J-ICON.
Vol.
8 No.
Oktober 2020, pp.
DOI: 10.
35508/jicon.
SISTEM PERAMALAN CUACA DENGAN FUZZY MAMDANI
(Studi Kasus: Badan Meteorologi.
Klimatologi, dan Geofisika Lasian.
Immanuel Here Wele 1.
Nelci Dessy Rumlaklak 2 dan Meiton Boru 3
1,2,3
Program Studi Ilmu Komputer.
Fakultas Sains dan Teknik.
Universitas Nusa Cendana email: dessyrumlaklak@staf.
email: meitonboru@staf.
ABSTRAK
Cuaca merupakan salah satu bagian dari keseharian manusia.
Banyak orang yang menggantungkan hidupnya pada keadaan cuaca untuk melakukan setiap kegiatannya.
Oleh karena itu dengan diketahuinya peramalan cuaca akan memberikan pertimbangan kepada masyarakat untuk dapat melakukan berbagai aktifitas kehidupan manusia seperti pada bidang penerbangan, pelayaran, pertanian, industri olahan dan lain sebagainya yang bergantung pada kondisi cuaca.
Untuk itu pihak BMKG Indonesia setiap harinya bertugas untuk memberikan informasi prakiraan cuaca berdasarkan data-data meteorologi yang ada dengan menggunakan perhitungan yang rumit.
Penelitian ini bertujuan membangun suatu sistem yang akan menjadi alternatif bagi pihak BMKG dalam meramalkan cuaca menggunakan logika fuzzy berdasarkan empat kriteria pendukung yaitu suhu udara, kelembaban udara, kecepatan angin dan tekanan udara.
Dalam melakukan prakiraan cuaca menggunakan fuzzy mamdani terdapat beberapa langkah yaitu menentukan himpunan fuzzy.
Aplikasi fungsi implikasi menggunakan fungsi MIN, komposisi aturan menggunakan fungsi MAX, dan yang terakhir proses defuzzifikasi menggunakan metode MOM.
Sistem ini akan menghasilkan hasil prakiraan cuaca berdasarkan data suhu udara, kelembaban udara, kecepatan angin dan tekanan udara yang telah dimasukan pengguna sistem dengan menunjukan tingkat keanggotaan dari hasil Berdasarkan pengujian yang telah dilakukan disimpulkan bahwa sistem yang dibangun menggunakan fuzzy mamdani dapat melakukan prakiraan cuaca dengan baik dengan tingkat akurasi sistem 61,062 % menggunakan data cuaca perhari sebanyak 1826 data pada tahun 2013-2017, dengan tingkat akurasi terendah terdapat pada tahun 2015 dengan tingkat akurasi 54,247 % dan akurasi tertinggi pada tahun 2017 sebesar 65,207 %.
Kata kunci: logika fuzzy, fuzzy Mamdani, prakiraan cuaca.
ABSTRACT
The weather is one part of human daily life.
Many people who depend their lives on the weather to do every activity.
Therefore, knowing the weather forecasting will give consideration to the community to be able to carry out various activities of human life such as in the field of aviation, shipping, agriculture, processed industries and others that depend on weather conditions.
For this reason, the Indonesian BMKG has the duty to provide weather forecast information based on existing meteorological data using complex This study aims to build a system that will be an alternative for BMKG in forecasting weather using fuzzy based on four supporting criteria, namely air temperature, humidity, wind speed and air In doing weather forecasts using Mamdani fuzzy there are several steps, namely determining the fuzzy set, the application of the implication function using the MIN function, the composition of the rules using the MAX function, and finally the defuzzification process using the MOM method.
This system will produce weather forecast results based on data on air temperature, air humidity, wind speed and air pressure that have been entered by the system user by showing the membership level of the predicted Based on testing that has been done, it is concluded that the system built using Mamdani fuzzy can do a good weather forecast with a system accuracy rate of 61,062% using daily weather data as many as 1826 data in 2013-2017, with the lowest accuracy level found in 2015 with an accuracy rate of 54,247 % and highest accuracy in 2017 amounted to 65.
Keywords: fuzzy logic, fuzzy Mamdani, weather forecast
PENDAHULUAN
Cuaca merupakan salah satu bagian dari keseharian manusia.
