ANALISA PERBANDINGAN METODE SUGENO DAN MAMDANI DALAM SISTEM PREDIKSI CUACA (STUDI KASUS BMKG KELAS III TANJUNGPINANG)

Transkripsi

1 ANALISA PERBANDINGAN METODE SUGENO DAN MAMDANI DALAM SISTEM PREDIKSI CUACA (STUDI KASUS BMKG KELAS III TANJUNGPINANG) Zulkifli Mahmud Jurusan Teknik Informatika, Fakultas Teknik Universitas Maritim Raja Ali Haji zulkiflimahmud1228@gmail.com Nerfita Nikentari, S.T., M.Cs. Dosen Jurusan Teknik Informatika, Fakultas Teknik Universitas Maritim Raja Ali Haji Eka Suswaini, S.T., M.T. Dosen Jurusan Teknik Informatika, Fakultas Teknik Universitas Maritim Raja Ali Haji ABSTRAK Banyaknya tuntutan dari berbagai pihak yang membutuhkan informasi kondisi cuaca yang lebih cepat, lengkap dan akurat maka muncullah berbagai metode untuk melakukan prediksi cuaca. Prediksi cuaca adalah salah satu contoh permasalahan yang sering sekali memiliki jawaban yang tidak pasti. Logika fuzzy merupakan salah satu metode untuk menyelesaikan permasalahan tersebut. Tujuan penelitian ini adalah membangun sistem yang diharapkan mampu melakukan prediksi cuaca menggunakan metode Sugeno dan Mamdani serta membandingkan hasil prediksi dari kedua metode tersebut. Pada penelitian ini digunakan 5 variabel input yaitu suhu, tekanan, kelembaban, kecepatan angin dan intensitas penyinaran matahari. Dari 90 data yang digunakan sebagai data test diperoleh hasil prediksi cuaca sebagai berikut: prediksi cuaca menggunakan metode Sugeno mehasilkan data tepat prediksi sebanyak 69 data atau tingkat keakuratan sebesar 76,67%. Sedangkan prediksi dengan metode Mamdani memiliki 29 data tepat prediksi atau tingkat keakuratan sebesar 32,22%. ABSTRACT Many demands from some people who need more quickly, complete and accurate information on weather conditions so comes some methods for predicting the weather. Weather prediction is one of many problems that often have uncertain answer. Fuzzy logic is a method to resolve that case. The purpose of this essay is to build a system that can predict the weather using Sugeno and Mamdani, then compare the predict result from both methods. There are 5 input variables which are temperature, pressure, humidity, wind speed and solar radiation. From 90 data used as test data obtained weather prediction results : the weather prediction with Sugeno method obtained 69 valid prediction data or 76,67%. While the prediction with Mamdani method had 29 valid prediction data or 32,22%. 1

