Implementasi Metode Fuzzy untuk Menentukan Kebutuhan Konsumsi Bahan Bakar dalam Setiap Pelayaran Kapal Penangkap Ikan di Pesisir Madura

dokumen-dokumen yang mirip
Implementasi Adaptive Neuro-Fuzzy Inference System (Anfis) untuk Peramalan Pemakaian Air di Perusahaan Daerah Air Minum Tirta Moedal Semarang

PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)

PREDIKSI TINGGI MUKA AIR BENDUNGAN RIAM KANAN MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN

BAB I PENDAHULUAN 1.1 Latar Belakang

Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih

PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)

BAB I PENDAHULUAN 1.1 Latar Belakang

Optimasi Energi pada Motor Induksi 3 Fasa dalam Memproduksi Kebutuhan Air (Studi Kasus di PDAM Karang Pilang Surabaya)

SWOT Analysis PotensidanStrategi Pengembangan Bisnis pada Cluster Sektor Perikanan Laut Kabupaten/ Kota di Jawa Timur

IMPLEMENTASI ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK PREDIKSI CUACA TUGAS AKHIR

EVALUASI KEMAJUAN STUDI MAHASISWA DENGAN PENDEKATAN BASIS DATA FUZZY

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. Pukat merupakan semacam jaring yang besar dan panjang untuk. menangkap ikan yang dioperasikan secara vertikal dengan menggunakan

D R. BAMBANG L ELONO, ST.MT

Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy

KONFLIK NELAYAN SENGGARANG KOTA TANJUNGPINANG DENGAN NELAYAN TEMBELING KECAMATAN TELUK BINTAN KABUPATEN BINTAN

Artificial Intelligence. uthie 1

PRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM

Estimasi Nilai Tukar Rupiah Terhadap Dollar Amerika di Indonesia dengan Pendekatan Adaptive Neuro Fuzzy

MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)

BAB I PENDAHULUAN 1.1 Latar Belakang

PRAKIRAAN PENGGUNAAN BEBAN LISTRIK JANGKA PENDEK PADA GKB 2 UMM MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI

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

L ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KEGIATAN EKSTRAKURIKULER MENGGUNAKAN FUZZY TSUKAMOTO

1 PENDAHULUAN 1.1 Latar Belakang

PENGARUH PERKEMBANGAN PENDAPATAN NELAYAN TERHADAP KONDISI FISIK PERMUKIMAN NELAYAN WILAYAH PESISIR KOTA PEKALONGAN TUGAS AKHIR

Optimasi Pencarian Jalur Lalu Lintas Antar Kota di Jawa Timur dengan Algoritma Hybrid Fuzzy-Floyd Warshall

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR

PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU

BAB 1 PENDAHULUAN. Prediksi curah hujan di Indonesia sangat berdampak pada kehidupan masyarakat

PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY

C. URUSAN PILIHAN YANG DILAKSANAKAN

BAB I PENDAHULUAN. Trilogi pembangunan yang salah satunya berbunyi pemerataan pembangunan

1 PENDAHULUAN 1.1 Latar Belakang

PERANCANGAN APLIKASI SISTEM CERDAS UNTUK PREDIKSI ENERGI LISTRIK PEMAKAIAN SENDIRI DI PT INDONESIA POWER SUB UNIT PLTA KABUPATEN WONOGIRI

BAB 1. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung

PRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :

BAB I PENDAHULUAN. 1.1 Latar Belakang

IDENTIFIKASI KEBUTUHAN PENGEMBANGAN PELABUHAN TANGLOK GUNA MENDUKUNG PENGEMBANGAN SEKTOR EKONOMI DI KABUPATEN SAMPANG TUGAS AKHIR (TKP 481)

IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC

BAB I PENDAHULUAN. Indonesia merupakan sebuah negara kepulauan yang terdiri dari belasan ribu

BAB III METODOLOGI PENELITIAN

KAJIAN DAMPAK PENGEMBANGAN WILAYAH PESISIR KOTA TEGAL TERHADAP ADANYA KERUSAKAN LINGKUNGAN (Studi Kasus Kecamatan Tegal Barat) T U G A S A K H I R

I. PENDAHULUAN. dalam upaya pengelolaan sumberdaya perikanan laut di Kabupaten Malang Jawa

Kimparswil Propinsi Bengkulu,1998). Penyebab terjadinya abrasi pantai selain disebabkan faktor alamiah, dikarenakan adanya kegiatan penambangan pasir

BAB I PENDAHULUAN. pembangunan adalah sumberdaya perikanan, khususnya perikanan laut.

