ANALISA PERBANDINGAN METODE SUGENO DAN MAMDANI DALAM SISTEM PREDIKSI CUACA (STUDI KASUS BMKG KELAS III TANJUNGPINANG)

ANALISA PERBANDINGAN METODE SUGENO DAN MAMDANI DALAM SISTEM PREDIKSI CUACA (STUDI KASUS BMKG KELAS III TANJUNGPINANG) Zulkifli Mahmud Jurusan Teknik Informatika, Fakultas Teknik Universitas Maritim Raja Ali Haji Email : [email protected] Nerfita Nikentari, S.T., M.Cs. Dosen Jurusan Teknik Informatika, Fakultas Teknik Universitas Maritim Raja Ali Haji Eka Suswaini, S.T., M.T. Dosen Jurusan Teknik Informatika, Fakultas Teknik Universitas Maritim Raja Ali Haji ABSTRAK Banyaknya tuntutan dari berbagai pihak yang membutuhkan informasi kondisi cuaca yang lebih cepat, lengkap dan akurat maka muncullah berbagai metode untuk melakukan prediksi cuaca. Prediksi cuaca adalah salah satu contoh permasalahan yang sering sekali memiliki jawaban yang tidak pasti. Logika fuzzy merupakan salah satu metode untuk menyelesaikan permasalahan tersebut. Tujuan penelitian ini adalah membangun sistem yang diharapkan mampu melakukan prediksi cuaca menggunakan metode Sugeno dan Mamdani serta membandingkan hasil prediksi dari kedua metode tersebut. Pada penelitian ini digunakan 5 variabel input yaitu suhu, tekanan, kelembaban, kecepatan angin dan intensitas penyinaran matahari. Dari 90 data yang digunakan sebagai data test diperoleh hasil prediksi cuaca sebagai berikut: prediksi cuaca menggunakan metode Sugeno mehasilkan data tepat prediksi sebanyak 69 data atau tingkat keakuratan sebesar 76,67%. Sedangkan prediksi dengan metode Mamdani memiliki 29 data tepat prediksi atau tingkat keakuratan sebesar 32,22%. ABSTRACT Many demands from some people who need more quickly, complete and accurate information on weather conditions so comes some methods for predicting the weather. Weather prediction is one of many problems that often have uncertain answer. Fuzzy logic is a method to resolve that case. The purpose of this essay is to build a system that can predict the weather using Sugeno and Mamdani, then compare the predict result from both methods. There are 5 input variables which are temperature, pressure, humidity, wind speed and solar radiation. From 90 data used as test data obtained weather prediction results : the weather prediction with Sugeno method obtained 69 valid prediction data or 76,67%. While the prediction with Mamdani method had 29 valid prediction data or 32,22% .

1

I.

Menurut Decky Irmawan dan

PENDAHULUAN Menurut Ervina (2014), cuaca

Khamami

Herusantoso

(2008),

adalah keadaan atmosfer pada suatu

prediksi cuaca merupakan suatu hasil

daerah dengan cakupan wilayah yang

kegiatan pengamatan kondisi fisis

sempit dan dalam waktu yang relatif

dan dinamis udara dari berbagai

singkat.

yang

tempat pengamatan yang kemudian

cuaca.

dikumpulkan, di mana kumpulan

Keadaan cuaca dipengaruhi oleh

hasil pengamatan dilakukan secara

beberapa unsur cuaca yang saling

matematis dengan memperhatikan

berkaitan satu sama dengan yang lain

ruang dan waktu kecenderungan

yaitu

kondisi fisis udara sedemikian rupa

Banyak

mempengaruhi

suhu,

faktor kondisi

kelembaban

udara,

kecepatan angin, tekanan udara dan

sehingga diperoleh suatu prediksi.

intensitas penyinaran matahari. Banyak

Berdasarkan

orang

yang

masalah

menggantungkan

hidupnya

pada

sebelumnya,

keadaan

seperti

cuaca,

petani,

yang

latar

belakang

telah

diuraikan

maka

perumusan

masalah yang diangkat pada tugas

nelayan, pedagang, pekerja kantoran

akhir

hingga siswa sekolah, bahkan pilot

membangun sistem prediksi cuaca

pesawat

menggunakan metode Sugeno dan

terbang.