Banyak orang yang menggantungkan hidupnya pada keadaan cuaca untuk melakukan setiap kegiatannya.
Pada saat peralihan dari musim hujan ke kemarau atau sebaliknya, cuaca sangat sulit diperkirakan sehingga terkadang membuat kegiatan manusia seringkali terhambat seperti dalam melakukan perencanaan penerbangan, pelayaran dan lain sebagainya yang bergantung pada kondisi cuaca.
ISSN: 2337-7631 .
ISSN: 2654-4091 (Onlin.
J-ICON.
Vol.
8 No.
Oktober 2020, pp.
DOI: 10.
35508/jicon.
Untuk itu setiap harinya BMKG Indonesia sebagai lembaga yang bergerak dalam bidang Meteorologi.
Klimatologi.
Kualitas udara dan Geofisika bertugas untuk memberikan informasi mengenai prakiraan cuaca di Indonesia berdasarkan data-data meteorologi yang ada.
Namun saat ini sangat sulit untuk meramalkan cuaca dengan metode peramalan yang sederhana dengan cepat karena perubahan iklim global mengakibatkan fenomena atmosfer sangat cepat berganti yang akan membuat pergantian musim menjadi tidak teratur dan pada dasarnya Indonesia mempunyai kompleksitas dalam fenomena cuaca dan iklim.
Oleh karena itu dengan semakin majunya ilmu pengetahuan dan teknologi untuk mempermudah dilakukannya peramalan cuaca berdasarkan data meteorologi, maka akan dibuat suatu metode untuk memprediksi kondisi cuaca lebih dini menggunakan data yang ada pada BMKG, yaitu dengan membangun suatu sistem yang akan menjadi alternatif lain bagi pihak BMKG dalam meramalkan cuaca menggunakan prinsip logika fuzzy dengan berdasarkan pada empat kriteria pendukung yaitu suhu udara, kelembaban udara, kecepatan angin dan tekanan udara.
Logika fuzzy pada sistem pendukung keputusan merupakan sistem pendukung keputusan antara manusia dan komputer untuk mendukung keputusan manajerial, dan intuisi untuk memecahkan masalah manajerial dengan memberikan informasi yang diperlukan, menghasilkan, mengevaluasi dan memberikan keputusan alternative .
Fuzzy mamdani digunakan dalam penelitian ini karena memiliki kemampuan dalam menangani penentuan prediksi kejadian hujan berdasarkan data input karena metode mamdani dapat mendeskripsikan pendapat pakar secara lebih Auhuman-mannerAy atau lebih mudah dimengerti oleh para awam daripada metode yang lain .
MATERI DAN METODE
Teori Himpunan Fuzzy Pada akhir abad ke-19 hingga abad ke-20, teori probabilitas memegang peranan penting untuk penyelesaian masalah ketidakpastian.
Zadeh memperkenalkan teori himpunan fuzzy, yang secara tidak langsung mengisyaratkan bahwa tidak hanya teori probabilitas saja yang dapat digunakan untuk merepresentasikan masalah ketidakpastian .
Namun demikian, teori himpunan fuzzy bukanlah pengganti dari teori probabilitas.
Pada teori himpunan fuzzy, komponen utama yang sangat berpengaruh adalah fungsi Fungsi keanggotaan merepresentasikan derajat kedekatan suatu objek terhadap atribut tertentu, sedangkan teori probabilitas lebih pada penggunaan frekuensi relatif .
Teori himpunan fuzzy merupakan kerangka matematis yang digunakan untuk merepresentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan kebenaran parsial .
Fungsi Keanggotaan Fungsi keanggotaan .
embership functio.
adalah suatu kurva yang menunjukkan pemetaan titiktitik input data ke dalam nilai keanggotaannya .
ering juga disebut dengan derajat keanggotaa.
yang memiliki interval 0 sampai 1 .
Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi.
Ada beberapa fungsi keanggotaan yang bisa digunakan, diantaranya fungsi keanggotaan trapesium, dapat dilihat pada gambar 1.
Gambar 1.
Kurva trapesium Representasi fungsi keanggotaan untuk kurva trapesium adalah sebagai berikut:
yca O ycu O yca ycu O yca ,ycu Ou ycc .
cu, a, b, c, .