BAB I PENDAHULUAN. manusia akan teknologi tepat guna. Teknologi tepat guna yang mampu memenuhi

BAB I PENDAHULUAN 1.1 Latar Belakang

4 KEADAAN UMUM LOKASI PENELITIAN

BAB I PENDAHULUAN. perembesan air asin. Kearah laut wilayah pesisir, mencakup bagian laut yang

BAB I PENDAHULUAN. Secara umum masyarakat nelayan desa pesisir identik dengan kemiskinan,

TINJAUAN PUSTAKA. dimana pada daerah ini terjadi pergerakan massa air ke atas

BAB I PENDAHULUAN. Setiap orang selalu berusaha memenuhi kebutuhan hidupnya, untuk

DECISION SUPPORT SYSTEM UNTUK PEMBELIAN MOBIL MENGGUNAKAN FUZZY DATABASE MODEL TAHANI

PENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO

PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA

1 PENDAHULUAN 1.1 Latar Belakang

II. TINJAUAN PUSTAKA. mengubah berbagai faktor produksi menjadi barang dan jasa. Berdasarkan

1. PENDAHULUAN 1.1. Latar Belakang

PREDIKSI PEMENANG PADA PERMAINAN DOTA MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR

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

PERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK

SKRIPSI. Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata I Teknik Elektro Universitas Muhammadiyah Malang.

BAB I PENDAHULUAN. Garis pantainya mencapai kilometer persegi. 1 Dua pertiga wilayah

BAHAN BAKU: URAT NADI INDUSTRI PENGOLAHAN PERIKANAN MIKRO KECIL DAN MENENGAH

BAB I PENDAHULUAN. juta km2 terdiri dari luas daratan 1,9 juta km2, laut teritorial 0,3 juta km2, dan

CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN

BAB II TINJAUAN PUSTAKA, LANDASAN TEORI, DAN KERANGKA PEMIKIRAN

BAB III METODELOGI PENELITIAN. media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS)

PEMILIHAN PROGRAM STUDI BAGI SISWA LULUSAN SMA DALAM SELEKSI MASUK PTN UNY DENGAN LOGIKA FUZZY MAMDANI

PERATURAN DAERAH KABUPATEN PASURUAN NOMOR 28 TAHUN 2012 TENTANG USAHA PERIKANAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI PASURUAN,

BAB I PENDAHULUAN. Pengelolaan sumberdaya pesisir dan laut menjadi isu yang sangat penting untuk

1 PENDAHULUAN 1.1 Latar Belakang

BAB V KESIMPULAN DAN SARAN

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

SISTEM INFORMASI PEMILIHAN JURUSAN PADA SMK N 1 KENDAL BERBASIS DECISION SUPPORT SYSTEM MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

BAB III METODOLOGI PENELITIAN

Perbandingan Regresi Linear, Backpropagation Dan Fuzzy Mamdani Dalam Prediksi Harga Emas

PERANCANGAN DAN PEMBUATAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KEBUTUHAN RESEPSI PERNIKAHAN MENGGUNAKAN METODE SAW PADA PORTAL WEBSITE PERNIKAHAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Sistem Pendukung Keputusan untuk Penentuan Kelolosan Beasiswa Sekolah Menengah Kejuruan (SMK) Menggunakan Metode Fuzzy

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Predicting onion production through Neuro-Fuzzy to fulfill national demand

BAB II TINJAUAN PUSTAKA. Lebih dari dua per tiga permukaan bumi tertutup oleh samudera. Ekosistem

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

BAB I PENDAHULUAN. masyarakat melalui kontribusi terhadap PDB dan penyerapan tenaga kerja.