Dikarenakan

ini

adalah

Bagaimana

banyaknya tuntutan dari berbagai

Mamdani

pihak yang membutuhkan informasi

perbandingan hasil prediksi cuaca

kondisi cuaca yang lebih cepat,

menggunakan metode Sugeno dan

lengkap, dan akurat maka muncullah

Mamdani.

Tujuan

berbagai metode untuk melakukan

adalah

Menganalisa

prediksi cuaca. Prediksi cuaca adalah

perbandingan prediksi cuaca metode

salah satu contoh permasalahan yang

Sugeno

sering sekali memiliki jawaban yang

Sedangkan manfaat dari penelitian

tidak pasti. Logika fuzzy merupakan

ini diharapkan dapat menghasilkan

salah

untuk

sistem yang mampu memprediksi

permasalahan

cuaca menggunakan metode Sugeno

satu

menyelesaikan tersebut.

metode

dan

serta

dan

Mamdani

Bagaimana

penelitian

metode

serta

ini hasil

Mamdani.

mengetahui

2

metode mana yang lebih baik antara

2. Semesta

pembicaraan

metode Sugeno dan Mamdani dalam

keseluruhan

penerapannya pada sistem prediksi

diperbolehkan untuk dioperasikan

cuaca.

dalam

suatu

Contoh: II.

Kusumadewi

Purnomo (2010),

variabe

semesta

yang

Fuzzy.

pembicaraan

untuk variabel Temperatur: X=

TINJAUAN PUSTAKA Menurut

nilai

adalah

dan

[0,100].

logika Fuzzy

3. Domain himpunan Fuzzy adalah

adalah komponen pembentuk soft

keseluruhan nilai yang diizinkan

computing.

Fuzzy

dalam semesta pembicaraan dan

adalah teori himpunan Fuzzy. Pada

boleh dioperasikan dalam suatu

teori

peranan

himpunan Fuzzy.Contoh domain

derajat keanggotaan sebagai penentu

himpunan Fuzzy untuk semesta

keberadaan

X=[0, 120].

Dasar

himpunan

logika

Fuzzy,

elemen

dalam

suatu

himpunan sangatlah penting. Nilai keanggotaan menjadi ciri utama dari penalaran

dengan

logika

2.2 Fungsi Keanggotaan

Fuzzy

tersebut.

Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik – titik input data ke dalam nilai keanggotaannya

2.1 Himpunan Fuzzy Himpunan

Fuzzy

merupakan

yang

memiliki

interval antara 0 sampai 1.

suatu grup yang mewakili suatu



kondisi atau keadaan tertentu dalam

Daerah yang terletak di tengah-

suatu variabel Fuzzy. Ada beberapa

tengah

hal yang perlu diketahui dalam

direpresentasikan

pemahaman sistem Fuzzy:

segitiga, pada sisi kanan dan kirinya

1. Variabel

Fuzzy

Representasi Kurva Bentuk Bahu

suatu

variabel dalam

yang bentuk

merupakan

akan naik dan turun (misalkan:

variabel yang hendak dibahas

dingin bergerak ke sejuk bergerak ke

dalam

Fuzzy.

hangat dan bergerak ke panas).

Contoh: permintaan, persediaan,

Tetapi terkadang salah satu sisi dari

produksi.

variabel tersebut tidak mengalami

suatu

sistem

3

perubahan. Sebagai contoh, apabila

mengambil nilai maksimum aturan,

telah

panas,

kemudian menggunakannya untuk

kenaikan Temperatur akan tetap

memodifikasi daerah Fuzzy, dan

berada pada kondisi panas.

mengaplikasikannya

mencapai

kondisi

ke

output

dengan menggunakan operator OR (union). 4. Penegasan (DeFuzzy) Input dari proses defuzzifikasi adalah suatu

himpunan

Fuzzy

yang

diperoleh dari komposisi aturanGambar 2.1 Kurva Bahu

aturan Fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan

2.3 Metode Mamdani

pada

Metode ini diperkenalkan oleh

domain

himpunan

Fuzzy

tersebut.

