Sofyan, H., Lusiani, E., Rusyana, A. and Marzuki. 2017. Penggunaan Metode FIS Mamdani dalamMemperkirakan Terjadinya Gelombang Tsunami Akibat Gempa Bumi. FKIP Universitas Jambi. Jambi.Dipresentasikan pada Semirata 2017 Bidang MIPA BKS-PTN Wilayah Barat di Jambi

PENGGUNAAN METODE FIS MAMDANI DALAM MEMPERKIRAKANTERJADINYA GELOMBANG TSUNAMI AKIBAT GEMPA BUMI

Hizir Sofyan 1, Erni Lusiani 2, Asep Rusyana 3, Marzuki 4

Fakultas MIPA, Universitas Syiah Kualaemail: hizir@unsyiah.ac.id

ABSTRACTMamdani method is one of the Fuzzy Inference System (FIS) worksbased on linguistic rules to make decisions on matters that areuncertain. Mamdani FIS method can be used as an alternativesolution to overcome the problems associated with tsunami warningsystem (tsunami warning system). This study uses the input variablesin the form of the data of earthquakes that occurred around theshoreline or under the sea in units on the Richter scale and volcanicactivity in the form of a volcanic eruption that occurred along thecoastal areas in units of VEI (Volcanic explosivity index) to establisha tsunami early warning system, Types of membership functions usedare trapezoidal membership functions. The early warning was formedfrom this study are not only able to predict a tsunami, but themagnitude of an impending tsunami can also be predicted early.

Keywords: fuzzy inference system, Mamdani FIS, a tsunami warning system, membershipfunctions, earthquakes, volcanic eruptions

PENDAHULUANTsunami merupakan salah satu kejadian yang berulang. Tsunami Aceh yang terjadi

pada 26 Desember 2004 adalah contoh dari kejadian tsunami yang berulang. Dalam intervalwaktu empat ratus tahun terakhir, Indonesia telah mengalami ribuan gempa bumi dan ratusantsunami. Letak Indonesia yang dikelilingi oleh lempeng Indo-Australia dan Pelat Laut Filipinayang meretas di bawah lempeng Eurasia, dengan lima pulau besar dan beberapa semenanjungmerupakan salah satu sebab banyaknya terjadi peristiwa gempa bumi dan tsunami diIndonesia [1]. Pengulangan kejadian tsunami di setiap tempat sebenarnya berlangsung dalamjangka waktu yang panjang. Sebelum kejadian tsunami dahsyat yang menelan ratusan ribujiwa di Aceh pada penghujung tahun 2004 itu, tercatat bahwa wilayah Aceh pernahmengalami kejadian tsunami yaitu tahun 1797, 1861 dan 1907. Hal itu yang mendorong perludiadakan sebuah sistem yang mampu memprediksi lebih awal kemungkinan tsunami akandatang. Pada kasus ini Fuzzy inference system (FIS) dijadikan sebagai acuan metodepengkajian.

FIS merupakan salah satu metode yang dapat digunakan untuk mengatasipermasalahan yang berhubungan dengan sistem peringatan tsunami (tsunami warningsystem). FIS adalah suatu metode yang berbasis logika fuzzy, dalam logika fuzzy sesuatu yangdapat menjadi sebagiaan benar dan sebagian salah pada waktu yang sama.

Tujuan dari penelitian ini adalah membuat suatu sistem peringatan berdasarkan fuzzyinference system (FIS) Mamdani untuk menentukan peringatan dini terhadap kemungkinanterjadinya tsunami.

Logika fuzzy memiliki konsep himpunan dengan tingkat kebenaran dalam rentang 0sampai 1. Kelebihan dari logika fuzzy yaitu memiliki kemampuan dalam proses penalaranpena

73

74

secara bahasa linguistic reasoning. Hal tersebut yang mendukung pengambilan keputusan menggunakan logika tersebut mudah dipahami.

Pembentukan sistem peringatan tsunami ini bergantung pada kekuatan gempa bumi dan aktivitas vulkanik yang menjadi gejala alam pada beberapa kasus sebelumnya. Semakin besar kekuatan gempa bumi yang terjadi dalam satuan skala richter, serta terdapat erupsi vulkanik dengan skala VEI yang tinggi, Maka kemungkinan untuk terjadinya bencana tsunami semakin besar.

