Oleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013

dokumen-dokumen yang mirip
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1

Seminar Tugas Akhir. Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1

PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA

BAB III METODE FUZZY MAMDANI

Praktikum sistem Pakar Fuzzy Expert System

IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS

BAB 2 LANDASAN TEORI

Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012

LOGIKA FUZZY (Lanjutan)

PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )

Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara

1.1. Latar Belakang Masalah

PENGEMBANGAN SISTEM PAKAR FUZZY

Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Tahap Sistem Pakar Berbasis Fuzzy

Sistem Inferensi Fuzzy

PERANCANGAN SISTEM PERENCANAAN JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE FUZZY MAMDANI

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI

DENIA FADILA RUSMAN

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY

Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen

BAB III METODE PENELITIAN

BAB II TINJAUAN PUSTAKA

PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)

PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar

Siska Ernida Wati, Djakaria Sebayang, Rachmad Sitepu

Penerapan Fuzzy Expert System sebagai Sistem Pendukung Keputusan untuk Investor Properti

BAB 2 LANDASAN TEORI

BAB II: TINJAUAN PUSTAKA

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

METODOLOGI PENELITIAN

IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA

Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic

4-5-FUZZY INFERENCE SYSTEMS

BAB 2 TINJAUAN PUSTAKA

Penerapan Logika Fuzzy

PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)

PEMODELAN FREKUENSI PETIR DI BOGOR MENGGUNAKAN PENDEKATAN LOGIKA FUZZY PENDAHULUAN

KASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno

3.4 Data dari Melati Mekar Mandiri... 38

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

BAB 2 LANDASAN TEORI

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan

BAB 1 PENDAHULUAN Latar Belakang

BAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)

PENENTUAN PENJURUSAN SISWA SMA DENGAN MENGGUNAKAN FUZZY LOGIC METODE MAMDANI

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DAN TSUKAMOTO

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

PENERAPAN LOGIKA FUZZY DALAM OPTIMASI PRODUKSI BARANG MENGGUNAKAN METODE MAMDANI

II TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR

PENGESAHAN PEMBIMBING...

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN UNTUK PROMOSI JABATAN SUPERVISOR PRODUKSI DENGAN METODE FUZZY MADM

BAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-

BAB III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

DAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN

BAB II KAJIAN PUSTAKA

Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani

Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh

BAB I PENDAHULUAN. Sebuah toko komputer ingin membangun suatu database yang isinya tidak

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015

Analisis Sistem Inferensi Fuzzy Sugeno dalam Menentukan Kesesuaian Lahan Tembakau di Kabupaten Temanggung

REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA

PENDAHULUAN A. LATAR BELAKANG MASALAH

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)

BAB 2 TINJAUAN PUSTAKA

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)

IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. HALAMAN PERNYATAAN... iii. KATA PENGANTAR... iv. MOTO DAN PERSEMBAHAN... v. DAFTAR ISI...

SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)

BAB 2 LANDASAN TEORI

Aplikasi Fuzzy Metode Mamdani untuk Rekomendasi Pemilihan Minat Grup Riset Mahasiswa

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

REVIEW JURNAL LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH

Diagnosis Dini Autis Pada Anak Menggunakan Metode Inferensi Fuzzy Mamdani

PERANCANGAN SISTEM. Kelas Kriteria

Contoh Kasus. Bagus Ilhami HIdayat

Transkripsi:

Oleh: ABDUL AZIS 1209 100 073 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013

Sektor pertanian merupakan salah satu penopang perekonomian di Indonesia. Di Jawa Timur sendiri merupakan lokasi strategis untuk budidaya tanaman pangan seperti padi, jagung, kedelai dan lain-lain, sehingga mempunyai potensi prospektif untuk di kembangkan sebagai daerah sentra produksi. Ketersediaan air merupakan faktor paling berpengaruh dalam dunia pertanian karena air merupakan sumber kehidupan bagi tanaman. Sehingga perlu dilakukan pengkajian tentang ketersediaan air di suatu daerah untuk mengatur pola tanam agar hasil produksi menjadi optimal. Berdasarkan permasalahan tersebut maka akan dibangun Sistem pakar fuzzy sebagai pendukung keputusan untuk mengatur pola tanam berdasarkan ketersediaan air. 2