Ebrahim Mamdani pada tahun 1975. Menurut Kusumadewi dan Purnomo (2010), Untuk mendapatkan output pada metode Mamdani diperlukan 4 tahapan: 1. Pembentukan Himpunan Fuzzy Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan Fuzzy. 2. Aplikasi Fungsi Implikasi Pada

metode

Mamdani,

fungsi

implikasi yang digunakan adalah Min. 3. Komposisi Aturan Pada metode ini, solusi himpunan Fuzzy

diperoleh

dengan

cara

Gambar 2.2 Flowchart Metode Mamdani 4

2.4 Metode Sugeno

2.5 Prediksi Cuaca

Model Fuzzy Sugeno memiliki

Menurut Ahmad Rivai (2013) ada

penalaran yang hampir sama dengan

beberapa

model Fuzzy Mamdani. Namun, bila

berinteraksi

output

lainnya yang pada hasil akhirnya

penalaran

dengan

model

unsur satu

cuaca

yang

dengan

yang

Fuzzy Mamdani berupa himpunan

menghasilkan

Fuzzy, dalam model Fuzzy Sugeno

tersebut dijelaskan di bawah ini.

output

Suhu Udara

berupa

konstanta

atau

persamaan linier.

hujan.

Unsur-unsur

Suhu atau temperatur udara adalah derajat panas dari aktivitas

𝑧=

𝑍1 𝑥 𝛼1 +. . . + 𝑍𝑛 𝑥 𝛼𝑛 𝛼1 𝑥 … 𝑥 𝛼𝑛

molekul dalam atmosfer. Secara fisis suhu didefinisikan sebagai tingkat gerakan yang berasal dari molekul benda,

makin

cepat

gerakan

molekulnya, makin tinggi suhunya. Tekanan Udara Pada saat tekanan udara tinggi cuaca biasanya kering dan cerah. Sebaliknya saat tekanan menurun, saat udara naik menyebabkan terjadi daerah

tekanan

rendah,

cuaca

biasanya basah dan berawan. Kelembaban Udara Kelembaban

udara

adalah

kandungan uap air di udara yang Gambar 2.3 Flowchart Metode Sugeno

terdiri

dari

kelembaban

mutlak,

kelembaban nisbi (relatif), maupun defisit tekanan uap air. Angin Angin

adalah

udara

yang

bergerak yang diakibatkan oleh rotasi

5

bumi

dan

juga

perbedaan

karena

tekanan

adanya udara

A.

Fungsi Keanggotaan Fungsi keanggotaan memiliki

disekitarnya.

interval

Radiasi Matahari

berdasarkan rentang nilai domain

Radiasi

yang

0

sampai

1

diambil

dipancarkan

himpunan Fuzzy dari tiap variabel .

matahari walaupun hanya sebagian

Berikut akan dijabarkan lebih lanjut

kecil yang diterima permukaan bumi

mengenai fungsi keanggotaan dari

merupakan sumber energi utama

masing-masing variabel.

untuk proses-proses fisika atmosfer. Fungsi keanggotaan variabel suhu III. PERANCANGAN

DAN

IMPLEMENTASI Pada bab ini akan dibahas mengenai

analisa

perancangan

Sistem prediksi cuaca menggunakan

Gambar 3.1 Kurva fungsi keanggotaan suhu

metode Fuzzy Sugeno dan Mamdani. Tahap analisa perancangan sistem terdiri

dari

Fuzzy

perancangan

dan

analisis

logika

kebutuhan µ(Rendah) =

perangkat lunak.