PENDAHULUAN Latar Belakang

Fakultas Ilmu dan Teknologi Kebumian

PERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO

POLITEKNIK ILMU PELAYARAN (PIP) DI SURABAYA

JUDUL SKRIPSI : ESTIMASI PERUSAHAAN ASURANSI JIWA DI INDONESIA DENGAN PENDEKATAAN ADAPTIVE NEURO FUZZY. Disusun oleh :

3 METODE PENELITIAN 3.1 Kerangka Pemikiran

BAB I PENGANTAR. 1.1 Latar Belakang. negara kepulauan yang memiliki sumberdaya laut yang sangat potensial, untuk dapat

BUPATI PACITAN PERATURAN DAERAH KABUPATEN PACITAN NOMOR 11 TAHUN 2013 TENTANG

IMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ)

IMPLEMENTASI METODE DIJKSTRA DALAM MOBILE APLIKASI PENCARIAN SPBU TERDEKAT DI KOTA PALEMBANG. Vina Meitasari 1, Ali Nurdin 1, Aryanti 1

Transkripsi:

Implementasi Metode Fuzzy untuk Menentukan Kebutuhan dalam Setiap Pelayaran Kapal Penangkap Ikan di Pesisir Madura Edy Setiawan [1], Galih Anindita [2], Fipka Bisono [3] Jurusan Teknik Kelistrikan Kapal [1] Jurusan Teknik Permesinan Kapal [2] Jurusan Teknik Bangunan Kapal [3] Politeknik Perkapalan Negeri Surabaya Surabaya, Indonesia Email : edypoliteknik@gmail.com Abstract Terbatasnya area penangkapan ikan membuat para nelayan melakukan pembatasan secara sepihak atas lahan perairan. Mereka melakukan klaim bahwa wilayah perairan tertentu sebagai wilayah mereka. Nelayan dari daerah lain tidak boleh menangkap ikan di wilayah mereka. Agar nelayan dapat berlayar dengan aman dan dapat menentukan antara kebutuhan konsumsi bahan bakar dan sejauh mana pelayaran dapat dilakukan, maka perlu dilakukan penelitian untuk menentukan kebutuhan konsumsi bahan bakar dalam setiap pelayaran pada kapal penangkap ikan. Metode yang digunakan dalam penelitian ini adalah kontemporer dan implementasi fuzzy anfis, melakukan interview langsung dengan para nelayan setempat kemudian melakukan kajian dan analisa.. Hasil pengujian dengan metode implementasi Fuzzy ANFIS untuk mengetahui kebutuhan konsumsi bahan bakar pada setiap pelayaran kapal penangkap ikan di pesisir madura dapat disimpulkan sebagai berikut; semakin jauh jarak pelayaran maka semakin besar konsumsi bahan bakar yang dibutuhkan, pada jarak yang sama dengan kecepatan kapal yang semakin lambat maka semakin besar konsumsi bahan bakar yang dibutuhkan, hasil pengujian terhadap data knowledge dengan metode ANFIS yang sudah diberikan proses pelatihan/ training menghasilkan penyimpangan rata-rata sebesar 0.09. Keywords Fuzzy ANFIZ; Fishing ground; Kapal ikan; Nelayan; Bahan Bakar I. PENDAHULUAN Pertumbuhan penduduk di kawasan pesisir utara Pulau Jawa dan pesisir selatan Pulau Madura sangat pesat. Kawasan yang dikenal sebagai Lingkar Selat Madura tersebut meliputi Kabupaten Pasuruan, Kota Pasuruan, Kabupaten Sidoarjo, Kota Surabaya hingga Kabupaten Bangkalan dan kabupaten Sampang. Mata pencaharian utama masyarakat di kawasan tersebut adalah perikanan, baik perikanan darat maupun laut. Di darat, dikembangkan tambak air tawar, payau, maupun tambak air laut. Sementara, di laut, dilakukan penangkapan ikan, baik secara tradisional maupun modern. Area penangkapan ikan (fishing ground) yang tersedia sangat terbatas yaitu sekitar wilayah selatan Selat Kamal dan sepertiga wilayah pada sisi Barat selat Madura. Dalam beberapa periode terakhir, perolehan ikan hasil tangkapan nelayan di Lingkar Selat Madura mengalami penurunan yang sangat tajam. Secara sepintas, hal tersebut bisa dipahami. Semakin banyaknya armada kapal nelayan menjadikan tingkat kompetisi semakin tinggi. Wilayah perairan cenderung juga kian menyempit. Diduga ikan-ikan besar di selat Madura telah keluar ke lautan luas karena selat semakin sempit ditambah banyaknya nelayan. Sedangkan ikan-ikan kecil selat Madura juga telah tertangkap akibat penggunaan alat tangkap Trawl yang telah menyapu ikan hingga terkecil. Ikan yang tersisa susah berkembang biak karena terumbu karang telah dirusak oleh trawl dan penggunaan bom ikan. Menurunnya ikan hasil tangkapan nelayan juga menjadi pemicu konflik nelayan. Terbatasnya area penangkapan ikan membuat para nelayan kerap melakukan pembatasan secara sepihak atas lahan perairan. Mereka melakukan klaim bahwa wilayah perairan tertentu sebagai wilayah mereka. Nelayan dari daerah lain tidak boleh menangkap ikan di wilayah mereka. Agar nelayan dapat berlayar dengan aman dan dapat menentukan antara kebutuhan konsumsi bahan bakar dan sejauh mana pelayaran dapat dilakukan, maka perlu dilakukan penelitian untuk menentukan kebutuhan konsumsi bahan bakar dalam setiap pelayaran pada kapal penangkap ikan. Solusi ini diharapkan setiap nelayan dapat memprediksi antara konsumsi bahan bakar, kecepatan kapal, jalur pelayaran dan jangkauan pelayaran untuk mencari area penangkapan ikan (fishing ground) yang lebih luas. Seminar MASTER 2017 PPNS 31 ISSN : 2548-1509 (cetak) 2548-6527 (online)