2 I. PENDAHULUAN Menurut Ervina (2014), cuaca adalah keadaan atmosfer pada suatu daerah dengan cakupan wilayah yang sempit dan dalam waktu yang relatif singkat. Banyak faktor yang mempengaruhi kondisi cuaca. Keadaan cuaca dipengaruhi oleh beberapa unsur cuaca yang saling berkaitan satu sama dengan yang lain yaitu suhu, kelembaban udara, kecepatan angin, tekanan udara dan intensitas penyinaran matahari. Banyak orang yang menggantungkan hidupnya pada keadaan cuaca, seperti petani, nelayan, pedagang, pekerja kantoran hingga siswa sekolah, bahkan pilot pesawat terbang. Dikarenakan banyaknya tuntutan dari berbagai pihak yang membutuhkan informasi kondisi cuaca yang lebih cepat, lengkap, dan akurat maka muncullah berbagai metode untuk melakukan prediksi cuaca. Prediksi cuaca adalah salah satu contoh permasalahan yang sering sekali memiliki jawaban yang tidak pasti. Logika fuzzy merupakan salah satu metode untuk menyelesaikan permasalahan tersebut. Menurut Decky Irmawan dan Khamami Herusantoso (2008), prediksi cuaca merupakan suatu hasil kegiatan pengamatan kondisi fisis dan dinamis udara dari berbagai tempat pengamatan yang kemudian dikumpulkan, di mana kumpulan hasil pengamatan dilakukan secara matematis dengan memperhatikan ruang dan waktu kecenderungan kondisi fisis udara sedemikian rupa sehingga diperoleh suatu prediksi. Berdasarkan latar belakang masalah yang telah diuraikan sebelumnya, maka perumusan masalah yang diangkat pada tugas akhir ini adalah Bagaimana membangun sistem prediksi cuaca menggunakan metode Sugeno dan Mamdani serta Bagaimana perbandingan hasil prediksi cuaca menggunakan metode Sugeno dan Mamdani. Tujuan penelitian ini adalah Menganalisa hasil perbandingan prediksi cuaca metode Sugeno dan metode Mamdani. Sedangkan manfaat dari penelitian ini diharapkan dapat menghasilkan sistem yang mampu memprediksi cuaca menggunakan metode Sugeno dan Mamdani serta mengetahui 2

3 metode mana yang lebih baik antara metode Sugeno dan Mamdani dalam penerapannya pada sistem prediksi cuaca. II. TINJAUAN PUSTAKA Menurut Kusumadewi dan Purnomo (2010), logika Fuzzy adalah komponen pembentuk soft computing. Dasar logika Fuzzy adalah teori himpunan Fuzzy. Pada teori himpunan Fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan menjadi ciri utama dari penalaran dengan logika Fuzzy tersebut. 2.1 Himpunan Fuzzy Himpunan Fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel Fuzzy. Ada beberapa hal yang perlu diketahui dalam pemahaman sistem Fuzzy: 1. Variabel Fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem Fuzzy. Contoh: permintaan, persediaan, produksi. 2. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabe Fuzzy. Contoh: semesta pembicaraan untuk variabel Temperatur: X= [0,100]. 3. Domain himpunan Fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan Fuzzy.Contoh domain himpunan Fuzzy untuk semesta X=[0, 120]. 2.2 Fungsi Keanggotaan Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik titik input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai 1. Representasi Kurva Bentuk Bahu Daerah yang terletak di tengahtengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun (misalkan: dingin bergerak ke sejuk bergerak ke hangat dan bergerak ke panas). Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami 3

4 perubahan. Sebagai contoh, apabila telah mencapai kondisi panas, kenaikan Temperatur akan tetap berada pada kondisi panas. Gambar 2.1 Kurva Bahu 2.3 Metode Mamdani Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun Menurut Kusumadewi dan Purnomo (2010), Untuk mendapatkan output pada metode Mamdani diperlukan 4 tahapan: 1. Pembentukan Himpunan Fuzzy Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan Fuzzy. 2. Aplikasi Fungsi Implikasi Pada metode Mamdani, fungsi implikasi yang digunakan adalah Min. 3. Komposisi Aturan Pada metode ini, solusi himpunan Fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah Fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). 4. Penegasan (DeFuzzy) Input dari proses defuzzifikasi adalah suatu himpunan Fuzzy yang diperoleh dari komposisi aturanaturan Fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan Fuzzy tersebut. Gambar 2.2 Flowchart Metode Mamdani 4

