1. JUDUL PENELITIAN

Implementasi Logika Fuzzy dengan Metode Takagi-SugenoUntuk

Peramalan Cuaca Sebagai Rekomendasi Pelayaran Kapal Laut dan Kapal

Nelayan di Pelabuhan Pulau Baai.

2. BIDANG ILMU

Bidang ilmu yang diterapkan dalam penelitian ini adalah bidang ilmu

Logika Fuzzy dan Rekayasa Perangkat Lunak.

3. LATAR BELAKANG

Cuaca adalah perilaku yang terjadi pada atmosfer (yang berhubungan

dengan Suhu, Tekanan Udara, Angin, Awan, Kelembaban udara, Radiasi,

Jarak Pandang/Visibility, dsb) dan berdampak langsung pada aktifitas

manusia(BMKG). Pada suatu wilayah, cuaca bisa berubah dalam hitungan

menit, jam, hari, dan musim. Jenis-jenis cuaca meliputi hujan, panas, salju,

angin, dan badai.Sedangkan pola cuaca dalam jangka panjang dan dalam

rentang wilayah yang cukup besar biasa di sebut dengan iklim. (Kodoatie,

2010).

Cuaca buruk sangat ditakuti di dunia pelayaran karena akibatnya yang

bisa menimbulkan berbagai kecelakaan di tengah laut seperti kapal karam

atau terdampar yang akhirnya akan menimbulkan banyak korban jiwa.

Meningkatnya frekuensi kejadian kecelakaan transportasi laut di Indonesia

akhir-akhir ini semakin lama semakin memprihatinkan. Beberapa kejadian

kecelakaan yang dialami transportasi laut, baik tenggelamnya kapal maupun

1

tabrakan antar kapal. Bila dilihat dari faktor penyebab terjadinya kecelakaan

karena disebabkan kesalahan manusia (human error) 41%, alam (force

majeur) 38% dan akibat struktur kapal (hull structure) 21%. (Neutrino, 2013)

Provinsi Bengkulu di bagian barat berbatasan langsung dengan

Samudera Indonesia dengan garis pantai sepanjang ± 525 Km dengan dataran

yang relatif sempit. Iklim Kota Bengkulu sangat dipengaruhi oleh Samudera

Hindia, jika terjadi tekanan rendah di Samudera Hindia, maka Kota Bengkulu

akan mengalami hujan yang lebat, bahkan bisa disertai dengan petir dan badai

(Herliana, 2010).

Peramalan adalah perkiraan tentang sesuatu yang akan terjadi pada

waktu yang akan datang yang didasarkan pada data yang ada pada waktu

sekarang dan waktu lampau (historical data). Tujuan daripada diadakannya

peramalan adalah untuk memperoleh informasi mengenai perubahan dimasa

yang akan datang yang akan mempengaruhi terhadap implementasi kebijakan

serta konsekuensinya. Dengan diadakannya peramalan pada bidang

pelayaran, maka diharapkan bisa meminimalisir terjadinya kecelakaan yang

diakibatkan oleh faktor alam, terkhusus pada cuaca.(Makridakis, 1991)

Logika Fuzzy merupakan teknik kecerdasan yang paling populer

sekarang ini. Dapat diartikan sebagai sebuah perangkat lunak komputer yang

memiliki basis pengetahuan untuk domain tertentu dan menggunakan

penalaran inferensi menyerupai seorang pakar dalam memecahkan suatu

masalah. Dimana bila dikaitkan dengan manusia didalam peramalan cuaca

atau memprediksi cuaca hari ini, dapat diciptakan suatu sistem komputer yang

bertugas untuk mengetahui dan menganalisa gejala-gejala cuaca yang ada

2

pada hari yang diinginkan. Metode fuzzy inference system adalah suatu

kerangka sistem yang didasarkan pada teori himpunan fuzzy, aturan fuzzy dan

penalaran fuzzy dan pada dasarnya dapat melakukan penalaran dengan prinsip

serupa seperti manusia yang melakukan penalaran dengan nalurinya.

(Kusumadewi S, Hartati S, 2006). Fuzzy inference system dapat dilakukan

dengan berbagai macam metode, salah satunya adalah metode Takagi-

Sugeno, metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun

1985. Kelebihan yang dimiliki oleh logika fuzzy Takagi-Sugeno dibandingkan

dengan logika fuzzy jenis lain adalah fuzzy Takagi-Sugeno lebih efisien secara

kumputational, bekerja lebih baik dalam hal linearitas, dapat bekerja dengan

lebih baik dengan teknik optimasi serta adaptif, dapat bekerja untuk keluaran

yang sifatnya berubah secara kontinu, dan cocok untuk analisis secara

matematis.

Maka dari itu penulis ingin membuat penelitian untuk tugas akhir

dengan judul, “Implementasi Logika Fuzzy Inference System dengan

Metode Takagi-Sugeno Untuk Peramalan Cuaca Sebagai Rekomendasi

Pelayaran Kapal Laut dan Kapal Nelayan di Pelabuhan Pulau Baai.”.

