PREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER DAYA LAUT IKAN DI PERAIRAN JAWA TIMUR OLEH : Bagusranu Wahyudi Putra 2410100044 DOSEN PEMBIMBING : Dr. Ir. Aulia Siti Aisjah, MT. Ir. Syamsul Arifin, MT. JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
ROAD MAP Design of Maritim Weather Station for Small Island in Indonesia 1.Design of Maritim Bouy Weather Design of Buoy Analysis of Static and Dynamic 2.Software Predictors Fuzzy Logic System Neural Network 3. Instrumentation & Communication System Sensor Electronic System Reliability Feasibility application at coastal water ANFIS (Adaptif Neural Networks Inf. System) Analysis of Predictor Accuration Monitoring System Communication system Server
LATAR BELAKANG CUACA LAUT IKAN KEBERADAAN IKAN?? FUZZY METODE SUHU PERMUKAAN LAUT (SPL)
WPP RI 712 (PERAIRAN LAUT JAWA)
Permasalahan : PERMASALAHAN DAN TUJUAN Bagaimana merancang sebuah prediktor cuaca maritim menggunakan metode fuzzy? Bagaimana menghubungkan prediksi cuaca maritim untuk mengidentifikasi keberadaaan ikan layang di perairan JawaTimur? Tujuan : Untuk merancang sebuah prediktor cuaca maritim menggunakan metode fuzzy Untuk menghubungkan prediksi cuaca maritim dengan persebaran ikan di perairan Jawa Timur (Studi Kasus pada titik koordinat 4 50'41.80"LS - 112 22'30.63"BT)
BATASAN MASALAH 1. Data yang diambil dari data sekunder yang berasal dari NOAA dalam kurun waktu kurang lebih 2 tahun 2. Peramalan (prediktor) cuaca maritim didasarkan dari kaidah kepakaran (logikafuzzy) Takagi-Sugeno 3. Jenisikan yang diteliti adalahikan layang 4. Titik penelitian terletak pada koordinat 4 50'41.80"LS - 112 22'30.63"BT 5. Variabel cuaca yang menjadi obyek penelitian adalah suhu permukaan air laut 6. Pengolahan data menggunakan softwarematlab
PENELITIAN SEBELUMNYA
METODOLOGI PENELITIAN MULAI STUDI LITERATUR APAKAH PERFOMANSI LOGIKA FUZZY SESUAI? YA TIDAK PENGAMBILAN DATA SEKUNDER NOAA PERANCANGAN PREDIKTOR CUACA MARITIM UNTUK MENGIDENTIFIKASI KENERADAAN IKAN LAYANG DI PERAIRAN JAWA TIMUR PERANCANGAN FIS APAKAH SISTEM PREDIKTOR MAMPU MENGIDENTIFIKASI PERSEBARAN IKAN? TIDAK VALIDASI FIS YA PEMBUATAN BUKU DAN LAPORAN TUGAS AKHIR SELESAI
Fungsi Keanggotaan Label Aturan Derajat Keanggotaan TEORI DASAR LOGIKA FUZZY
SUHU PERMUKAAN LAUT
SUHU OPTIMAL IKAN LAYANG BERAPA SUHU OPTIMAL IKAN LAYANG?? IKAN LAYANG BERADA PADA SUHU OPTIMAL 27.30 o C-28.13 o C
SUHU OPTIMAL IKAN LAYANG Suhu Permukaan Laut Keberadaan Ikan Layang < 27,30 0 C Ikan Layang tidak pada suhu optimal 27,30 28,13 0 C Ikan Layang pada suhu optimal > 28,13 0 C Ikan Layang tidak pada suhu optimal
IKAN LAYANG
PENGAMBILAN DATA 2 0 LU - 137 0 BT 4 50'41.80"LS - 112 22'30.63"BT 8 0 LS - 100 0 BT
L 1 x) = INTERPOLASI LAGRANGE UNTUK ESTIMASI SUHU DI LOKASI PERAIRAN JAWA TIMUR (x 0,y 0 ) dan (x 1,y 1 ) P (x) = L 0 (x) y 0 + L 1 (x) y 1
HASIL INTERPOLASI 37,00 SUHU PERMUKAAN LAUT TAHUN 2010-2012 Jumlah data = 866 35,00 SUHU (CELCIUS) 33,00 31,00 29,00 SUMATRA 27,00 PAPUA 25,00 TITIK PENELITIAN 1 22 43 64 85 106 127 148 169 190 211 232 253 274 295 316 337 358 379 400 421 442 463 484 505 526 547 568 589 610 631 652 673 694 715 736 757 778 799 820 841 862 Data Ke-
FUZZY CLUSTER MEANS INPUT (SUHU) FCM (Fuzzy Clustering Means)
FUZZY CLUSTER MEANS TINGGI Nilai Minimal : 30,49 0 C Nilai Maximal : 33,20 0 C Titik Tengah : 31,24 0 C
FUZZY CLUSTER MEANS SEDANG Nilai Minimal : 28,67 0 C Nilai Maximal : 30,25 0 C Titik Tengah : 29,32 0 C
FUZZY CLUSTER MEANS RENDAH Nilai Minimal : 26,72 0 C Nilai Maximal : 28,66 0 C Titik Tengah : 28,01 0 C
HASIL FCM Titik tengah pada Suhu Tinggi ialah 31,23 Titik tengah pada Suhu Sedang ialah 29,32 Titik tengah pada Suhu Rendah ialah 28,01 Nilai standart deviasi ialah 1,10
PERANCANGAN FIS 1. FIS SUHU TIPE PERTAMA 2. FIS SUHU TIPE KEDUA