= ycuOeyca .
yca O ycu O yca .
ycaOeyca yccOeycu { yccOeyca .
yca O ycu O ycc a = nilai domain terkecil yang mempunyai derajat keanggotaan nol ISSN: 2337-7631 .
ISSN: 2654-4091 (Onlin.
J-ICON.
Vol.
8 No.
Oktober 2020, pp.
DOI: 10.
35508/jicon.
b = nilai domain terkecil yang mempunyai derajat keanggotaan satu c = nilai domain terbesar yang mempunyai derajat keanggotaan satu d = nilai domain terbesar yang mempunyai derajat keanggotaan nol x = nilai input yang akan di ubah ke dalam bilangan fuzzy Metode Mamdani Metode Mamdani sering juga dikenal dengan nama metode Max-Min.
metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975 .
Inferensi output yang dihasilkan berupa bilangan fuzzy maka harus ditentukan suatu nilai crisp tertentu sebagai output.
Proses ini dikenal dengan defuzzifikasi.
Untuk mendapatkan output, diperlukan 4 tahapan:
Pembentukan himpunan fuzzy Menentukan semua variabel yang terkait dalam proses yang akan ditentukan.
Untuk masingmasing variabel input, tentukan suatu fungsi fuzzifikasi yang sesuai.
Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
Aplikasi fungsi implikasi Menyusun basis aturan, yaitu aturan-aturan berupa implikasi-implikasi fuzzy yang menyatakan relasi antara variabel input dengan variabel output.
Pada metode mamdani, fungsi implikasi yang digunakan adalah Min.
Bentuk persamaannya seperti pada persamaan 2.
AOB = min(A.
,B.
)A.
Komposisi aturan Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan kolerasi antar aturan.
Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu:
Metode Max (Maximu.
Metode Max (Maximu.
mengambil solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR .
Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proporsi.
secara umum seperti pada persamaan 3.
yuNycyce .
cuycn ] Ia max ( yuNycyce .
cuycn ], yuNycoyce .
cuycn ] ) .
yuNycyce .
cuycn ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i yuNycoyce .
cuycn ] = nilai keanggotaan konsekuen fuzzy sampai aturan ke-i Metode Additive (Su.
Metode Additive (Su.
mengambil solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy.
Secara umum seperti pada persamaan 4.
yuNycyce .
cuycn ] Ia max .
, yuNycyce .
cuycn ] yuNycoyce .
cuycn ] ) .
yuNycyce .
cuycn ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i yuNycoyce .
cuycn ] = nilai keanggotaan konsekuen fuzzy sampai aturan ke-i Metode Probabilistik OR .
Metode Probabilitik OR .
mengambil solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy.
Secara umum seperti pada yuNycyce .
cuycn ] Ia - .
, yuNycyce .
cuycn ] yuNycoyce .
cuycn ] - yuNycyce .
cuycn ] * yuNycoyce .
cuycn ] ) .
yuNycyce .
cuycn ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i yuNycoyce .
cuycn ] = nilai keanggotaan konsekuen fuzzy sampai aturan ke-i Defuzzifikasi Input dari proses penegasan adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturanaturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan real yang tegas.
Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu sebagai output seperti terlihat pada gambar 2.
Metode defuzzifikasi yang digunakan pada komposisi aturan mamdani adalah metode mean of maximum (MOM).
Pada metode mean of maximum solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.
ISSN: 2337-7631 .
ISSN: 2654-4091 (Onlin.
J-ICON.
Vol.
8 No.
Oktober 2020, pp.
DOI: 10.
35508/jicon.
Gambar 2.
Output defuzzifikasi Analisis Sistem yang Diusulkan Sistem yang akan dibangun adalah sistem yang dapat memberikan kesimpulan terhadap hasil prakiraan cuaca, sistem yang dibangun adalah suatu aplikasi sistem pendukung keputusan untuk prakiraan cuaca dengan menerapkan logika fuzzy metode Mamdani.
Berikut adalah flowchart sistem yang dapat memudahkan dalam pemrosesan data dan penelusuran yang dikerjakan oleh sistem .
Gambar 3.