4. PERUMUSAN MASALAH

Dari uraian latar belakang diatas maka dapat dirumuskan

permasalahan yang muncul, diantaranya adalah :

1) “Bagaimana mengimplementasikan Logika Fuzzy dengan menerapkan

metode Takagi-Sugeno untuk meramal cuaca ?”

3

2) “Bagaimana merancang sebuah aplikasi untuk peramalan cuaca dengan

menggunakan bahasa pemrograman Matlab?”

5. BATASAN MASALAH

Adapun batasan masalah yang dibahas dalam penelitian ini adalah

sebagai berikut :

1) Bahasa pemrograman yang digunakan untuk membangun aplikasi

Peramalan Cuaca yaitu Bahasa Pemrograman Matlab.

2) Parameter yang digunakan adalah :

a. Suhu,

b. Kelembaban,

c. Kecepatan angin,dan

d. Tekanan udara.

3) Data diambil dari Badan Meteorologi, Klimatologi, dan Geofisika

(BMKG), data yang digunakan adalah data unsur cuaca yang diambil dari

bulan April 2015 sampai dengan bulan September 2015.

4) Output dari aplikasi berupa :

a. Prediksi cuaca, serta

b. Rekomendasi untuk pelayaran.

6. TUJUAN PENELITIAN

Adapun tujuan yang ingin dicapai dalam penelitian ini adalah :

1) Merancang dan membangun sebuah aplikasi yang dapat melakukan

peramalan cuaca terkhusus pada bidang pelayaran.

4

7. MANFAAT PENELITIAN

Manfaat penelitian ini adalah :

Memberikan sebuah model alternatif prediksi cuaca, sehingga bisa

membantu prakrirawan cuaca dan juga para pelayar dalam memperkirakan

prediksi cuaca untuk pelayaran.

8. METODE PENELITIAN

Berdasarkan tujuan penelitian yang yang telah dijelaskan sebelumnya,

Metodologi Penelitian yang digunakan dalam penulisan proposal ini terdiri

dari :

8.1 Metode Pengumpulan Data

1) Studi Pustaka

Studi Pustaka dilakukan dengan cara mempelajari teori-teori

serta literatur-literatur dan buku-buku yang berhubungan dengan

penelitian ini.

2) Studi Analisis

Melakukan analisis terhadap masalah yang dikaji dalam

penelitian ini, mendefenisikan batasan-batasan dalam masalah tersebut

serta mencari cara atau solusi untuk menyelesaikannya.

3) Studi Lapangan

Studi lapangan bertujuan untuk mengumpulkan data yang

berhubungan dengan penelitian ini terutama berupa data cuaca, baik

berupa kecepatan angin dan lain sebagainya. Data didapat dari

5

pengamatan langsung dan dari BMKG (Badan Meteorologi,

Klimatologi, dan Geofisika).

8.2 Metode Pengembangan Aplikasi

Pengembangan aplikasi Peramalan cuaca sebagai rekomendasi

untuk pelayaran kapal laut dengan menerapkan Metode Takagi-

Sugenomenggunakan bahasa pemrograman Matlab. Adapun langkah-

langkah dalam membangun aplikasi ini secara garis besar adalah sebagai

berikut :

1) Analisa Kebutuhan

Adapun dalam melakukan pengolahan data aplikasi ini

memerlukan masukan, keluaran dan kebutuhan interface. Adapun

tujuan dilakukan analisa kebutuhan ini adalah untuk sebagai

pedoman yang dijadikan batasan dalam penelitian ini yaitu berupa

kekurangan dan kelebihan dari pada aplikasi yang penulis rancang

ini. Berikut merupakan analisis kebutuhan dalam melakukan

perancangan dan pembuatan aplikasi ini adalah :

a. Kebutuhan Data Masukan

Data masukan yang dibutuhankan dalam aplikasi adalah data-

data yang berhubungan dengan cuaca

b. Kebutuhan Data Keluaran

Adapun data keluaran yang yang dibutuhkan dalam aplikasi ini

adalah prediksi cuaca dan rekomendasi pelayaran.

6

c. Kebutuhan Interface

Kebutuhan interface pada aplikasi ini adalah kemudahan dan

kenyaman pengguna dari pada aplikasi ini dalam

menggunakannya sesuai dengan masalah yang dihadapi.

2) Perancangan Aplikasi

Perancangan aplikasi ini adalah tahap konseptualisasi, yaitu

suatu tahapan yang mengharuskan analisis dalam perancangan

aplikasi (perangkat lunak) untuk berusaha tahu pasti mengenai hal-

hal yang dijadikan atau menjadi kebutuhan serta harapan pengguna

daripada aplikasi ini. Diagram yang digunakan dalam perancangan

aplikasi ini adalah Data Flow Diagram (DFD).