3.1

Perancangan Logika Fuzzy Tahap

Fungsi keanggotaan suhu dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 :

analisa

µ(Sedang) =

himpunan

Fuzzy,

fungsi

keanggotaan,

aturan Fuzzy serta

0; 1; 𝑥−22,4 ;

𝑥 ≥ 26,7 𝑥 = 26,7 23,9 < 𝑥 < 26,7

26,7−23,9

26,7−23,9 29,5−𝑥

;

26,7 < 𝑥 < 29,5

0;

µ(Tinggi) =

𝑥 ≥ 29,5 𝑎𝑡𝑎𝑢𝑥 ≤ 23,9 1; 𝑥 ≥ 29,5 𝑥−26,7 ; 26,7 < 𝑥 < 29,5

29,5−26,7

0;

mengenai variabel Fuzzy, himpunan Fuzzy, semesta pembicara, domain

𝑥 ≤ 23,9 23,9 < 𝑥 < 26,7

29,5−26,7

perancangan

logika Fuzzy meliputi penjelasan

1; ;

26,7−𝑥

Fungsi tekanan

𝑥 ≤ 26,7

keanggotaan

variabel

langkah pada metode Sugeno dan Mamdani. Berikut penjelasan lebih lanjut dari masing-masing tahapan.

6

Gambar 3.2 Kurva fungsi keanggotaan tekanan Fungsi keanggotaan tekanan dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 : 1; µ(Rendah) =

1015 ,9−1011,25

0;

𝑥 ≥ 1011,25 𝑥 = 1011,25

1;

1011,25−1006,6 1015 ,9−𝑥

µ(Sedang) =

µ(Tinggi) =

; 1006,6 < 𝑥 < 1011,25

1011 ,25−1006,6

𝑥−1006,6

1;

𝑥 ≤ 1006,6

1011 ,25−𝑥

0;

1015,9−1011,25

µ(Rendah) =

; 1006,6 < 𝑥 < 1011,25

;

1011,25 < 𝑥 < 1015,9

𝑥 ≥ 1015,9 𝑎𝑡𝑎𝑢 𝑥 ≤ 1006,6 1; 𝑥 ≥ 1015,9

𝑥−1011,25

Gambar 3.4 Kurva fungsi keanggotaan kecepatan angin Fungsi keanggotaan kecepatan angin dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 :

;

0;

µ(Sedang) =

9,5−𝑥

;

1 < 𝑥 < 9,5

0; 1; 𝑥−1 ;

𝑥 ≥ 9,5 𝑥 = 9,5 1 < 𝑥 < 9,5

9,5−1

9,5−1 18−𝑥 18−9,5

1011,25 < 𝑥 < 1015,9

0;

Fungsi keanggotaan kelembaban

variabel

;

9,5 < 𝑥 < 18

𝑥 ≥ 18 𝑎𝑡𝑎𝑢 𝑥 ≤ 1 1; 𝑥 ≥ 18

𝑥 ≤ 1011,25

µ(Tinggi) =

𝑥≤1

𝑥−9,5 18−9,5

;

0;

9,5 < 𝑥 < 18 𝑥 ≤ 9,5

Fungsi keanggotaan variabel intensitas penyinaran matahari

Gambar 3.3 Kurva fungsi keanggotaan kelembaban Fungsi keanggotaan kelembaban dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 : 1; µ(Rendah) =

µ(Sedang) =

84−𝑥

; 0; 1; 𝑥− 69 ;

84− 69

84− 69 99−𝑥 99− 84

0;

µ(Tinggi) =

𝑥− 84

;

𝑥 ≤ 69 69 < 𝑥 < 84 𝑥 ≥ 84 𝑥 = 84 69 < 𝑥 < 84 84 < 𝑥 < 99

𝑥 ≥ 99 𝑎𝑡𝑎𝑢𝑥 ≤ 69 1; 𝑥 ≥ 99

; 0;