1. Bagaimana mengimplementasikan sistem pakar fuzzy dengan metode Mamdani untuk prediksi ketersediaan air untuk tanaman pangan di suatu daerah tertentu. 2. Bagaimana membangun perangkat lunak sebagai pendukung keputusan untuk mengatur pola tanam tanaman pangan berdasarkan kebutuhan airnya. 3

1. Faktor yang digunakan untuk memprediksi ketersediaan air adalah curah hujan dan kondisi topografi yang meliputi ketinggian tanah, kemiringan lereng, dan porositas tanah. 2. Faktor yang digunakan untuk mengatur pola tanam adalah berdasarkan ketersediaan air tanaman yang berhubungan dengan kebutuhan air tanaman. 3. Metode inferensi fuzzy yang akan digunakan adalah metode Mamdani dan metode defuzzifikasi yang digunakan adalah metode Centroid. 4. Jenis tanaman pangan yang digunakan adalah padi, jagung, kedelai, kacang tanah dan kacang hijau. 5. Sistem yang akan dibangun berbasis aplikasi dekstop dengan menggunakan software java NetBeans dan MySQL sebagai DBMS-nya. 4

Membangun perangkat lunak yang dapat membantu pengambilan keputusan manajemen pola tanam tanaman pangan berdasarkan ketersediaan air. Menerapkan manajemen pola tanam yang tepat sehingga mengoptimalkan hasil produksi pertanian tanaman pangan. 5

Bab I : Pendahuluan Bab II : Tinjauan Pustaka Bab III : Metodologi Penelitian Bab IV : Perancangan dan Implementasi Sistem Bab V : Uji Coba dan Pembahasan Sistem Bab VI : Kesimpulan 6

Sistem pakar merupakan salah satu bagian dari kecerdasan buatan sistem yang berusaha mengadopsi pengetahuan manusia ke Komputer, agar dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Tujuan dari pengembangan sistem pakar adalah untuk menghasilkan suatu sistem yang dapat membantu pekerjaan manusia. Sistem pakar merupakan salah satu bagian dari kecerdasan buatan. Sistem pakar fuzzy merupakan penggabungan sistem pakar dengan sistem fuzzy. Penerapan sistem fuzzy dalam sistem pakar bertujuan untuk merepresentasikan pengetahuan pakar pada lingkungan yang tidak pasti, tidak lengkap dan sangat kompleks. 7

Input Fuzzifikasi Basis Pengetahuan Defuzzifikasi Sistem Inferensi Fuzzy Output Skema dasar sistem pakar fuzzy Kebutuhan air Ketersediaan air Tanaman 8

Sistem Pakar Fuzzy Metode Inferensi Tsukamoto Mamdani Sugeno Metode Defuzzifikasi Bisektor Centroid Mean of Maximum 9

Metode Mamdani sering disebut sebagai Metode Min-Max atau Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan nilai output, diperlukan 4 tahapan. 1. Pembentukan himpunan fuzzy Langkah 2. Fungsi implikasi (evaluasi aturan) 3. Komposisi aturan 4. Penegasan (defuzzy) 10

Pada metode Centroid, solusi tegas diperoleh dengan cara mengambil titik pusat daerah fuzzy. Untuk domain Diskrit Untuk domain Kontinyu Z = n i=1 d i.u Ai (d i ) n i=1 U Ai (d i ) z 0 = b Z.U Z. dd a b a U Z. dd Z d i U Ai (d i ) n = nilai hasil defuzzifikasi = nilai output pada aturan ke i = derajat keanggotaan nilai output aturan ke i = banyak aturan yang digunakan Z U (Z) Z 0 = nilai domain ke i = derajat keanggotaan titik tersebut = nilai hasil penegasan (defuzzifikasi) 11