Alur atau proses kerja aplikasi ini terdiri dari beberapa tahap

yang tidak dapat dipisah satu dengan yang lainnya. Adapun tahap-

tahap tersebut antara lain : pertama, melakukan pengumpulan data-

data yang relevan dengan penelitian, melakukan input data kedalam

aplikasi, dilanjutkan dengan melakukan proses. Setelah itu dilakukan

proses peramalan dan setelah proses selesai akan menghasilkan

prediksi cuaca sehingga didapat sebuah rekomendasi untuk

pelayaran.

Dalam pembuatan aplikasi ini diperlukan beberapa perangkat

lunak serta perangkat keras agar dapat tercapai tujuan yang

diinginkan. Yaitu :

7

a. Perangkat Lunak

Berikut ini merupakan perangkat lunak yang penulis gunakan

dalam pembuatan aplikasi ini

1. Matlab

2. Sistem Operasi Windows 7 Ultimate

b. Perangkat Keras

Berikut perangkat keras yang penulis gunakan dalam melakukan

penelitian ini :

1. Monitor VGA atau SVGA (1366 x 768)

2. Processor Intel Core 2 Duo

3. Ram 4 GB

4. Harddisk Seagate 320 GB

5. Keyboad, Mouse, Printer

3) Implementasi

Dalam pembuatan aplikasi, tahap ini merupakan tahap nyata dalam

melakukan pembuatan atau pengerjaan aplikasi.Aplikasi peramalan

cuaca ini yaitu dengan menerapkan metode Takagi-Sugenoyang

penulis khusus dalam penelitian ini.

4) Pengujian

a. Black BoxTesting

Dalam pengujian ini, penulis melakukan dengan cara mengamati

hasil eksekusi melalui data uji dan memeriksa fungsional dari

aplikasi yang telah dibuat. Pengujian keberhasilan dari metode

ini dilakukan dengan melihat hasil peramalan yang dihasilkan.

8

b. White Box Testing

Sedangkan dalam pengujian ini, penulis akan meneliti kode-kode

atau syntax pada pemograman yang akan dianalisis apakah ada

kesalahan atau tidak. Jika mendapatkan output yang tidak sesuai

dengan yang diinginkan maka penulis akan mengecek secara

manual yaitu satu persatu kode-kode sampai didapat bagian

mana yang salah.

5) Penggunaan dan pemeliharaan

Setelah aplikasi ini jadi maka penggunadapat menggunakan aplikasi

ini. Jika terdapat penggunakan untuk keperluan yang lebih komplit

maka akan dilakukan pemeliharaan dan perbaikan serta

pengembangan dari pada aplikasi ini.

9. TINJAUAN PUSTAKA

9.1 Pengertian Aplikasi

Menurut Jogiyanto (2004:4) aplikasi merupakan program yang

berisikan perintah-perintah untuk melakukan pengolahan data. Jadi

aplikasi secara umum adalah suatu proses dari cara manual yang

ditransformasikan ke komputer dengan membuat sistem atau program

agar data diolah lebih berdaya guna secara optimal.

Sedangkan menurut Daryanto (2004:347), aplikasi adalah

software atau perangkat lunak yang dibuat untuk mengerjakan

menyelesaikan masalah-masalah khusus.

9

Dari uraian diatas maka dapat disimpulkan bahwa aplikasi

adalah sebuah perangkat lunak yang berisi perintah untuk

menyelesaikan masalah dan pengolahan data.

9.2 Pengertian Cuaca

Cuaca adalah kadaan udara pada saat tertentu dan diwilayah

tertentu yang relatif sempit dan dalam jangka waktu yang singkat.

Unsur-unsur yang mempengaruhi cuaca dan iklim adalah

sebagai berikut:

a. Suhu udara  perubahan suhu udara di satu tempat dengan

tempat lainnya bergantung pada ketinggian tempat dan letak

astronomisnya (lintang). Perubahan suhu karena perbedaan

ketinggian jauh lebih cepat daripada perubahan suhu karena

perbedaan letak lintang. Biasanya, perubahan suhu terjadi

berkisar 0,6 derajat celcius tiap kenaikan 100 meter,alat ukur

adalah Termometer.

b. Tekanan udara tekanan udara adalah berat massa udara pada

suatu wilayah. Tekanan udara menunjukkan tenaga yang

bekerja untuk menggerakkan massa udara dalam setiap satuan

luas tertentu. Tekanan udara semakin rendah jika semakin

tinggi dari permukaan laut,alat ukur adalah Barometer.

c. Kecepatan Angin: angin adalah massa udara yang bergerak dari

suatu tempat ke tempat lain. Tiupan angin terjadi jika di suatu

daerah terdapat perbedaan tekanan udara, yaitu tekanan udara

10

maksimum dan minumum. Angin bergerak dari daerah

bertekanan udara maksimum ke minimum,alat ukur adalah

Anenometer.

d. Kelembaban udara: kelembaban udara adalah kandungan uap

air dalam udara. Uap air yang ada dalam udara berasal dari

hasil penguapan air di permukaan bumi, air tanah, atau air yang

berasal dari penguapan tumbuh-tumbuhan,alat ukur adalah

Higrometer.