99− 84

84 < 𝑥 < 99 𝑥 ≤ 84

Gambar 3.5 Kurva fungsi keanggotaan intensitas penyinaran matahari Fungsi keanggotaan intensitas penyinaran matahri dibuat berdasarkan persamaan 2.1, persamaan 2.2 dan persamaan 2.3 : µ(Rendah) =

50−𝑥 50−1

1;

𝑥≤1

;

1 < 𝑥 < 50

0; 1; 𝑥−1 ;

µ(Sedang) =

50−1 99−𝑥

𝑥 ≥ 50 𝑥 = 50 1 < 𝑥 < 50

; 50 < 𝑥 < 99 𝑥 ≥ 99 𝑎𝑡𝑎𝑢 𝑥 ≤ 1 1; 𝑥 ≥ 99

99−50

Fungsi keanggotaan kecepatan angin

0;

variabel µ(Tinggi) =

𝑥−50 99−50

;

0;

50 < 𝑥 < 99 𝑥 ≤ 50

7

B.

Pembentukan Aturan Fuzzy Berdasarkan

data



Untuk

fungsi

keanggotaan

training

kecepatan angin: himpunan rendah

selama 2 tahun terbentuk 25 aturan

diberi bobot 1, sedang diberi bobot

Fuzzy yang akan digunakan pada

2, dan tinggi diberi bobot 3.

Sistem prediksi cuaca.



Untuk

fungsi

intensitas

keanggotaan

penyinaran

matahari

:

Aturan Fuzzy Pada Metode Sugeno

himpunan rendah diberi bobot 3,

Pada Sistem prediksi cuaca ini

sedang diberi bobot 2, dan tinggi

digunakan metode Sugeno orde 0

diberi bobot 1.

dimana konsekuen adalah sebuah



konstanta. Konstanta diperoleh dari

hujan penjumlahan bobot ditambah

pembobotan himpunan

Fuzzy dari

3.

variabel.



masing-masing

Untuk

rule

yang

meprediksi

Berdasarkan rule yang terbentuk

Berdasarkan landasan teori tentang

dan pernyataan diatas,

prediksi

cuaca

rentang prediksi cuaca yang berlaku

halaman

16

yang dan

pembobotan

dari

ada

17

pada

dibentuk

masing-masing

himpunan Fuzzy sebagai berikut : 

maka nilai

adalah: 

Berawan jika < 12,5.



Hujan jika skor ≥12,5.

Untuk fungsi keanggotaan suhu,

himpunan rendah diberi bobot 1,

Aturan

sedang diberi bobot 2, dan tinggi

Mamdani

diberi bobot 3.

Aturan Fuzzy yang digunakan pada



Untuk

fungsi

keanggotaan

metode

Fuzzy

Mamdani

Pada

Metode

hampir

sama

tekanan: himpunan rendah diberi

aturan Fuzzy pada metode Sugeno,

bobot 3, sedang diberi bobot 2, dan

hanya saja jika pada metode Sugeno

tinggi diberi bobot 1.

konsekuen berupa konstanta, pada



Untuk

fungsi

keanggotaan

kelembaban: himpunan rendah diberi

metode Mamdani konsekuen berupa himpunan Fuzzy.

bobot 1, sedang diberi bobot 2, dan tinggi diberi bobot 3.

8

3.2 Analisa

Dan

Perancangan

atau

tingkat

keakuratan

sebesar 76,67% sedangkan prediksi

Sistem Tahap

prediksi

analisis

kebutuhan

cuaca dengan menggunakan metode

perangkat lunak meliputi flowchart

Mamdani memiliki 29 data tepat

aplikasi,

prediksi atau dari total 90 data uji

perancangan

DFD,

perancangan Database dan desain

atau

antarmuka sistem.

32,22%.

Flowchart

V.

