PREDIKSI BANJIR DENGAN MENGUNAKAN WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFUNN) SKRIPSI REZA ELFANDRA SIREGAR

Transkripsi

1 PREDIKSI BANJIR DENGAN MENGUNAKAN WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFUNN) SKRIPSI REZA ELFANDRA SIREGAR PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

2 PREDIKSI BANJIR DENGAN MENGGUNAKAN WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFUNN) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Teknologi Informasi REZA ELFANDRA SIREGAR PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

3 ii PERSETUJUAN Judul : PREDIKSI BANJIR DENGAN MENGGUNAKAN WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFUNN) Kategori : SKRIPSI Nama : REZA ELFANDRA SIREGAR Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Diluluskan di Medan, Juni 2014 Pembimbing 2 Pembimbing 1 Dr. Erna Budhiarti Nababan, MIT M. Fadly Syahputra, B.Sc, M.Sc.IT NIP NIP Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST.MM.IT NIP

4 iii PERNYATAAN PREDIKSI BANJIR DENGAN MENGGUNAKAN WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFUNN) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, Juni 2014 Reza Elfandra Siregar

5 iv UCAPAN TERIMA KASIH Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi. 1. Ucapan terima kasih penulis sampaikan kepada Bapak Muhammad Fadly Syahputra, B.Sc, M.Sc.IT. selaku pembimbing satu dan Ibu Dr. Erna Budhiarti Nababan, MIT selaku pembimbing dua yang telah banyak meluangkan waktu, pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. 2. Ucapan terima kasih juga ditujukan kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc, M.Sc dan Ibu Sarah Purnamawati, S.T, M.Sc yang telah bersedia menjadi dosen pembanding. 3. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak Muhammad Anggia Muchtar, ST, MM, IT dan Bapak Muhammad Fadly Syahputra, B.Sc, M.Sc.IT, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi. 4. Skripsi ini terutama penulis persembahkan untuk Orang tua dan keluarga penulis yang telah memberikan dukungan dan motivasi, ibunda Hj Elfiani Munir yang selalu menjadi panutan dan memberikan semangat kepada penulis. Untuk abang penulis Dodi Alfan Siregar dan kakak penulis Erin Padilla Siregar yang selalu memberikan dorongan semangat kepada penulis. 5. Terima kasih penulis ucapkan kepada teman-teman yang selalu memberikan dukungan, Alvin, Ridzuan, Ammar, Ade, Ibnu, Fadli, Iqbal, seluruh angkatan 09, teman-teman di lantai 3, serta teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis sebutkan satu persatu. Semoga Allah SWT membalas kebaikan kalian dengan nikamat yang berlimpah.

6 v ABSTRAK Banjir merupakan salah satu bencana alam yang sangat merugikan masyarakat. Oleh karena itu, diperlukan suatu pendekatan untuk dapat memprediksi banjir di masa depan. Data yang digunakan adalah data dari data tinggi permukaan air Daerah Aliran Sungai Asam Kumbang Belawan. Data tersebut berdasarkan data runtun waktu. Metode Weighted Evolving Fuzzy Neural Network (WEFuNN) merupakan pengembangan dari metode Evolving Fuzzy Neural Network (EFuNN) yang memiliki struktur Hybird dari metode Fuzzy Inference System dan Jarigan Syaraf Tiruan dengan menerapkan prinsip Evolving Connectionist System (ECOS) di dalam jaringan. Hasil pendekatan nilai sebenarnya dengan mengunakan metode WEFuNN dari tanggal 1 Januari 2011 sampai dengan 31 Desember 2012 menghasilkan tingkat error sebesar 0.23 % dan untuk hasil prediksi pada tanggal 1 Januari 2013 memberikan nilai keakuratan sebesar ±80 % dari data sebenarnya bersumber dari Direktorat Jendral Sumber Daya Air Balai Wilayah Sungai Sumatera II. Kata kunci : weighted evolving fuzzy neural network, evolving fuzzy neural network, evolving connectionist system, fuzzy inference system, Banjir

7 vi FLOOD PREDICTION USING WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFUNN) ABSTRACT Flood is one of the nature disaster that cause many losses in society. Therefore in the research approach is required to predict nature disaster such as flood in the future.. Data used is water surface level watershed Asam Kumbang Belawan. Data based on time series. Method weighted evovling fuzzy neural network (WEFuNN) is developed method from Evolving Fuzzy Neural Network (EFuNN) has a hybird structure from fuzzy inference system and neural network which is applying principle evolving connectionist system (ECOS) in the network. for an approach actual data result with method weighted evovling fuzzy neural network (WEFuNN) from January 1 st 2011 to December 31 st 2012 yield of 0,23 % rate error. And for flood prediction result for January 1 st 2013 give an approach yield of ±80 % compare to actual data source form Direktorat Jendral Sumber Daya Air Balai Wilayah Sungai Sumatera II. Keyword : weighted evolving fuzzy neural network, evolving fuzzy neural network, fuzzy, evolving connectionist system, fuzzy inference system, flood.