9.3 Pengertian Logika Fuzzy

Logika fuzzy adalah sesuatu yang amat rumit dan tidak

menyenangkan. Namun, sekali seseorang mulai mengenalnya, ia pasti

akan sangat tertarik dan akan menjadi pendatang baru untuk ikut serta

mempelajari logika fuzzy. Logika fuzzy dikatakan sebagai logika baru

yang lama, sebab ilmu tentang logika fuzzy modern dan metodis baru

ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep

tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama.

Logika fuzzy adalah suatu cara yang tepat untuk memetakan

suatu ruang input ke dalam suatu ruang output. Sebagai contoh:

1. Manajer pergudangan mengatakan pada manajer produksi seberapa

banyak persediaan barang pada akhir minggu ini, kemudian

manajer produksi akan menetapkan jumlah barang yang harus

diproduksi esok hari.

11

2. Pelayan restoran memberikan pelayanan terhadap tamu, kemudian

tamu akan memberikan tip yang sesuai atas baik tidaknya pelayan

yang diberikan;

3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda

inginkan, saya akan mengatur putaran kipas yang ada pada ruangan

ini.

4. Penumpang taksi berkata pada sopir taksi seberapa cepat laju

kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas

taksinya.

Logika fuzzy telah lama dikenal dan digunakan dalam berbagai

bidang oleh para ahli dan insinyur. Penggunaan logika fuzzy pada

awalnya digunakan untuk beberapa bidang, seperti sistem diagnosa

penyakit (dalam bidang kedokteran); pemodelan sistem pemasaran, riset

operasi (dalam bidang ekonomi); kendali kualitas air, prediksi adanya

gempa bumi, klasifikasi dan pencocokan pola (dalam bidang teknik).

Penggunaan logika fuzzy dalam bidang sistem daya (power system) juga

sudah dilakukan, antara lain dalam analisis kemungkinan, prediksi dan

pengaturan beban, identifikasi gangguan pada generator dan

penjadwalan pemeliharaan generator. Dalam paper ini dijelaskan

aplikasi logika fuzzy dalam mengkaji pengaruh induksi medan magnet

pada kesehatan manusia. Hasil aplikasi logika fuzzy menunjukkan tidak

adanya pengaruh yang signifikan dari medan magnet tersebut.

Menurut Asus Naba, logika fuzzy adalah: “Sebuah metodologi

berhitung dengan variabel kata-kata (linguistic variable) sebagai

12

pengganti berhitung dengan bilangan. Kata-kata digunakan dalam

logika fuzzy memang tidak sepresisi bilangan, namun kata-kata jauh

lebih dekat dengan intuisi manusia”[NAB-2009].

Mengenai logika fuzzy pada dasarnya tidak semua keputusan

dijelaskan dengan 0 atau 1, namun ada kondisi diantara keduanya,

daerah diantara keduanya inilah yang disebut dengan fuzzy atau

tersamar. Secara umum ada beberapa konsep sistem logika fuzzy,

sebagai berikut dibawah ini:

Himpunan tegas yang merupakan nilai keanggotaan suatu sistem

dalam suatu himpunan tertentu. Himpunan fuzzyyang merupakan suatu

himpunan yang digunakan untuk mengatasi kekakuan dari himpunan

tegas. Fungsi keanggotaanyang memiliki interval 0 sampai 1 Variabel

linguistic yang merupakan suatu variabel yang memiliki nilai berupa

kata-kata yang dinyatakan dalam bahasa alamiah dan bukan angka.

Operasi dasar himpunan fuzzy merupakan operasi untuk

menggabungkan dan atau memodifikasi himpunan fuzzy, aturan(rule)if-

then fuzzy merupakan suatu pernyataan if-then, dimana beberapa kata-

kata dalam pernyataan tersebut ditentukan oleh fungsi keanggotaan.

Dalam proses pemanfaatan logika fuzzy, ada beberapa hal yang harus

diperhatikan salah satunya adalah cara mengolah input menjadi output

melalui sistem inferensi fuzzy. Metode inferensi fuzzy atau cara

merumuskan pemetaan, dari masukan yang diberikan kepada sebuah

keluaran. Proses ini melibatkan fungsi keanggotaan, operasi logika,

13

serta aturan IF-THEN. Hasil dari proses ini akan menghasilkan sebuah

sistem yang disebut dengan FIS (Fuzzy Inferensi System).

9.3.1 Alasan Digunakannya Logika Fuzzy

Ada beberapa alasan mengapa orang menggunakan

logika fuzzy, antara lain:

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis

yang mendasari penalaran fuzzy sangat sederhana dan

mudah dimengerti.