FIS SUHU TIPE PERTAMA
Nilai standart deviasi : 1,10 Nilai maksimum : 31,23 Nilai tengah : 29,32 Nilai minimum : 28,01 FIS SUHU TIPE PERTAMA
FIS SUHU TIPE PERTAMA
FIS SUHU TIPE KEDUA
FIS SUHU TIPE KEDUA Nilai standart deviasi : - 1,614 ( rendah & sedang ) - 1,914 ( tinggi ) Nilai maksimum : 29,43 Nilai tengah : 28,62 Nilai minimum : 27,10
FIS SUHU TIPE KEDUA
PERANCANGAN GUI PREDIKTOR
VALIDASI FIS TIPE PERTAMA
VALIDASI FIS TIPE PERTAMA Jumlah Data : 285 Error Rata-rata : 1,270 Nilai RMSE : 1,818 Keakuratan : 36,88 %
VALIDASI FIS TIPE KEDUA
VALIDASI FIS TIPE KEDUA Jumlah Data : 285 Error Rata-rata : 0,170 Nilai RMSE : 0,217 Keakuratan : 74,37 %
PERBANDINGAN FIS TIPE 1 DAN 2 FIS Suhu Permukaan Laut Tipe Pertama Suhu Permukaan Laut Tipe Kedua Prediksi Jumlah data validasi Error Ratarata RMSE Validasi Persentase Keakuratan 24 jam kedepan 285 1,270 1,818 36,88 % 24 jam kedepan 285 0,170 0,217 74,37 %
VALIDASI PREDIKTOR KEBERADAAN IKAN LAYANG Waktu Prediksi Suhu Ikan Layang ( 0 C) Data Real Jumlah Data Data Prediksi Prosentase (%) Rata -rata 1 hari 3 hari 5 hari < 27,30 0 0 100% 27,30-28,13 24 24 100% >28,13 261 261 100% < 27,30 0 0 100% 27,30-28,13 9 9 100% >28,13 86 86 100% < 27,30 0 0 100% 27,30-28,13 4 4 100% >28,13 52 52 100% 100% 100% 100%
KESIMPULAN 1. Prediktor suhu permukaan air laut dengan metode fuzzy Sugeno-Takagi mampu berfungsi sebagai identifikasi keberadaan ikan layang di perairan Jawa Timur. 2. Prediktor terbaik adalah tipe kedua dengan nilai maksimal 29,43 0 C, nilai minimal ialah 27,10 0 C, titik tengah adalah 28,62 0 C dan standar deviasi untuk membership function rendah dan sedang bernilai 1,614 dan membership function tinggi bernilai 1,914. 3. Nilai RMSE validasi terbaik untuk peramalan suhu permukaan laut adalah 0,217 dengan akurasi 74,37%. 4. Metode logika fuzzy sugeno memiliki performa sangat baik untuk mengidentifikasi keberadaan ikan layang pada 1 hari kedepan, 3 hari kedepan dan 5 hari kedepan dengan keakuratan mencapai 100%.
TERIMAKASIH
SISTEM INFERENSI FUZZY Fuzzifikasi -> Operasi Logika Fuzzy -> Implikasi-> Agregasi ->Defuzzifikasi
SISTEM INFERENSI FUZZY SUGENO
KESAMAAN KARAKTERISTIK IKAN DI TIGA PERAIRAN WPP-RI 572 (Sumatera) WPP-RI 712 (Jawa Timur) HASIL JENIS IKAN HASIL (Ton) JENIS IKAN (Ton) WPP-RI 717 (Samudra Pasifik/Papua) HASIL JENIS IKAN (Ton) SELAR 40.700 SELAR 29.500 SELAR 3.800 KEMBUNG 35.800 KEMBUNG 48.800 KEMBUNG 5.500 TERI 29.700 TERI 23.000 TERI 4.400 TEMBANG 24.300 TEMBANG 57.200 TEMBANG 0 CAKALANG 22.600 CAKALANG 0 CAKALANG 21.700 LAYANG 16.600 LAYANG 71.500 LAYANG 7.300 TONGKOL ABU- TONGKOL ABU- ABU 17.400 ABU 29.900 TONGKOL ABU-ABU 0 TONGKOL KOMO 15.200 TONGKOL KOMO 0 TONGKOL KOMO 6.000
SARAN Saran yang perlu disampaikan untuk pengembangan penelitian ini agar diberikan sensor suhu pada buoy weather dan diletakkan pada beberapa titik di perairan Jawa Timur sehingga dapat meningkatkan keakuratan prediksi cuaca untuk mengidentifikasi keberadaan ikan di perairan Jawa Timur.
HASIL WAWANCARA Nama : Bapak Mu syadi Alamat : Jalan Brondong 22 Lamongan Pekerjaan : Nelayan selama 15 tahun Usia : 48 Tahun
HASIL WAWANCARA Nama : Bapak Rosyidi Alamat :- Pekerjaan : Nelayan selama 7 tahun Usia : 42 Tahun
Mulai FUZZY C MEANS Matriks n x m Penentuan Jumlah Cluter Pangkat Pembobot, Maksimum Iterasi, Fakto koreksi Penentuan Matriks Partis Secara Acak Hitung Pusat Cluster Modifikasi Nilai Keanggota dan Matriks Partisi Fungsi Obyektif Faktor koreksi tidak Selesai
Mulai FUZZY C MEANS U = (u 1, u 2, u 3, u 4... u n ) Matriks n x m Penentuan Jumlah Cluter, Pangkat Pembobot, Maksimum Iterasi, Faktor koreksi Penentuan Matriks Partisi Secara Acak Hitung Pusat Cluster Modifikasi Nilai Keanggotaan dan Matriks Partisi t+1 Fungsi Obyektif Faktor koreksi Selesai