Curah Hujan Rendah Sedang Tinggi Sangat Tinggi Ketinggian tanah Rendah Sedang Tinggi Sangat Tinggi Sedikit Ketersediaan Air Sedang Kemiringan Lereng Datar Landai Agak Curam Curam Agak Banyak Banyak Porositas Tanah Kecil Sedang Besar Sangat Besar Input Var. Linguistik 12 Output Var. Linguistik

Studi Literatur Mempelajari materi dan sumber-sumber data, diantaranya, Sistem pakar fuzzy, data curah hujan, data keadaan topografi meliputi: ketinggian tanah, kemiringan lereng dan Porositas tanah, serta data kebutuhan air Tanaman. Analisis dan Perancangan Sistem Pengumpulan fakta-fakta yang mendukung perancangan sistem, perancangan Data Flow Diagram dan perancangan antarmuka. Implementasi Sistem Sistem yang telah dirancang diimplementasikan kedalam bentuk program menggunakan software Java Netbeans. 13

Pengujian Melakukan pengujian apakah sistem sudah berjalan dengan benar dan sesuai dengan perancangan. Penarikan Kesimpulan Melakuan Penarikan Kesimpulan dari hasil pengujian sistem yaitu, hasil pola tanam yang didapat dari setiap kabupaten/kota yang digunakan sebagai pengujian. 14

Input data faktor fuzzifikasi Mulai ya inferensi List hasil konsultasi komposisi Pengguna biasa tidak Proses login Login benar? Administrator defuzzifikasi Faktor lain? tidak Nilai ketersediaan air (Crisp output) Grafik hasil konsultasi Kesimpulan pola tanam Selesai Kebutuhan air tanaman Tanaman yang sesuai Simpan hasil konsultasi 15

Data yang di gunakan adalah data pada kabupaten Bojonegoro dengan data curah hujan pada bulan januari 2013. Input: Curah Hujan = 330.33 mm Ketinggian tanah = 19 m Kemiringan tanah = 2.78 Porositas = 40.26% Output: Ketersediaan air = 159.17 mm Antarmuka Proses Konsultasi 16

Grafik himpunan fuzzy untuk faktor curah hujan dengan input 330.33 milimeter Grafik himpunan fuzzy untuk faktor ketinggian dengan input 19 meter 17

Grafik himpunan fuzzy untuk faktor kemiringan dengan input 2.78 Grafik himpunan fuzzy untuk faktor porositas dengan input 40.26% 18

Ini adalah aturan-aturan yang dihasilkan dari faktor-faktor yang diinputkan pada proses konsultasi. Operator yang digunakan adalah fungsi implikasi yang digunakan adalah MIN (operator AND). Dari aturan-aturan tersebut menghasilkan 2 konsekuen, yaitu : Ketersediaan air : Agak Banyak Ketersediaan air : Banyak 19

Grafik himpunan fuzzy untuk daerah konsekuen Daerah himpunan fuzzy hasil komposisi dari aturan-aturan yang digunakan Dengan menggunakan metode Centroid of Gravity, diperoleh titik pusat dengan nilai 159.17 Nilai ketersediaan air = 159.17 milimeter 20

Tabel Kebutuhan Air Tanaman Pangan Tanaman Kebutuhan Air Total Kebutuhan Air perbulan Masa Tanam Padi 639,65 160 4 bulan Jagung 439,46 146 3 bulan Kacang Hijau 416,27 138 3 bulan Kedelai 393,07 131 3 bulan Kacang Tanah 454,52 114 4 bulan Dari proses konsultasi diperoleh ketersediaan air adalah 159.17 milimeter. Dari grafik terlihat bahwa nilai kebutuhan air yang paling mendekati adalah padi dengan nilai 160 milimeter. 21