Masalah yang menjadi pokok pembahasan dalam kasus ini adalah bagaimana menentukan suatu sistem peringatan tsunami berdasarkan gempa bumi dan erupsi vulkanik dengan hasil yang lebih baik dalam memprediksi kemungkinan tsunami yang akan terjadi.

Tulisan ini diharapkan mampu menghasilkan suatu sistem yang dapat dikembangkan dan dikondisikan kembali dengan wilayah Aceh sehingga sesuai digunakan sebagai acuan oleh BMKG dalam menentukan peringatan dini tsunami.

KAJIAN LITERATUR DAN PEGEMBANGAN HIPOTESIS

Himpunan fuzzy merupakan rentang nilai tertentu sebagai fungsi karakteristik kontinu yang didefinisikan oleh interval [0,1]. Himpunan tersebut memiliki dua atribut yaitu atribut linguistik berupa penamaan kelompok yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami misalnya besar, sedang, dan kecil. Atribut lainnya yaitu atribut numerik berupa suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel misalnya 50, 100, dan 150.

Fuzzy Inference System yang dalam Bahasa Indonesia berarti Sistem Inferensi Fuzzy

merupakan sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya. FIS Mamdani dianggap yang paling mudah dimengerti karena dapat bekerja berdasarkan kaidah-kaidah linguistik.

Logika fuzzy secara linguistik memberikan penerapan yang lebih mudah untuk dipahami, karena menggunakan bahasa sehari-hari seperti baik, buruk, ya, atau tidak. Logika fuzzy merupakan suatu sistem yang digunakan sebagai pengambilan keputusan dalam permasalahan yang bersifat ketidak-pastian (ambigu).

Metode Mamdani atau disebut juga Metode Max-Min pertama kali diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Metode ini memiliki empat tahapan yaitu pembentukan himpunan fuzzy dalam variabel input dan output, pengaplikasian fungsi implikasi menggunakan fungsi IF x is A THEN y is B dimana x dan y adalah skalar serta A dan B adalah himpunan fuzzy, tahap selanjutnya yaitu komposisi aturan menggunakan metode metode max,

additive, dan probabilistik OR (probor), dan tahap terakhir yaitu defuzzyfikasi atau penegasa.

METODE PENELITIAN

Proses dalam menentukan sistem peringatan tsunami terdiri dari beberapa tahap. Tahap pertama yaitu membangkitkan data normal secara acak menggunakan perangkat lunak R untuk data kekuatan gempa bumi dan ledakan gunung berapi, tahap kedua yaitu pengaplikasian Fuzzy Inference System Mamdani berupa pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan fuzzy dan defuzzyfikasi. Tahap selanjutnya yaitu pengaplikasian sistem yang terbentuk menggunakan data dan tahap terakhir menentukan hasil dan kesimpulan penelitian.

Penelitian ini menggunakan data gempa bumi yang terjadi di sekitar garis pantai atau bawah laut sebagai variabel input pertama yang diklasifikasikan menjadi 3 bagian yaitu Rendah, Sedang, dan Tinggi berdasarkan skala richter. Sedangkan variabel input kedua yaitu aktivitas vulkanik berupa letusan gunung berapi yang terjadi di sepanjang wilayah pesisir, alasan yang mendasari penggunaan variabel input ini karena kemungkinan besar longsoran material dan runtuhan gunung berapi dapat bergerak cepat ke wilayah perairan dan

75

menggantikan air, sehingga air naik ke daratan. Besarnya daya ledak diukur dalam VEI

(Volcanic Explosivity Index). Pada kasus ini ledakan dibagi menjadi 3 jenis ledakan yaitu Tidak Meledak, Meledak, dan Meledak Besar.

Output yang dihasilkan berupa kemungkinan terjadinya tsunami yang dikelompokkan menjadi tiga bagian yaitu waspada 1 (tidak terjadi tsunami), waspada 2 (terjadi tsunami kecil), dan waspada 3 (tsunami besar).