2. Logika fuzzy sangat fleksibel.

3. Logika fuzzy memiliki toleransi terhadap data-data yang

tidak tepat.

4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear

yang sangat kompleks.

5. Logika fuzzy dapat membangun dan mengaplikasikan

pengalaman-pengalaman para pakar secara langsung tanpa

harus melalui proses pelatihan.

6. Logika fuzzy dapat bekerjasama dengan teknik-teknik

kendali secara konvensional.

7. Logika fuzzy didasarkan pada bahasa alami.

9.3.2 Himpunan Fuzzy

Ada beberapa hal yang perlu diketahui dalam memahami

sistem fuzzy, yaitu:

14

1

015 25 353020

Temperatur (oC))

[x]

DINGIN SEJUK NORMAL HANGAT PANAS

0 40

a. Variabel fuzzy

Variabel fuzzy merupakan variabel yang hendak dibahas dalam

suatu sistem fuzzy. Contoh: umur, temperatur, permintaan, dsb.

b. Himpunan fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu

kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

Contoh:

1. Variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu:

MUDA, PAROBAYA, dan TUA. (Gambar 7.3)

2. Variabel temperatur, terbagi menjadi 5 himpunan fuzzy,

yaitu: DINGIN, SEJUK, NORMAL, HANGAT, dan

PANAS.

Gambar. Himpunan fuzzy pada variabel temperatur.

c. Semesta Pembicaraan

Semesta pembicaraan adalah keseluruhan nilai yang

diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.

Semesta pembicaraan merupakan himpunan bilangan real yang

senantiasa naik (bertambah) secara monoton dari kiri ke kanan.

15

Nilai semesta pembicaraan dapat berupa bilangan positif

maupun negatif. Adakalanya nilai semesta pembicaraan ini

tidak dibatasi batas atasnya.

d. Domain

Domain himpunan fuzzy adalah keseluruhan nilai yang

diijinkan dalam semesta pembicaraan dan boleh

dioperasikan dalam suatu himpunan fuzzy. Seperti halnya

semesta pembicaraan, domain merupakan himpunan

bilangan real yang senantiasa naik (bertambah) secara

monoton dari kiri ke kanan. Nilai domain dapat berupa

bilangan positif maupun negatif. Perolehan Data beserta

rentang nilai. Sebagian data diatas dipergunakan sebagai

variabel masukan.

Aplikasi Fungsi Implikasi, Komposisi dan Penegasan

(Defuzzyfikasi). Setelah menerima input fungsi keanggotaan dari

masing-masing himpunan, langkah selanjutnya adalah

mengkombinasikan himpunan-himpunan tersebut menjadi 27

aturan(R). Dengan menggunakan operator AND dalam kombinasi

ini, maka penentuan predikat dilakukan dengan mencari nilai

terkecil dari setiap kombinasi. Agar lebih mudah memahami proses

implikasi, komposisi, dan defuzzyfikasi,kitaasumsikan bahwa:

1. Untuk fungsi keanggotaan tekanan udara, himpunan lemah

diberi bobot 1, kuat diberi bobot 2, dan sangat kuat diberi

bobot 3.

16

2. Untukfungsi keanggotaan suhu udara:himpunan kecil diberi

bobot1,besar diberi bobot 2, dan sangat besar diberi bobot 3.

3. Untuk fungsi keanggotaan kelembaban udara: himpunan

sedikit diberi bobot 1, sedang diberi bobot 2, dan banyak diberi

bobot 3

4. Untuk fungsi keanggotaan kecepatan angin: himpunan kecil

diberi bobot 1, sedang diberi bobot 2, dan besar diberi bobot 3

9.3.3 Komposisi Aturan

Tidak seperti penalaran monoton, apabila sistem

terdiri-dari beberapa aturan, maka inferensi diperoleh dari

kumpulan dan korelasi antar aturan. Ada 3 metode yang

digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max,

additive dan probabilistik OR (probor).

a. Metode Max (Maximum)

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). Jika semua proposisi telah dievaluasi,

maka output akan berisi suatu himpunan fuzzy yang

merefleksikan konstribusi dari tiap-tiap proposisi. Secara

umum dapat dituliskan:

17

µsf[xi] ← max ( µsf[xi] , µkf[xi])

dengan:

µsf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i

µkf[xi]=nilai keanggotaan konsekuen fuzzy aturan ke-i

b. Metode Additive (Sum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan

cara melakukan bounded-sum terhadap semua output daerah

fuzzy. Secara umum dituliskan:

µsf[xi] ← max ( 1, µsf[xi]  + µkf[xi]

dengan:

µsf[xi]=nilai keanggotaan solusi fuzzy sampai aturan ke-i

µkf[xi]=nilai keanggotaan konsekuen fuzzy aturan ke-i

c. Metode Probabilistik OR (probor)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan

cara melakukan product terhadap semua output daerah

fuzzy. Secara umum dituliskan:

µsf[xi] ← max ( µsf[xi]  + µkf[xi] ) – (µsf[xi]  * µkf[xi] )

dengan:

µsf[xi]=nilai keanggotaan solusi fuzzy sampai aturan ke-i

µkf[xi]=nilai keanggotaan konsekuen fuzzy aturan ke-

9.3.4 Defuzzifikasi

Defuzzifikasi merupakan sebuah bilangan tunggal,yaitu

harga variable masukan dan keluarnya adalah derajat

18

keanggotan dalam suatu fuzzy set dalam antecedent,maka

masukan dan keluaran defuzzifikasi adalah sebuah set (dalam hal

ini fuzzy set hasil agregasi) dan keluarannya adalah sebuah

tunggal untuk diisikan ke sebuah variable keluaran FIS. Ada

beberapa jenis versi bilangan tunggal yang dimaksud

tersebut .mungkin yang paling populer adalah center of area

atau centroid dibawah kurva dari fuzzy set hasil agregasi.

Transformasi yang menyatakan kembali keluaran dari dominan

fuzzy dalam dominan crisp. Keluaran fuzzy diperoleh melalui

eksekusi dari beberapa fungsi keanggotaan fuzzy. Terdapat

tujuan metode yang dapat digunakan pada proses

defuzzifiheight method (Max-membership principle),dengan

mengambil nilai fungsi keanggotaan terbesar dari keluaran fuzzy

yang ada untuk dijadikan nilai keluaran dari seluruh fungsi

keanggotan keluaran fuzzy yang ada untuk dijadikan nilai

defuzzifikasi, centroid (center of grafity )method, mengambil

nilai tengah dari seluruh fungsi keanggotan keluaran fuzzy yang

ada untuk dijadikan nilai defuzzyfikasi, weighted average

method, hanya dapat digunakan untuk keluaran fungsi

keanggotan dari beberapa proses fuzzy mempunyai bentuk yang

sama, mean-max membership, mempunyai perinsif kerja yang

sama dengan metode maxsimum tetapi lokasi dan fungsi

keanggotaan maksimum tidak harus unik, center of sums,

mempunyai perinsip kerja yang hampir sama dengan weighted

19

average method tetapi nilai yang dihasilkan merupakan area

respektif dari fungi keanggotaan yang ada.

9.3.5 Aturan IF-THEN

Dari data penjelasan parameter-paramater fungsi

keanggotan sebagaimana diatas,kemudian dapat dibuat aturan

IF-THEN.basis aturan dibentuk dalam 2 bagian yaitu bagian

paramatter blok yang digunakan menyimpan nilai-nilai

parameter dari satu aturan dan bagian lainnya adalah rulers

block yang digunakan untuk menyimpan aturan itu sendiri.

Jumlah aturan IF-THEN yang dihasilkan merrupakan

perkalian zikma kemungkinan gejala-gejalanya (premis), yang

kemudian dikurangi jumlah aturan yang dapat diredukasi.

9.4 Metode Takagi-Sugeno

Menurut Fanoeel Thamrin (2012:9) dalam membangun sebuah

system fuzzydikenal beberapa metode penalaran ,antara lain: metode

Tsukamoto, metode Mamdani, dan metode Takagi-Sugeno. Pada

perancangan peramalan cuaca akan digunakan metode Takagi-Sugeno.

Fuzzy metode sugeno merupakan metode inferensi fuzzy untuk

aturan yang direpresentasikan dalam bentuk IF – THEN, dimana output

(konsekuen) system tidak berupa himpunan fuzzy, melainkan berupa

konstanta atau persamaan linear [KUS-02:98]. Metode ini

diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Model

Takagi-Sugeno menggunakan fungsi keanggotaan Singleton yaitu

20

fungsi keanggotaan yang memiliki derajat keanggotaan 1 pada suatu

nilai crisp tunggal dan 0 pada nilai crisp yang lain.

Untuk Orde 0 dengan rumus :

IF(x1 is a1) °(x2 is A2) °…°(xn is An)

THEN z= k,

dengan Ai adalah himpunan fuzzyke i sebagai antaseden

(alasan), ° adalah operator fuzzy (AND atau OR) dan k merupakan

konstanta tegas sebagai konsekuen (kesimpulan).

Sedangkan rumus Orde1 adalah:

IF(x1 is a1) °(x2 is A2) °…°(xn is An)

Pada metode Takagi-Sugeno ,setiap konsekuen pada aturan yang

berbentuk IF-THEN harus di persentasikan dengan suatu himpunan

fuzzy dengan fungsi keanggotan monoton. Sebagai hasilnya, output

hasil inferensi dari tiap-tiap aturan diberikan (crsip) berdasarkan

apredikat (fire strength). Hasil akhirnya diperoleh menggunakan rata-

rata terbobot. Misal ada 2 variabel input,var -1{x} dan var -2(y) serta 1

variabel output var-3 (z),dimana var-1 terbagi atas 2 himpunan yaitu

A1 dan A2 dan var-2 terbagi atas himpunan B1 dan B2. Sedangkan var-

3 juga terbagi atas 2 himpunan yaitu C1dan C2.Ada 2 aturan yang

digunakan yaitu:

[R1] IF (x is A1) and (y is B2) THEN (z is c1)

[R2] IF (x is A2) and (y is B1) THEN (z is C2).