II. METODOLOGI Metode yang digunakan dalam penelitian ini adalah kontemporer dan implementasi fuzzy anfis. Melakukan interview langsung dengan para nelayan setempat kemudian melakukan kajian dan analisa. Diagram alir penelitian disajikan melalui fishbone diagram seperti Gambar.1. Gambar 1. Fishbone Diagram III. HASIL DAN PEMBAHASAN 3.1 ANFIS Model Dibuat data training dalam bentuk matrik 60 baris 3 kolom. Kolom pertama merupakan jarak pelayaran yang ditempuh, kolom ke-dua adalah kecepatan kapal dan kolom ke-tiga merupakan kebutuhan konsumsi bahan bakar. Seperti yang ditunjukkan pada gambar dibawah yang mana data tersebut ditulis di notepad dan disimpan dengan ekstension file nya adalah *. Selanjutnya merencanakan data knowledge yang sudah dibuat, digunakan untuk membentuk jaringan ANFIS yang prosesnya ditunjukkan pada gambar di bawah: Gambar 3. Membentuk Fuzzy Inferences System dengan Metode ANFIS Gambar 2. Data Knowledge atau Data Training Seminar MASTER 2017 PPNS 32 ISSN : 2548-1509 (cetak) 2548-6527 (online)

Selanjutnya menentukan jumlah variabel input, himpunan fuzzy dan derajat keanggotaan yang prosesnya seperti yang ditunjukkan pada gambar di bawah: Kemudian dilakukan proses training data knowledge pada struktur jaringan ANFIS dengan toleransi error di tentukan sebesar 0.01 dan epoch nya 1000. Hasilnya error yang didapatkan dari hasil proses training sebesar 0.14478 seperti yang ditunjukkan pada gambar di bawah. Gambar 6. Proses Training Data Knowledge pada Struktur Jaringan ANFIS Setelah proses training selesai maka terbentuk satu engine FIS (Fuzzy Inferences System). Gambar 4. Mentukan Variabel Input, Himpunan Fuzzy dan Derajat Keanggotaan Terbentuklah struktur jaringan ANFIS seperti yang ditunjukkan pada gambar di bawah. 3.2 Pengujian Engine FIS Hasil Training Menggunakan Metode ANFIS Untuk melihat keberhasilan sistem yang sudah dibuat dalam menentukan konsumsi bahan bakar kapal dalam melakukan pelayaran berdasar jarak yang ditempuh dan kecepatan kapal dengan menggunakan Logika Fuzzy. Gambar 5. Struktur Jaringan ANFIS Seminar MASTER 2017 PPNS 33 ISSN : 2548-1509 (cetak) 2548-6527 (online)