Fungsi keanggotaan yang digunakan dalam penelitian ini yaitu fungsi keanggotaan trapesium. Fungsi keanggotaan variabel input dan output masing-masing adalah sebagai berikut.

76

Fungsi Implikasi yang digunakan berupa relasi IF-THEN, sedangkan komposisi aturan

pada penelitian ini adalah aturan MIN. Pada tahap defuzzyfikasi menggunakan metode centroid. Pengolahan data dalam penelitian ini menggunakan perangkat lunak MATLAB v7.10.0 dengan memanfaatkan toolbox FIS (Fuzzy Inference System) untuk memasukkan nilai variabel input dan output.

HASIL DAN PEMBAHASAN

Data yang digunakan dalam penelitian ini terdiri dari dua kelompok. Tabel 1.

Kekuatan gempa bumi dan ledakan gunung berapi

No. Gempa Bumi Ledakan Gunung Berapi

1 7.1 3.8 2 4.8 2.8 3 5.2 4.8 4 6.9 2.6 5 3.1 2.7 6 8.9 2.8 7 5.1 3.1 8 5.8 1.8 9 6.8 2.5 10 4.8 3.4 11 4.9 3.8 12 7.7 4.2 13 7.1 3.3 14 6.8 3.8 15 6.7 3.1 16 6.8 0.5 17 5.3 4.0 18 5.7 2.6 19 6.5 0.4 20 6.1 1.6 21 5.5 3.0 22 6.7 1.3 23 6.1 2.9 24 8.1 5.4 25 5.2 3.9 26 5.6 3.3 27 5.3 1.8 28 4.0 2.2 29 5.6 2.4 30 4.6 4.8

77

Data tersebut yaitu data gempa bumi yang kekuatannya berkisar dari 0-11 skala richter

dan data ledakan gunung berapi dalam skala VEI. Data gempa bumi dan ledakan gunung berapi yang digunakan dalam penelitian ini disajikan pada Tabel 1.

Semesta ditentukan berdasarkan kekuatan minimum dan maksimum kejadian tiap variabel berdasarkan skalanya masing-masing. Semua variabel memiliki semesta yang berbeda-beda pada setiap fungsinya, seperti yang terlihat pada Tabel 2. Tabel 2.

Daftar variabel yang digunakan

Fungsi Variabel Semesta

Gempa Bumi [0, 11]

Input Ledakan Gunung Berapi [0, 9]

Output Tsunami [0, 13]

Fungsi keanggotaan untuk gempa bumi diklasifikasikan berdasarkan Rendah, Sedang dan Tinggi. Ledakan gunung berapi diklasifikasikan berdasarkan Tidak Meledak, Meledak, dan Meledak Besar. Sedangkan data peringatan tsunami (output) diklasifikasikan berdasarkan Waspada 1, Waspada 2, dan Waspada 3, seperti tertera pada Tabel 3. Tabel 3. Domain himpunan fuzzy

Variabel Himpunan Fuzzy Domain

Gempa Bumi Rendah [0, 6.3] Sedang [6, 8.3] Tinggi [8, 9.9]

Ledakan Gunung Berapi

Tidak Meledak [0, 0.8] Meledak [0.5, 4]

Meledak Besar [3.7, 7.9] Waspada 1 [0, 7]

Tsunami Waspada 2 [6, 10] Waspada 3 [9, 12]

Aturan yang terbentuk berdasarkan variabel input dan variabel output dalam penelitian

ini sebanyak 27 aturan yang dihasilkan melalui proses kombinasi tiap elemen variabel input dan output-nya, kemudian aturan-aturan tersebut diseleksi menghasilkan 9 aturan (Tabel 4.) Tabel 4. Tabel aturan fuzzy