Flowchart sistem prakiraan cuaca Pada gambar 3 awal sistem akan meminta memasukan nilai suhu, tekanan udara, kecepatan angin, dan kelembaban udara yang nantinya akan di validasi oleh sistem, jika nilai variabel suhu udara, kelembaban udara, kecepatan angin dan tekanan udara yang dimasukan benar maka akan dilanjutkan pada proses perhitungan fuzzy mamdani namun jika salah maka sistem akan mengarahkan kembali untuk memasukan data kembali, setelah proses perhitungan dengan metode mamdani dilakukan maka hasilnya yang berupa hasil prediksi akan disimpan dalam sistem yang nantinya akan dilihat oleh user.
HASIL DAN PEMBAHASAN
Hasil Perancangan Sistem Hasil perancangan dari sistem pendukung keputusan menggunakan logika fuzzy dalam peramalan cuaca yaitu antarmuka sistem.
Antarmuka digunakan untuk mempermudah komunikasi antara pengguna dengan sistem.
Berikut ini perancangan antarmuka dalam sistem peramalan cuaca menggunakan logika Antarmuka Halaman Awal Pada tampilan halaman awal terdapat menu login sebelum masuk ke halaman utama yang terlihat pada gambar 4.
ISSN: 2337-7631 .
ISSN: 2654-4091 (Onlin.
J-ICON.
Vol.
8 No.
Oktober 2020, pp.
DOI: 10.
35508/jicon.
Gambar 4.
Antarmuka halaman awal Antarmuka Halaman Prediksi Halaman ini merupakan halaman yang digunakan pengguna untuk melakukan prediksi cuaca menggunakan fuzzy mamdani, pada halaman ini terdapat form prediksi, pengguna dapat memasukan data yang diminta untuk kebutuhan prediksi, setelah memasukan data dan menekan tombol jalankan maka sistem akan menunjukan hasil prediksi cuaca.
Antarmuka menu prediksi dapat dilihat pada gambar 5.
Gambar 5.
Antarmuka menu prediksi cuaca Antarmuka Halaman Data Per hari Halaman ini merupakan halaman yang digunakan pengguna untuk memasukan data per hari, mengubah data dan menghapusnya.
Data ini nantinya dapat dilakukan pengujian akurasi oleh sistem pada menu Testing.
Antarmuka menu prediksi dapat dilihat pada gambar 6.
Gambar 6.
Antarmuka halaman data per hari ISSN: 2337-7631 .
ISSN: 2654-4091 (Onlin.
J-ICON.
Vol.
8 No.
Oktober 2020, pp.
DOI: 10.
35508/jicon.
Antarmuka Halaman Rules Halaman ini merupakan halaman yang berisikan aturan-aturan yang mempengaruhi perhitungan metode fuzzy mamdani.
Pada halaman ini pengguna dapat menambah, mengubah dan menghapus Antarmuka menu prediksi dapat dilihat pada gambar 7.
Gambar 7.
Antarmuka halaman data aturan Pembahasan Penelitian ini telah menghasilkan sebuah sistem prakiraan cuaca sesuai dengan tujuan penelitian.
Berdasarkan data yang diperoleh di Badan Klimatologi Lasiana-Kupang sebanyak 1826 data cuaca per hari dan 60 data cuaca perbulan pada tahun 2013 Ae 2017.
Telah membentuk fungsi keanggotaan dari setiap variabel yaitu suhu udara, kelembaban udara, kecepatan angin dan tekanan udara berdasarkan data cuaca perbulan dan data cuaca perhari digunakan untuk pengujian akurasi sistem.
Setelah terbentuknya fungsi keanggotaan, maka dilakukan pembentukan aturan fuzzy, yaitu aturan aturan yang dibentuk digunakan untuk menyatakan relasi antara input-output.
Prediksi cuaca pada sistem ini dilakukan dengan user memasukan data suhu udara, kelembaban udara, kecepatan angin dan tekanan udara yang berupa angka yang nantinya akan dilakukan proses penentuan himpunan fuzzy berdasarkan data masukan, mengambil tingkat keanggotaan yang minimum dari variabel input sebagai output berdasarkan aturan-aturan yang sesuai dengan kondisi yang ada, komposisi aturan menggunakan fungsi MAX dan defuzzifikasi, yang setiap prosesnya akan dilakukan dalam sistem ini untuk memperoleh hasil prakiraan cuaca.