Metode ANFIS, maka dilakukan pengujian dan hasilnya seperti yang ditunjukkan pada tabel di bawah. Tipe Mesin Tabel 1. Hasil Pengujian Engine FIS Menggunakan Metode ANFIS Kecepatan Kapal 5 Knot Kecepatan Kapal (Knot) (Hasil Pengujian Engine FIS) 1 5 857.14 857.1534 0.01 2 5 1714.29 1.7143e+003 0.01 3 5 2571.43 2.5714e+003 0.03 4 5 3428.57 3.4286e+003 0.03 5 5 4285.71 4.2857e+003 0.01 6 5 5142.86 5.1428e+003 0.06 7 5 6000.00 6.0000e+003 0.00 8 5 6857.14 6.8571e+003 0.04 9 5 7714.29 7.7143e+003 0.01 10 5 8571.43 8.5714e+003 0.03 Rata-rata 0.023 Tipe Mesin Tabel 2. Hasil Pengujian Engine FIS Menggunakan Metode ANFIS Kecepatan Kapal 10 Knot (Hasil Pengujian Engine FIS) 1 10 428.57 428.6073 0.04 2 10 857.14 857.0804 0.06 3 10 1285.71 1.2857e+003 0.01 4 10 1714.29 1.7143e+003 0.01 5 10 2142.86 2.1429e+003 0.04 6 10 2571.43 2.5714e+003 0.03 7 10 3000.00 3.0000e+003 0.00 8 10 3428.57 3.4286e+003 0.03 9 10 3857.14 3.8572e+003 0.06 10 10 4285.71 4.2857e+003 0.01 Rata-rata 0.029 Seminar MASTER 2017 PPNS 34 ISSN : 2548-1509 (cetak) 2548-6527 (online)

Tipe Mesin Tabel 3. Hasil Pengujian Engine FIS Menggunakan Metode ANFIS Kecepatan 15 Knot (Hasil Pengujian Engine FIS) 1 15 285.71 285.5961 0.11 2 15 571.43 571.6567 0.23 3 15 857.14 857.1425 0.00 4 15 1142.86 1.1427e+003 0.16 5 15 1428.57 1.4285e+003 0.07 6 15 1714.29 1.7144e+003 0.11 7 15 2000.00 2.0002e+003 0.20 8 15 2285.71 2.2857e+003 0.01 9 15 2571.43 2.5712e+003 0.23 10 15 2857.14 2.8573e+003 0.16 Rata-rata 0.128 Tipe Mesin Tabel 4. Hasil Pengujian Engine FIS Menggunakan Metode ANFIS Kecepatan 20 Knot (Hasil Pengujian Engine FIS) 1 20 214.29 214.3888 0.10 2 20 428.57 428.4164 0.15 3 20 642.86 642.8234 0.04 4 20 857.14 857.2276 0.09 5 20 1071.43 1.0715e+003 0.07 6 20 1285.71 1.2857e+003 0.01 7 20 1500.00 1.4999e+003 0.10 8 20 1714.29 1.7143e+003 0.01 9 20 1928.57 1.9287e+003 0.13 10 20 2142.86 2.1428e+003 0.06 Rata-rata 0.076 Seminar MASTER 2017 PPNS 35 ISSN : 2548-1509 (cetak) 2548-6527 (online)

Tipe Mesin Tabel 5. Hasil Pengujian Engine FIS Menggunakan Metode ANFIS Kecepatan 25 Knot (Hasil Pengujian Engine FIS) 1 25 171.43 171.4343 0.00 2 25 342.86 342.8906 0.03 3 25 514.29 514.2676 0.02 4 25 685.71 685.6753 0.03 5 25 857.14 857.1378 0.00 6 25 1028.57 1.0286e+003 0.03 7 25 1200.00 1.2000e+003 0.00 8 25 1371.43 1.3714e+003 0.03 9 25 1542.86 1.5428e+003 0.06 10 25 1714.29 1.7143e+003 0.01 Rata-rata 0.021 Tipe Mesin Tabel 6. Hasil Pengujian Engine FIS Menggunakan Metode ANFIS Kecepatan 30 Knot (Hasil Pengujian Engine FIS) 142.6262 1 30 142.86 0.23 2 30 285.71 286.1666 0.46 3 30 428.57 428.5698 0.00 4 30 571.43 571.0812 0.35 5 30 714.29 714.1118 0.18 6 30 857.14 857.3725 0.23 7 30 1000.00 1.0003e+003 0.30 8 30 1142.86 1.1428e+003 0.06 9 30 1285.71 1.2852e+003 0.51 10 30 1428.57 1.4289e+003 0.33 Rata-rata 0.265 Secara keseluruhan dari hasil pengujian yang sudah dilakukan memberikan penyimpangan rata-rata sebesar [(0.265 + 0.021 + 0.076 + 0.128 + 0.029)/6] = 0.09 dari nilai yang seharusnya. IV. KESIMPULAN Berdasarkan hasil pengujian Implementasi Fuzzy dengan Metode ANFIS Untuk Menentukan Kebutuhan Dalam Setiap Pelayaran Kapal Penangkap Ikan di Pesisir Madura, dapat disimpulkan sebagai berikut: Semakin jauh jarak pelayaran yang ditempuh maka semakin besar konsumsi bahan bakar yang dibutuhkan dalam pelayaran penangkapan ikan. Pada jarak yang sama dengan kecepatan kapal yang semakin lambat maka semakin besar konsumsi bahan bakar yang dibutuhkan dalam pelayaran penangkapan ikan. Hasil pengujian terhadap data knowledge dengan metode ANFIS yang sudah diberikan proses pelatihan/training menghasilkan penyimpangan rata-rata sebesar 0.09. Seminar MASTER 2017 PPNS 36 ISSN : 2548-1509 (cetak) 2548-6527 (online)