Flowchart merupakan diagram yang menggambarkan

alur

kerja

dari

sistem yang akan dibangun.

tingkat

keakuratan

sebesar

Kesimpulan dan Saran Dengan demikian dapat ditarik

kesimpulan bahwa metode Sugeno lebih baik daripada metode Mamdani dalam studi kasus prediksi cuaca. Untuk penelitian lebih lanjut, penulis memberikan beberapa saran diantaranya : 1. Menggunakan data training yang lebih banyak. 2. Menambahkan

variabel

pada

penelitian seperti arah angin atau variabel berkaitan

cuaca

lainnya

dengan

yang

perubahan

cuaca. Gambar 3.6 Flowchart Sistem

total 90 data test, prediksi cuaca menggunakan

FIS

DAFTAR PUSTAKA

ANASLISA Hasil uji coba didapat dari

dengan

metode

lainnya yaitu metode Tsukamoto.

Prediksi Cuaca

IV.

3. Menggunakan

metode

Sugeno memiliki 69 data tepat

BPS Kepulauan Riau, 2014, Kepulauan Riau Dalam Angka 2014, Badan Pusat Statistik Provinsi Kepulauan Riau, Tanjungpinang. 9

Ervina. (2014), Apa Bedanya Cuaca dan Iklim?, http://www.kidnesia.c om/Kidnesia2014/Dar i-Nesi/SekitarKita/Sains/ApaBedanya-Cuaca-danIklim, 7 April 2015 Habibullah, N.W., Arifin, S., dan Widjiantoro, B.L., 2012, Perancangan Sistem Prediktor Cuaca Maritim Dengan Menggunakan Metode Fuzzy Takagi Sugeno, Jurnal Teknik Pomits, 1(1), 1-6. Indrabayu., Harun, N., Pallu, M.S., Achmad, A., dan Febriyati, F., 2012, Prediksi Curah Hujan Dengan Fuzzy Logic, Prosiding 2012 Hasil Penelitian Fakultas Teknik, Fakultas Teknik Universitas Hasanudin Makassar, Desember 2012. Irmawan, D., dan Herusantoso, K., 2011, Penerapan Logika Fuzzy Sebagai Sistem Pendukung Keputusan Prakiraan Cuaca, Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia, Bandung, 14-15 Juni 2011.

Kusumadewi, S., dan Purnomo, H., 2010, Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta. Meiryani, (2014), Pendekatan Waterfall Dalam Pengembangan Sistem, http://www.meiryani.n et/bahankuliah/analisaperancangansistem/item/16-1-6pendekatan-waterfalldalampengembangansistem, 7 April 2015 Rivai, A., (2013), Unsur-unsur Cuaca, dari http://www.fisikanet.li pi.go.id/utama.cgi?cet akartikel&136759343 5, 7 April 2015 Sari,

N.E., 2011, Prediksi Cuaca Berbasis Logika Fuzzy Untuk Rekomendasi Penerbangan Di Bandar Udara Raja Haji Fisabilillah Tanjungpinang, Skripsi, Universitas Gunadarma, Jakarta.

Subekti,

S.A., 2014, Penggunaan Metode Fuzzy Mamdani Dan Sugeno Untuk Pengambilan Keputusan Dalam Analisis Kredit Studi

10

Kasus : Pengambilan Keputusan Kredit PT. Kandimadu Arta Cabang Salatiga, Skripsi, Universitas Kristen Satya Wacana, Salatiga. Suryatin, B., 2008, Fisika IX Untuk Sekolah Menengah Pertama dan MTs Kelas IX, Grasindo, Jakarta.

Mamdani dan Sugeno, Jurnal TICOM, 1(1), 59-69. Yudihartanti, Y., Syukur, A., Wahono, R.S., 2011, Analisis Komparasi Metode Mamdani Dan Sugeno Dalam Penjadwalan Mata Kuliah, Jurnal Teknologi Informasi, 7(2).

Harmoko, I.W., dan Nazori., 2012, Prototipe Model Prediksi Peluang Kejadian Hujan Menggunakan Metode Fuzzy Logic Tipe

11