5 2.4 Metode Sugeno Model Fuzzy Sugeno memiliki penalaran yang hampir sama dengan model Fuzzy Mamdani. Namun, bila output penalaran dengan model Fuzzy Mamdani berupa himpunan Fuzzy, dalam model Fuzzy Sugeno output berupa konstanta atau persamaan linier. z = Z1 x α Zn x αn α1 x x αn Gambar 2.3 Flowchart Metode Sugeno 2.5 Prediksi Cuaca Menurut Ahmad Rivai (2013) ada beberapa unsur cuaca yang berinteraksi satu dengan yang lainnya yang pada hasil akhirnya menghasilkan hujan. Unsur-unsur tersebut dijelaskan di bawah ini. Suhu Udara Suhu atau temperatur udara adalah derajat panas dari aktivitas molekul dalam atmosfer. Secara fisis suhu didefinisikan sebagai tingkat gerakan yang berasal dari molekul benda, makin cepat gerakan molekulnya, makin tinggi suhunya. Tekanan Udara Pada saat tekanan udara tinggi cuaca biasanya kering dan cerah. Sebaliknya saat tekanan menurun, saat udara naik menyebabkan terjadi daerah tekanan rendah, cuaca biasanya basah dan berawan. Kelembaban Udara Kelembaban udara adalah kandungan uap air di udara yang terdiri dari kelembaban mutlak, kelembaban nisbi (relatif), maupun defisit tekanan uap air. Angin Angin adalah udara yang bergerak yang diakibatkan oleh rotasi 5

6 bumi dan juga karena adanya perbedaan tekanan udara disekitarnya. Radiasi Matahari Radiasi yang dipancarkan matahari walaupun hanya sebagian kecil yang diterima permukaan bumi merupakan sumber energi utama untuk proses-proses fisika atmosfer. III. PERANCANGAN DAN IMPLEMENTASI Pada bab ini akan dibahas mengenai analisa perancangan Sistem prediksi cuaca menggunakan metode Fuzzy Sugeno dan Mamdani. Tahap analisa perancangan sistem terdiri dari perancangan logika Fuzzy dan analisis kebutuhan perangkat lunak. 3.1 Perancangan Logika Fuzzy Tahap analisa perancangan logika Fuzzy meliputi penjelasan mengenai variabel Fuzzy, himpunan Fuzzy, semesta pembicara, domain himpunan Fuzzy, fungsi keanggotaan, aturan Fuzzy serta langkah pada metode Sugeno dan Mamdani. Berikut penjelasan lebih lanjut dari masing-masing tahapan. A. Fungsi Keanggotaan Fungsi keanggotaan memiliki interval 0 sampai 1 diambil berdasarkan rentang nilai domain himpunan Fuzzy dari tiap variabel. Berikut akan dijabarkan lebih lanjut mengenai fungsi keanggotaan dari masing-masing variabel. Fungsi keanggotaan variabel suhu Gambar 3.1 Kurva fungsi keanggotaan suhu Fungsi keanggotaan suhu dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 : µ(rendah) = µ(sedang) = µ(tinggi) = 26,7 x 26,7 23,9 x 22,4 26,7 23,9 29,5 x 29,5 26,7 1; x 23,9 ; 23,9 < x < 26,7 0; x 26,7 1; x = 26,7 ; 23,9 < x < 26,7 ; 26,7 < x < 29,5 0; x 29,5 ataux 23,9 1; x 29,5 x 26,7 29,5 26,7 ; 26,7 < x < 29,5 0; x 26,7 Fungsi keanggotaan variabel tekanan 6