UCAPAN TERIMA KASIH Tidak lupa kami juga mengucapkan banyak terima kasih kepada Pusat Penelitian dan Pengabdian Masyarakat (P3M) Politeknik Perkapalan Negeri Surabaya, nelayan disekitar pesisir madura dan juga mahasiswa saya maupun pihakpihak terkait lainnya yang tidak bisa kami sebutkan disini yang telah membantu terlaksananya penelitian ini. Semoga hasil penelitian yang kami tuangkan didalam publikasi ini bermanfaat baik bagi masyarakat nelayan dipesisir madura khususnya dan masyarakat nelayan pada umumnya dan juga bermanfaat di dunia pendidikan khususnya pada pengembangan kecerdasan buatan. DAFTAR PUSTAKA [1] J. РRАDО DАN Р.У. DREМIERE, (1990), FISHERMAN'SWORKBOOK, Food and Agriculture 0гganization on THE United Nation Via delle Тегme di caracalla, 00100 Коrе, Italy [2] Kusumadewi, S & Hartati S. 2006. Neuro Fuzzy: Integrasi Sistem Fuzzy & Jaringan Syaraf. Yogyakarta: Graha Ilmu. [3] Fariza, A, Helen, A & Rasyid, A. 2007. Performansi Neuro Fuzzy Untuk Peramalan Data Time Series. Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007), 77-82 [4] Zainatul, Hilmah, (2008), ANALISIS KONFLIK NELAYAN DALAM PENGELOLAAN SUMBERDAYA PERIKANAN SELAT MADURA DALAM PERSPEKTIF SOSIOLOGIS-HUKUM (Studi Kasus Nelayan Batah Kecamatan Kwanyar, Kabupaten Bangkalan, Provinsi Jawa Timur) Fakultas Perikanan dan Ilmu kelautan IPB. [5] Warsito, B. 2009. Kapita Selekta Statistika Neural Network. Semarang: Universitas Diponegoro. [6] Gunaidi, (2010), Matlab Programing, Informatika Bandung, Bandung [7] Sinaga, RA. (2012), Aplikasi Jaringan Syaraf Tiruan Untuk Penentuan Konsentrasi Program Studi Bagi Calon Mahasiswa Baru Stmik Budidarma Medan. Medan. Pelita Informatika Budi Darma 2012. Volume 11. ISSN : 2301-9425. Hal 1-4. [8] Pakaja, F. Naba A. & Purwanto. 2012. Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan Dan Certainty Factor. Malang. Jurnal EECCIS Vol. 6, No. 1, Juni 2012, Hal 23-28. [9] Setiawan, Edy., (2013), Rancang Bangun Kebutuhan Jam dalam Optimasi Produksi dengan Sistem Inferens Fuzzy Metode Tsukamoto, Politeknik Perkapalan Negeri Surabaya [10] Ronald, Syaifuddin dan Z jonny, (2014), Rancang Bangun Kapal Perikanan, Fakultas Perikanan dan Ilmu Kelautan Universitas Riau [11]http://www.scholarpedia.org/article/Fuzzy_neural_network, 2014. [12] H Ulfatun, (2015), IMPLEMENTASI ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM(ANFIS) UNTUK PERAMALAN PEMAKAIAN AIR DI PERUSAHAAN DAERAH AIR MINUM TIRTA MOEDAL SEMARANG, Universitas Negeri Semarang Seminar MASTER 2017 PPNS 37 ISSN : 2548-1509 (cetak) 2548-6527 (online)

Halaman ini sengaja dikosongkan Seminar MASTER 2017 PPNS 38 ISSN : 2548-1509 (cetak) 2548-6527 (online)