21

9.5 Matlab

Menurut Teguh Widiarsono (2005:1) Matlab merupakan suatu

bahasa pemograman yang bisa membantu memecahkan berbagai

masalah matematis yang kerap kita temui dalam bidang teknis.

Sedang menurut Muhammad Iqbal (2009:2) Matlab adalah

sebuah bahasa dengan (high-performance) kinerja tinggi untuk

komputasi masalah teknik. Matlab mengintegrasikan komputasi,

visualisasi, dan pemrograman dalam suatu model yang sangat mudah

untuk pakai dimana masalah-masalah dan penyelesaiannya

diekspresikan dalam notasi matematika yang familiar.

Matlab merupakan akronim dari kata Matrix Laboratory.Versi

pertama Matlab ditulis pada tahun 1970.Saat itu, Matlab digunakan

untuk pelatihan dalam teori matrik, aljabar linier dan analisis numerik.

Fungsi-fungsi Matlab ini digunakan untuk menyelesaikan masalah

bagian khusus, yang disebut toolboxes. Toolboxes dapat digunakan

untuk bidang pengolahan sinyal, sistem pengaturan, fuzzy logic,

numeral network, optimasi, pengolahan citra, dan simulasi yang lain.

Matlab adalah bahasa pemrograman level tinggi yang

dikhususkan untuk komputasi teknis. Bahasa ini mengintegrasikan

kemampuan komputasi, visualisasi, dan pemrograman dalam sebuah

lingkungan yang tunggal dan mudah digunakan. Matlab memberikan

sistem interaktif yang menggunakan konsep array sebagai standar

variabel elemennya tanpa membutuhkan pendeklarasian array seperti

pada bahasa pemrograman lain.

22

10 PENELITIAN TERKAIT

Berikut ini adalah beberapa penelitian yang telah dilakukan

sebelumnya yang terkait dengan penelitian yang penulis lakukan ini :

a. Aplikasi Prediksi Cuaca Berbasis Logika Fuzzy Untuk Rekomendasi

Penerbangan Di Bandar Udara Raja Haji Fisabilillah, oleh Nur Endah Sari,

Dr. Edi Sukirman, S.Si., MM, Jurusan Teknik Informatika, Fakultas

Teknik Industri, Universitas Gunadarma, pada tahun 2011. Berdasarkan

pembahasan dapat disimpulkan bahwa model prediksi cuaca menggunakan

metode logika fuzzy untuk kebutuhan penerbangan menghasilkan nilai

keakuratan untuk prediksi hujan adalah 61.73%, dan prediksi kecepatan

angin menghasilkan nilai keakuratan 50.5%.

b. Pengenalan Pola Cuaca Maritim (Curah Hujan, Tinggi Gelombang Dan

Kecepatan Arus) Dengan Metode Adaptive Neuro Fuzzy Inference System

(Anfis) Pada Jalur Pelayaran Surabaya-Makasar, oleh Riska Lutfiana dan

M.Tirono pada tahun 2013 Jurusan Fisika Universitas Islam Negeri (UIN)

Maulana Malik Ibrahim Malang. Dari penelitian yang telah dilakukan

dapat disimpulkan bahwa pola cuaca, khususnya pada pola curah hujan,

ketingian gelombang laut dan kecepatan arus laut dapat diamati dan

dipelajari pola yang terbentuk, dari sini dirancang Pengenalan Pola Cuaca

Maritim (Curah Hujan, Tinggi Gelombang dan Kecepatan Arus) dengan

Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS), yang

selanjutnya bisa didapatkan pola cuaca maritime pada jalur pelayaran

Surabaya-Makasar.

23

c. Penerapan Logika Fuzzy Metode Sugeno untuk Sistem Pendukung

Keputusan Prakiraan Cuaca oleh Eka Mahargiyak, Diah Anggraeni P.,

Restu wandiro S., Yasrifan Mahzar Program Studi Informatika/ Ilmu

Komputer Program Teknologi Informasi Dan Ilmu Komputer Universitas

Brawijaya pada tahun 2013. Persentasi kebenaran pada uji verifikasi yang

dilakukan secara manual dan sistem memiliki kategori yang sama yaitu

baik. Dengan prosentasi masing masing yaitu - Uji verifikasi manual =

76% (44 data tepat dari 58 data). - Uji verifikasi sistem = 74% (43 data

tepat dari 58 data).

d. Analisis Sistem Inference Fuzzy Takagi-Sugeno dalam menentukan harga

penjualan tanah untuk pembangunan minimarket, Rizkysari Meimaharani,

Jurnal Simetris, Vol 5 No 1 April 2014 Issn: 2252-4983, Fakultas Teknik,

Program Studi Teknik Informatika Universitas Muria Kudus.Berdasarkan

pengujian yang dilakukan dapat diketahui bahwa teknik kendali fuzzy

mampu menghasilkan respon seperti yang diharapkan yaitu mampu

menilai jarak jauh dekat yang menentukan harga dalam penjualan tanah

untuk pembangunan minimarket.