8 vii DAFTAR ISI PERSETUJUAN PERNYATAAN UCAPAN TERIMA KASIH ABSTRAK ABSTRACT DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR Hal. ii ii iv v vi vii ix x BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 5 BAB 2 LANDASAN TEORI Daerah Aliran Sungai (DAS) Teknik Peramalan Logika Fuzzy Himpunan fuzzy Fungsi Keanggotaan fuzzy Sistem Inferensi fuzzy Artifical Neural Network (ANN) / Jaringan Syaraf Tiruan Evolving Connection System (ECOS) Weighted Evolving Fuzzy Neural Network Teknik Prediksi Terdahulu 16 BAB 3 ANALISIS DAN PERANCANGAN SISTEM Data yang Digunakan Metode Penelitian Perancangan Sistem Use case diagram Use case spesifikasi Data flow diagram Perancangan menu sistem Perancangan tampilan antarmuka Rancangan tampilan halaman Home Rancangan tampilan halaman data tinggi permukaan air Rancangan tampilan halaman prediksi Rancangan tampilan halaman hasil prediksi Rancangan tampilan halaman profil administrator 40

9 viii Rancangan halaman pengaturan tinggi permukaan air Rancangan tampilan halaman pengaturan Parameter 42 BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM Implementasi Sistem Spesifikasi perangkat keras dan perangkat lunak Implementasi perancangan antarmuka Implementasi data Pengujian Sistem Rencana pengujian sistem Kasus dan hasil pengujian sistem Pengujian kinerja sistem Data Pelatihan Data Pengujian 68 BAB 5 KESIMPULAN DAN SARAN Kesimpulan Saran 69 DAFTAR PUSTAKA 70 LAMPIRAN KODE PROGRAM 73

10 ix DAFTAR TABEL Hal. Tabel 2.1 Penelitian Terdahulu 20 Tabel 3.1 Rangkuman Data Tinggi Permukaan Air pada wilayah DAS Asam Kumbang 21 Tabel 3.2 Use Case Data Tinggi Permukaan Air 29 Tabel 3.3 Use Case Prediksi Banjir 29 Tabel 3.4 Use Case Tutorial Penggunaan Aplikasi 30 Tabel 3.5 Use Case Profil Administrator 30 Tabel 3.6 Use Case Pengaturan Data Tinggi Permukaan Air 32 Tabel 3.7 Use Case Pengaturan Parameter 33 Tabel 4.1 Rangkuman Data Tinggi Permukaan Air pada wilayah DAS Asam Kumbang 52 Tabel 4.2 Rencana Pengujian Sistem 53 Tabel 4.3 Hasil Pengujian Login 53 Tabel 4.4 Hasil Pengujian Data Tinggi Permukaan Air 54 Tabel 4.5 Hasil Pengujian Prediksi 55 Tabel 4.6 Hasil Pengujian Hasil Prediksi 55 Tabel 4.7 Hasil Pengujian Profil Administrator 56 Tabel 4.8 Hasil Pengujian Pengaturan Data Tinggi Permukaan Air 56 Tabel 4.9 Hasil Pengujian Pengaturan Parameter 57 Tabel 4.10 Data Tinggi Permukaan Air pada wilayah DAS Asam Kumbang 57 Tabel 4.11 Nilai Normalisasi 58 Tabel 4.12 Nilai Member Function Triangle 58 Tabel 4.13 Nilai Hasil dan Prediksi 60 Tabel 4.14 Nilai Denormalisasi 61 Tabel 4.15 Parameter Hasil Prediksi 63

11 x DAFTAR GAMBAR Gambar 2.1 Macam-macam bentuk DAS (Machairiyah, 2007) 9 Gambar 2.2 Contoh Grafik Himpunan Fuzzy Pada variabel umur(amiruddin, 2011) 10 Gambar 2.3 Grafik Fungsi Keanggotaan pada Representasi Linear naik (Amiruddin, 2011) 11 Gambar 2.4 Grafik Fungsi Keanggotaan pada Representasi Linear turun (Amiruddin, 2011) 11 Gambar 2.5 Grafik Fungsi Keanggotaan pada Representasi Kurva Segitiga (Amiruddin, 2011) 12 Gambar 2.6 Grafik Fungsi Keanggotaan pada Representasi Kurva Trapesium (Amiruddin, 2011) 12 Gambar 2.7 Diagram blok sistem inferensi fuzzy 13 Gambar 2.8 Arsitektur ECOS (kasabov,2007) 16 Gambar 3.1 Grafik Tinggi Permukaan Air 22 Gambar 3.2 Flowchat data training 23 Gambar 3.3 Flowchat data testing 25 Gambar 3.4 Use Case Diagram sistem 27 Gambar 3.5 Diagram Flow Diagram Level 0 34 Gambar 3.6 Diagram Flow Diagram Level 1 35 Gambar 3.7 Struktur Menu Sistem 36 Gambar 3.8 Rancangan tampilan halaman Home 37 Gambar 3.9 Rancangan tampilan halaman data tinggi permukaan air 38 Gambar 3.10 Rancangan tampilan halaman prediksi 39 Gambar 3.11 Rancangan tampilan halaman hasil prediksi 40 Gambar 3.12 Rancangan tampilan halaman profil administrator 41 Gambar 3.13 Rancangan tampilan halaman pengaturan data tinggi permukaan air 42 Gambar 3.14 Rancangan tampilan halaman pengaturan parameter 43 Gambar 4.1 Hasil pengujian halaman home 45 Gambar 4.2 Hasil pengujian halaman data tinggi permukaan air 46 Gambar 4.3 Hasil pengujian halaman prediksi 47 Gambar 4.4 Hasil pengujian halaman hasil prediksi 48 Gambar 4.5 Hasil pengujian halaman profil administrator 49 Gambar 4.6 Hasil pengujian halaman pengaturan data tinggi pengaturan tinggi permukaan air 50 Gambar 4.7 Hasil pengujian halaman pengaturan parameter 51 Gambar 4.8 Grafik Hasil Pelatihan 62 Gambar 4.9 Grafik Pelatihan nilai error 67 Gambar 4.10 Grafik Hasil Prediksi 68 Hal.