Atur-an

Input Output

Gempa Bumi

Ledakan Gunung Berapi

Klasifikasi

78

1 R TM Waspada 1

2 R M Waspada 1

3 R MB Waspada 2 4 S TM Waspada 1 5 S M Waspada 2 6 S MB Waspada 2 7 T TM Waspada 2 8 T M Waspada 3 9 T MB Waspada 3

Dengan R, S, dan T masing-masing menyatakan Rendah, Sedang, dan Tinggi. TM, M, dan MB masing-masing menyatakan Tidak Meledak, Meledak, dan Meledak Besar. Tabel 5. Hasil pengujian data gempa bumi dan ledakan gunung berapi

Gempa Bumi Ledakan Gunung Berapi Tsunami Warning System

7.1 3.8 8 Waspada 2 4.8 2.8 3.35 Waspada 1 5.2 4.8 8 Waspada 2 6.9 2.6 8 Waspada 2 3.1 2.7 3.23 Waspada 1 8.9 2.8 11.1 Waspada 3 5.1 3.1 3.38 Waspada 1 5.8 1.8 3.43 Waspada 1 6.8 2.5 8 Waspada 2 4.8 3.4 3.35 Waspada 1 4.9 3.8 3.48 Waspada 1 7.7 4.2 8 Waspada 2 7.1 3.3 8 Waspada 2 6.8 3.8 8 Waspada 2 6.7 3.1 8 Waspada 2 6.8 0.5 3.22 Waspada 1 5.3 4.0 8 Waspada 2 5.7 2.6 3.42 Waspada 1 6.5 0.4 3.22 Waspada 1 6.1 1.6 6.35 Waspada 2 5.5 3.0 3.41 Waspada 1 6.7 1.3 8 Waspada 2

6.1 2.9 6.35 Waspada 2 8.1 5.4 8.36 Waspada 2

5.2 3.9 3.68 Waspada 1 5.6 3.3 3.41 Waspada 1 5.3 1.8 3.39 Waspada 1 4.0 2.2 3.3 Waspada 1

79

5.6 2.4 3.41 Waspada 1 4.6 4.8 8 Waspada 2

Pengujian terhadap sistem yang sudah dibentuk dilakukan dengan menggunakan 30 data dari tiap variabel input dan diperoleh keputusan seperti pada Tabel 5.

KESIMPULAN

Aturan fuzzy yang digunakan sebanyak 9 aturan. Hasil pengujian sistem fuzzy terhadap 30 data adalah warning system Waspada 1 sebanyah 15, Waspada 2 sebanyak 14, dan 1 warning system untuk Waspada 3. Logika fuzzy khususnya Fuzzy Inference System

Mamdani dapat digunakan sebagai solusi alternatif dalam membangun tsunami warning

system yang memberikan hasil terbaik, karena peringatan dini yang dibentuk tidak hanya mampu memprediksi akan terjadi tsunami namun besar kekuatan tsunami yang akan terjadi juga dapat diprediksi lebih awal.

DAFTAR PUSTAKA

Aydan, O. 2008. Seismic and Tsunami Hazard Potential in Indonesia with a special emphasis on Sumatra Island, Journal of The School of Marine Science and

Technology, Vol. 6 No. 3: 19-38, Tokai University, Tokyo

Kusumadewi, S. 2002. Analisis dan Desain Sistem Fuzzy Menggunakan ToolBox Matlab. Graha Ilmu, Yogyakarta

Effendi, H. 2008. Aplikasi Logika Fuzzy untuk Peramalan Beban Listrik Jangka Pendek Menggunakan Matlab. SAINSTEK XII(1): 52-58. Universitas Negeri Padang, Padang

Marzuki, Hafnani, Ernyda, N., dan Rahmat, D. 2016. Sistem Inferensi Fuzzy Mamdani dalam Pengklasifikasian Warna Varietas Tomat. Prosiding Semirata 2016 Bidang MIPA

BKS-PTN Wilayah Barat: 312-316. FMIPA Universitas Sriwijaya, Palembang

Kusumadewi, S. dan Purnomo. 2013. Aplikasi Logika Fuzzy untuk Pendukung Keputusan,

Edisi Kedua. Graha Ilmu, Yogyakarta

Tayal, T. dan Prema KV. 2014. Design and Implementation of A Fuzzy Based Tsunami Warning System, IJRET: International Journal of Research in Engineering and

Technology, Karnataka.