7 Gambar 3.2 Kurva fungsi keanggotaan tekanan Fungsi keanggotaan tekanan dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 : 1; x 1006,6 µ(rendah) = 1011,25 x ; 1006,6 < x < 1011, , ,6 0; x 1011,25 1; x = 1011,25 µ(sedang) = x 1006,6 ; 1006,6 < x < 1011, , ,6 1015,9 x ; 1011,25 < x < 1015,9 1015,9 1011,25 0; x 1015,9 atau x 1006,6 1; x 1015,9 µ(tinggi) = x 1011,25 ; 1015,9 1011, ,25 < x < 1015,9 0; x 1011,25 Fungsi keanggotaan variabel kelembaban Gambar 3.4 Kurva fungsi keanggotaan kecepatan angin Fungsi keanggotaan kecepatan angin dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 : µ(rendah) = µ(sedang) = µ(tinggi) = 9,5 x 9,5 1 x 1 9, x 18 9,5 1; x 1 ; 1 < x < 9,5 0; x 9,5 1; x = 9,5 ; 1 < x < 9,5 ; 9,5 < x < 18 0; x 18 atau x 1 1; x 18 x 9,5 18 9,5 ; 9,5 < x < 18 0; x 9,5 Fungsi keanggotaan variabel intensitas penyinaran matahari Gambar 3.3 Kurva fungsi keanggotaan kelembaban Fungsi keanggotaan kelembaban dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 : µ(rendah) = µ(sedang) = µ(tinggi) = 84 x x x ; x 69 ; 69 < x < 84 0; x 84 1; x = 84 ; 69 < x < 84 ; 84 < x < 99 0; x 99 ataux 69 1; x 99 x ; 84 < x < 99 0; x 84 Fungsi keanggotaan variabel kecepatan angin Gambar 3.5 Kurva fungsi keanggotaan intensitas penyinaran matahari Fungsi keanggotaan intensitas penyinaran matahri dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 : µ(rendah) = µ(sedang) = µ(tinggi) = 50 x 50 1 x x ; x 1 ; 1 < x < 50 0; x 50 1; x = 50 ; 1 < x < 50 ; 50 < x < 99 0; x 99 atau x 1 1; x 99 x ; 50 < x < 99 0; x 50 7

8 B. Pembentukan Aturan Fuzzy Berdasarkan data training selama 2 tahun terbentuk 25 aturan Fuzzy yang akan digunakan pada Sistem prediksi cuaca. Aturan Fuzzy Pada Metode Sugeno Pada Sistem prediksi cuaca ini digunakan metode Sugeno orde 0 dimana konsekuen adalah sebuah konstanta. Konstanta diperoleh dari pembobotan himpunan Fuzzy dari masing-masing variabel. Berdasarkan landasan teori tentang prediksi cuaca yang ada pada halaman 16 dan 17 dibentuk pembobotan dari masing-masing himpunan Fuzzy sebagai berikut : Untuk fungsi keanggotaan suhu, himpunan rendah diberi bobot 1, sedang diberi bobot 2, dan tinggi diberi bobot 3. Untuk fungsi keanggotaan tekanan: himpunan rendah diberi bobot 3, sedang diberi bobot 2, dan tinggi diberi bobot 1. Untuk fungsi keanggotaan kelembaban: himpunan rendah diberi bobot 1, sedang diberi bobot 2, dan tinggi diberi bobot 3. Untuk fungsi keanggotaan kecepatan angin: himpunan rendah diberi bobot 1, sedang diberi bobot 2, dan tinggi diberi bobot 3. Untuk fungsi keanggotaan intensitas penyinaran matahari : himpunan rendah diberi bobot 3, sedang diberi bobot 2, dan tinggi diberi bobot 1. Untuk rule yang meprediksi hujan penjumlahan bobot ditambah 3. Berdasarkan rule yang terbentuk dan pernyataan diatas, maka nilai rentang prediksi cuaca yang berlaku adalah: Berawan jika < 12,5. Hujan jika skor 12,5. Aturan Fuzzy Pada Metode Mamdani Aturan Fuzzy yang digunakan pada metode Mamdani hampir sama aturan Fuzzy pada metode Sugeno, hanya saja jika pada metode Sugeno konsekuen berupa konstanta, pada metode Mamdani konsekuen berupa himpunan Fuzzy. 8

