafik Perbandingan Hasil Prediksi Satu Jam kedepan Suhu Udara Dengan Data Aktual Variasi Pertama

6 6 Untuk pengujian Model prediksi Suhu udara didapatkan tingkat keakuratan sebesar 83.6%. V. Curah Hujan Tabel 4.2 Validasi Prediksi Curah Hujan 24 Jam Kedepan Variasi Pertama No Prediksi Jumlah data Keberhasilan validasi prediksi Akurasi Saat ini % 2 t % 3 t % 4 t % 5 t % 6 t % Dari table diatas dapat dilihat prediksi curah hujan memiliki validasi tertinggi pada 24 jam ke depan, yaitu sebesat 95%. Hal tersebut menunjukan prediksi curah hujan mengggunakan metode logika fuzzy memiliki hasil yang baik untuk prediksi jangka panjang. 4.2 Validasi Pediksi Mengguanakan Buoyweather Pada penelitain uni juga dilakukan validasi real time menggunakan buoyweather. Software prediksi cuaca maritim menggunakan FIS variasi pertama pada prediksi cuaca maritim dan hanya memprediksi selama 24 jam ke depan. Tabel 4.3 Persentasi Validasi Prediksi Cuaca Maritim Menggunakan Data Buoyweather Prediksi Waktu Data Aktual Akurasi t % t % Suhu Udara t % t % t % t % t % Kelembaban udara t % t % t % t % t % Tinggi gelombang t % t % t % t % t % Arus laut t % t % t % t % t % Curah Hujan t % t+2 2 % t % V. KESIMPULAN/RINGKASAN Berdasarkan penelitian yang telah dilakukan, maka didapatkan kesimpulan sebagai berikut:. Telah dilakukan pemodelan logika fuzzy tipe sugeno untuk memprediksi suhu udara, kelemababan udara, tinggi gelombang, kecepatan arus laut dan curah hujan secara offline dan online serta dapat terhubung dengan smartphone android 2. Presentasi validasi prediksi cuaca maritim tertinggi pada suhu udara, kelembaban udara,kecepatan arus laut, tinggi gelombang dan curah hujan adalah 83%, 84.5%, 87 %, 85.7% dan 95% 3. Metode logika fuzzy sugeno memiliki performa lebih baik pada prediksi satu jam ke depan Saran bagi penelitian ini selanjutnya adalah dilakukan penelitian mengenai prediksi tekanan udara dan suhu air laut DAFTAR PUSTAKA [] Bisnis Indonesia, PELAYARAN: Pemerintah Ingatkan Waspadai Cuaca Ekstrim, 9 januari 23. [Online]. Available: [Diakses 2 februari 23]. [2] Masyarakat Transportasi Indonesia, -2-3 Langkah Menempatkan Kembali Keselamtan Menuju Transportasi Yang Bermartabat Volume 2, Jakarta: Masyarakat Transportasi Indonesia, 27. [3] A. Candra, Tugas Akhir: Perancangan Model Adaptive Neuro Fuzzy Inference System Untuk Memprediksi Cuaca Maritim, Teknik Fisika ITS, Surabaya, 2. [4] I. B. Asmoro, Perancangan Perangkat Lunak Prediktor Cuaca Berbasis Logika Fuzzy. Teknik Fisika-FTI-ITS Surabaya, Teknik Fisika ITS, Surabaya, 2. [5] N. H. Wakhid, Perancangan Sistem Prediktor Cuaca Maritim Dengan Menggunakan Metode Fuzzy Takagi Sugeno, Teknik Fisika ITS, Surabaya, 22. [6] F. Thor, Guidance and Control of Ocean Vehicles, Chichester University of Trondheim Norway, 994. [7] P. Meilanitasari, Prediksi Cuaca Menggunakan Logika Fuzzy untuk Kelayakan Pelayaran di Pelabuhan Tanjung Perak Surabaya, Teknik Fisika ITS, Surabaya, 2. [8] S. Kusumadewi, Perancangan Sistem fuzzy : Studi Kasus Prediksi Jumlah Produksi dan Harga Jual Barang, Jurnal Teknologi Industri Volume 5, 2. [9] A. S. Aisjah dan S. Arifin, Maritime Weather Prediction using Fuzzy Logic in Java Sea, 2nd International Conference on Instrumentation Control and Automation, 2. [] M. S. Awam, Predicting weather events using fuzzy rule base, Applied Soft Computing, pp , 2. [] K. Li, Fuzzy case-based reasoning:weather prediction, International Conference On Machine Learning And Cybernetics, 22.