Pada sistem ini juga akan menampilkan hasil pengujian data cuaca per hari yang telah dimasukan untuk menghitung akurasi sistem dengan membandingkan hasil prakiraan sistem dengan data cuaca perhari yang telah dimasukan, ketika ada hasil yang berbeda antara sistem dengan data yang ada maka sistem akan menandainya dengan kolom berwarna merah.
Adapun beberapa hasil prediksi sistem yang memiliki hasil prediksi yang jauh dari data sebernarnya, hal ini dikarenakan perubahan iklim global yang mengakibatkan kondisi atmosfer sangat cepat berganti sehingga kadang membuat prakiraan cuaca sebelumnya berbeda dengan keadaannya.
Pengujian Sistem Pengujian ini akan membandingkan hasil dari sistem yang dibangun dengan data prakiraan cuaca pada tahun 2013-2017 yang telah ada.
Pengujian juga dilakukan dengan menghitung tingkat akurasi sistem dengan menggunakan data cuaca pertahun yaitu pada tahun 2013, 2014, 2015, 2016 dan tahun 2017 yang dapat dilihat pada tabel 1.
Tabel 1.
Tingkat akurasi sistem data pertahun Tahun Jumlah data uji
Jumlah hasil uji sistem yang benar Tingkat akurasi
56,164 %
64,658 %
54,247 %
65,027 %
65,205 %
Pada tabel 1 dapat dilihat bahwa tingkat akurasi tertinggi terdapat pada tahun 2017 dengan tingkat akurasi sebesar 65,205 % dan akurasi terendah terdapat pada tahun 2015 dengan tingkat akurasi sebesar 54,247 %.
Pengujian sistem menggunakan data perbulan pada tahun 2015 untuk melihat bulan manakah ISSN: 2337-7631 .
ISSN: 2654-4091 (Onlin.
J-ICON.
Vol.
8 No.
Oktober 2020, pp.
DOI: 10.
35508/jicon.
yang memiliki perubahan iklim global terekstrim yang membuat sistem kesulitan untuk melakukan prakiraan cuaca.
Hasil pengujian dapat dilihat pada tabel 2.
Tabel 2.
Tingkat akurasi sistem data perbulan tahun 2015
Jan
Bulan Tingkat akurasi 83,87 (%) Feb
Mar
Apr
Mei
Jun
Jul
Ags
Sep
Okt
Nov
Des
32,14
9,67
70,00
22,58
73,33
83,87
86,66
19,35
63,33
6,45
Pada tabel 2 dapat dilihat bahwa prakiraan cuaca perbulan pada tahun 2015 yang memiliki tingkat akurasi terendah terdapat pada bulan desember sebesar 6,45 % dan pada bulan maret dengan tingkat akurasi 9,67 % yang merupakan bulan peralihan musim yang mengakibatkan sistem kesulitan untuk memprakirakan cuaca karna perubahan iklim.
KESIMPULAN DAN SARAN
Kesimpulan Berdasarkan hasil dan pembahasan yang telah dijelaskan, maka dapat disimpulkan bahwa penerapan logika fuzzy untuk sistem peramalan cuaca dengan empat variabel suhu udara, kelembaban udara, kecepatan angin dan tekanan udara menggunakan metode mamdani dapat melakukan prakiraan cuaca dengan baik dengan tingkat akurasi sistem 61,062 % untuk data cuaca per hari pada tahun 2013-2017.
Pengujian sistem juga dilakukan untuk masing-masing tahun dengan tingkat akurasi terendah terdapat pada tahun 2015 sebesar 54,26 % dan tingkat akurasi tertinggi pada tahun 2017 sebesar 65,20 %.
Saran Berdasarkan hasil penelitian yang telah dilakukan, berikut beberapa saran untuk pengembangan lebih lanjut penerapan logika fuzzy untuk sistem peramalan cuaca yaitu:
menambah variabel dalam melakukan prakiraan cuaca.
menambah jumlah data dalam membentuk fungsi keanggotaan.
dapat menggunakan metode lain untuk prakiraan cuaca 2 hari kedepannya atau lebih menggunakan data cuaca hari ini.
DAFTAR PUSTAKA