9 3.2 Analisa Dan Perancangan Sistem Tahap analisis kebutuhan perangkat lunak meliputi flowchart aplikasi, perancangan DFD, perancangan Database dan desain antarmuka sistem. prediksi atau tingkat keakuratan sebesar 76,67% sedangkan prediksi cuaca dengan menggunakan metode Mamdani memiliki 29 data tepat prediksi atau dari total 90 data uji atau tingkat keakuratan sebesar 32,22%. Flowchart Flowchart merupakan diagram yang menggambarkan alur kerja dari sistem yang akan dibangun. Gambar 3.6 Flowchart Sistem Prediksi Cuaca IV. ANASLISA Hasil uji coba didapat dari total 90 data test, prediksi cuaca dengan menggunakan metode Sugeno memiliki 69 data tepat V. Kesimpulan dan Saran Dengan demikian dapat ditarik kesimpulan bahwa metode Sugeno lebih baik daripada metode Mamdani dalam studi kasus prediksi cuaca. Untuk penelitian lebih lanjut, penulis memberikan beberapa saran diantaranya : 1. Menggunakan data training yang lebih banyak. 2. Menambahkan variabel pada penelitian seperti arah angin atau variabel cuaca lainnya yang berkaitan dengan perubahan cuaca. 3. Menggunakan metode FIS lainnya yaitu metode Tsukamoto. DAFTAR PUSTAKA BPS Kepulauan Riau, 2014, Kepulauan Riau Dalam Angka 2014, Badan Pusat Statistik Provinsi Kepulauan Riau, Tanjungpinang. 9

10 Ervina. (2014), Apa Bedanya Cuaca dan Iklim?, om/kidnesia2014/dar i-nesi/sekitar- Kita/Sains/Apa- Bedanya-Cuaca-dan- Iklim, 7 April 2015 Habibullah, N.W., Arifin, S., dan Widjiantoro, B.L., 2012, Perancangan Sistem Prediktor Cuaca Maritim Dengan Menggunakan Metode Fuzzy Takagi Sugeno, Jurnal Teknik Pomits, 1(1), 1-6. Indrabayu., Harun, N., Pallu, M.S., Achmad, A., dan Febriyati, F., 2012, Prediksi Curah Hujan Dengan Fuzzy Logic, Prosiding 2012 Hasil Penelitian Fakultas Teknik, Fakultas Teknik Universitas Hasanudin Makassar, Desember Irmawan, D., dan Herusantoso, K., 2011, Penerapan Logika Fuzzy Sebagai Sistem Pendukung Keputusan Prakiraan Cuaca, Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia, Bandung, Juni Kusumadewi, S., dan Purnomo, H., 2010, Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta. Meiryani, (2014), Pendekatan Waterfall Dalam Pengembangan Sistem, et/bahankuliah/analisaperancangansistem/item/ pendekatan-waterfalldalampengembangansistem, 7 April 2015 Rivai, A., (2013), Unsur-unsur Cuaca, dari pi.go.id/utama.cgi?cet akartikel& , 7 April 2015 Sari, N.E., 2011, Prediksi Cuaca Berbasis Logika Fuzzy Untuk Rekomendasi Penerbangan Di Bandar Udara Raja Haji Fisabilillah Tanjungpinang, Skripsi, Universitas Gunadarma, Jakarta. Subekti, S.A., 2014, Penggunaan Metode Fuzzy Mamdani Dan Sugeno Untuk Pengambilan Keputusan Dalam Analisis Kredit Studi 10

11 Kasus : Pengambilan Keputusan Kredit PT. Kandimadu Arta Cabang Salatiga, Skripsi, Universitas Kristen Satya Wacana, Salatiga. Suryatin, B., 2008, Fisika IX Untuk Sekolah Menengah Pertama dan MTs Kelas IX, Grasindo, Jakarta. Mamdani dan Sugeno, Jurnal TICOM, 1(1), Yudihartanti, Y., Syukur, A., Wahono, R.S., 2011, Analisis Komparasi Metode Mamdani Dan Sugeno Dalam Penjadwalan Mata Kuliah, Jurnal Teknologi Informasi, 7(2). Harmoko, I.W., dan Nazori., 2012, Prototipe Model Prediksi Peluang Kejadian Hujan Menggunakan Metode Fuzzy Logic Tipe 11