11 JADWAL WAKTU PELAKSANAAN

No Kegiatan

Bulan

Apr

2015

Mei

2015

Juni

2015

Juli

2015

Agus

2015

Sept

2015

1 Studi Kepustakaan

2 Penerimaan Proposal Skripsi

24

3 Pengumpulan dan Analisis Data

4 Pembuatan Aplikasi /Program

5 Pengujian Aplikasi /Program

6 Penyelesaian Laporan Akhir

12 DAFTAR PUSTAKA

Agus Naba. 2009. Fuzzy Logic Menggunakan Matlab. Andi : Yogyakarta.

Aydin, I., Karakose, M. and Akin, E.. 2009. The Prediction Algorithm Based on Fuzzy Logic Using Time Series Data Mining Method. World Academy of Science, Engineering and Technology.

Eka Mahargiyak, Diah Anggraeni P., Restu wandiro S., Yasrifan Mahzar. 2013. Penerapan Logika Fuzzy Metode Sugeno untuk Sistem Pendukung Keputusan Prakiraan Cuaca. Program Studi Informatika/ Ilmu Komputer Program Teknologi Informasi Dan Ilmu Komputer Universitas Brawijaya : Malang.

Hasan M. Iqbal. 2002. Pokok-Pokok Materi, Teori Pengambilan Keputusan. Ghalia Indonesia : Jakarta

Herliana, Arif Ismul Hadi, Suwarsono. 2010. Analisis Karakteristik Intensitas Curah Hujan Di Kota Bengkulu. Jurusan Fisika, Fakultas MIPA, Universitas Bengkulu : Bengkulu.

http://en.wikipedia.org/wiki/Sequence_diagram (diakses pada 5 April 2015)

(http://en.wikipedia.org/wiki/Use_Case_diagram) (diakses pada 5 April 2015)

http://www.ibm.com/developerworks/rational/library/content/RationalEdge/sep04/bell/ (diakses pada 10 maret 2015)

Jogiyanto, Hartono. 2004. Pengenalan Komputer. Yogyakarta: C.V.ANDI OFFSET.

Kodoatie, Robert J., Roestam Sjarief. 2010. Tata Ruang Air. Penerbit Andi : Jogjakarta.

Kusumadewi S, 2009. Aplikasi Logika Fuzzy. Graha Ilmu. Yogyakarta.

25

Kusumadewi S, Hartati S. Neuro fuzzy:Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu; 2006.

Makridakis, S, dkk. 1991. “Metode dan Aplikasi Peramalan”. Edisi kedua. Jakarta:Erlangga.

Muhammad Iqbal. 2009. Pengolahan Citra Digital MenggunakanMatlab : Jakarta

Nur Endah Sari, Edi Sukirman. 2011. Prediksi Cuaca Berbasis Logika Fuzzy Untuk Rekomendasi Penerbangan Di Bandar Udara Raja Haji Fisabilillah. Jurusan Teknik Informatika, Fakultas Teknik Industri, Universitas Gunadarma : Jakarta.

Riska Lutfiana dan M.Tirono. 2013. Pengenalan Pola Cuaca Maritim (Curah Hujan, Tinggi Gelombang Dan Kecepatan Arus) Dengan Metode Adaptive Neuro Fuzzy Inference System (Anfis) Pada Jalur Pelayaran Surabaya-Makasar. Jurusan Fisika Universitas Islam Negeri (UIN) Maulana Malik Ibrahim : Malang

Rizkysari Meimaharani. 2014. Analisis Sistem Inference Fuzzy Takagi-Sugeno dalam menentukan harga penjualan tanah untuk pembangunan minimarket. Fakultas Teknik, Program Studi Teknik Informatika Universitas Muria : Kudus.

Riza, Lala Septem. 2008. Prediksi Data Time Series Dengan Menggunakan Algoritma Ant System (Studi Kasus Prediksi Harga Saham). Program Studi Teknik Elektro, Institut Teknologi Bandung : Bandung.

Schroeder Roger C. 2007. Manajemen Operasi Pengambilan Keputusan dalam Fungsi Operasi (Terjemahan). Penerbit Erlangga : Jakarta.

Teguh widiarsono, 2005.Tutorial Praktis BelajarMatlab : Jakarta

Yuniar, Risty J., Didik Rahadi S., Onny S. 2013. Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahmah Saleh Dengan Algoritma Neural Network Backpropagation. Program Magister Fakultas Teknik, Universitas Brawijaya : Malang.

26