Setelah semua data dimasukkan, diperoleh hasil konsultasi dari bulan Januari sampai Desember untuk kabupaten Bojonegoro sebagai berikut. 22

Grafik pola tanam untuk kabupaten Bojonegoro 23

Dengan cara yang sama seperti yang telah dipaparkan pada slide sebelumnya namun data yang di gunakan adalah kota surabaya, diperoleh hasil konsultasi sebagai berikut. 24

Grafik pola tanam untuk kota Surabaya 25

Hasil pola tanam pada kabupaten Bojonegoro, Mojokerto, Bondowoso dan Surabaya adalah sebagai berikut Kabupaten/ Kota Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Bojonegoro Padi Padi Padi K.hijau, Jagung K.hijau, Jagung K.hijau, Jagung Jagung, K. hijau Padi Surabaya Padi Padi Padi Jagung, Jagung, K. hijau Padi Mojokerto Padi Padi Padi Jagung, Jagung, K. hijau Padi Bondowoso Padi Padi Jagung, K.hijau, Jagung K.hijau, Jagung Jagung, Padi 26

Hasil pola tanam untuk kabupaten Bojonegoro didapat kesimpulan bahwa antara Desember sampai Maret tanaman pangan yang baik untuk ditanam adalah padi, pada bulan April sampai Mei adalah kacang hijau dan jagung, untuk bulan Juni sampai September adalah kedelai dan kacang hijau, untuk bulan Oktober dan Nopember adalah kacang hijau dan jagung. Hasil pola tanam untuk kota Surabaya didapat kesimpulan bahwa antara Desember sampai Maret tanaman pangan yang baik untuk ditanam adalah padi, pada bulan April dan Nopember adalah jagung dan kacang hijau, untuk bulan Mei sampai Oktober adalah kedelai dan kacang hijau. Pada musim hujan yaitu antara bulan Nopember sampai April rata-rata tanaman yang baik untuk ditanam adalah padi, sedangkan pada musim kemarau yaitu antara bulan Mei sampai Oktober 27

Untuk mendapatkan hasil yang lebih baik, perlu dilakukan uji coba dengan wilayah yang lebih spesifik seperti tingkat kecamatan. Untuk pengembangan perangkat lunak dapat ditambahkan faktor-faktor lain seperti, vegetasi hutan dan luas wilayah. 28

1. Subakti, I. (2002). Sistem Pendukung Keputusan. Jurnal Akademik. Surabaya: Institut Teknologi Sepuluh Nopember.. 2. Prasetiya, H. (2012). Penerapan Fuzzy Expert System Sebagai Sistem Pendukung Keputusan Untuk Investor Properti. Jurnal. Surabaya: Institut Teknologi sepuluh Nopember Surabaya. 3. Kusumadewi, S. (2004). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. 4. Irawan, M.I., dkk. (2012). Model Managemen Pola Tanam Di Provinsi NTB Menggunakan Jaringan Syaraf Tiruan. Penelitian Labolatorium Ilmu Komputer Jurusan Matematika. Surabaya: Institut Teknologi Sepuluh Nopember. 5. Setiaji. (2009). Himpunan dan Logika Samar serta Aplikasinya. Yogyakarta: Graha Ilmu. 29

6. Anonim. (2012). Prediksi dan Tantangan Sektor Pertanian Indonesia Tahun 2013. http://www.bin.go.id/wawasan/detil/155/3/29/10/2012/prediksidan-tantangan-sektor-pertanian-indonesia-tahun-2013. [diakses pada tanggal 04 Maret 2013]. 7. Kuswadi, S. (2007). Kendali Cerdas Teori dan Aplikasi Praktisnya. Yogyakarta: Andi. 8. Arhami, M. (2005). Konsep Dasar Sistem Pakar. Yogyakarta: Andi. 9. Oktriani, M. (2008). Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy. Skripsi. Salatiga: Universitas Kristen Satya Wacana. 30

Terima Kasih 31