ANALISIS KUALITAS AIR BERSIH PADA LOGAM CADMIUM MENGGUNAKAN LOGIKA FUZZY METODE SUGENO (Studi Kasus Pada Kecamatan Klari, Karawang, Jawa Barat)
Achmad Febrianto
PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2008 M / 1429 H
ANALISIS KUALITAS AIR BERSIH PADA LOGAM CADMIUM MENGGUNAKAN LOGIKA FUZZY METODE SUGENO (Studi Kasus Pada Kecamatan Klari, Karawang, Jawa Barat)
Skripsi Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh :
Achmad Febrianto 102094026455
PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2008 M / 1429 H
ii
PENGESAHAN UJIAN Skripsi berjudul “Analisis Kualitas Air Bersih Pada Logam Cadmium Menggunakan Logika Fuzzy Metode Sugeno (Studi Kasus Pada Kecamatan Klari, Karawang, Jawa Barat)” yang ditulis oleh Achmad Febrianto, NIM 102094026455 telah diuji dan dinyatakan lulus dalam sidang Munaqosyah Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada tanggal 9 Oktober 2008. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar sarjana strata satu (S1) Program Studi Matematika.
Menyetujui,
Penguji 1,
Penguji 2,
Taufik Edy Sutanto, M.ScTech NIP 150 377 447
Hermawan Setiawan, M.Si NIP 250 000 505
Pembimbing 1,
Pembimbing 2,
Nina Fitriyati, M.Kom NIP. 150 377 448
Nur Inayah, M.Si NIP. 150 326 911
Mengetahui, Dekan Fakultas Sains dan Teknologi,
Ketua Program Studi Matematika,
DR. Syopiansyah Jaya Putra, M.Sis NIP. 150 317 956
Nur Inayah, M.Si NIP. 150 326 911
iii
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENARBENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Jakarta, 9 Oktober 2008
Achmad Febrianto 102094026455
iv
PERSEMBAHAN
“ Dan apabila dikatakan “berdirilah kamu!”, maka berdirilah, niscaya Allah akan meninggikan orang-orang beriman diantara kamu dan orang-orang yang diberi ilmu pengetahuan beberapa derajat. Dan Allah Maha Mengetahui apa yang kamu kerjakan”. (Al Mujaadilah : 11)
Sebagai buah harapan, teruntuk Kedua orang tua, Bapak-Ibu tercinta Serta kedua adikku, Abu Umar dan El - Hauro
v
ABSTRAK Limbah merupakan salah satu hasil dari industri yang tidak lagi dapat digunakan berupa kotoran dan bahan sisa yang dibuang ke lingkungan. Tentu saja ini menjadi ancaman serius bagi keseimbangan lingkungan, kesehatan masyarakat di sekitarnya dan kualitas air bersih. Salah satu daerah yang terancam adalah Kecamatan Klari, Kabupaten Karawang Propinsi Jawa Barat. Daerah tersebut memiliki beberapa perusahaan industri yang menghasilkan limbah logam berat, salah satunya adalah cadmium. Dalam penelitian ini penulis meneliti analisis antara daerah sumber pencemaran yang memiliki kandungan kadar cadmium pada musim kemarau dan musim hujan dengan jarak rumah penduduk dengan menggunakan logika fuzzy metode Sugeno orde-nol. Langkah-langkah dalam sistem fuzzy seperti fuzzyfikasi, penalaran dan defuzzyfikasi dapat memecahkan masalah tersebut dengan menghasilkan output berupa jarak aman antara sumber pencemaran dengan tempat tinggal. Hasil dari beberapa pengujian yaitu, bila musim kemarau kadar Cd = 60 dag/L, dan musim hujan kadar Cd = 135, maka jarak rumah aman yang dihasilkan = 65 m. Bila musim kemarau kadar Cd = 53 dag/L, dan musim hujan kadar Cd = 137, maka jarak rumah aman yang dihasilkan = 82,1 m. Bila musim kemarau kadar Cd = 48 dag/L, dan musim hujan kadar Cd = 132, maka jarak rumah aman yang dihasilkan = 103,5 m. Sehingga diharapkan masyarakat dapat memanfaatkan air secara maksimal di daerah tempat tinggalnya. Kata kunci : Sistem Fuzzy, Fuzzyfikasi, Defuzzyfikasi, Sugeno orde-nol.
vi
ABSTRACT Cesspools are waste and residue that can not be used that that are thrown to environment. It could be serious threats for balance environment, the public healt, and bord water quality. One of the place that affected by this problem is Klari subdistric, Karawang District, West Java Province. This area have some factories that produce heavy metal, like cadmium (Cd). In this paper, we analyze between Cd pollutan are in dry and rainy seasons and people houses distance using fuzzy logic zero-orde Sugeno method. Fuzzyfication, logical, and defuzzyfication can solve those problems by resulting that produce safe distance between resources pollution and houses. Result of some experiment are, if dry seasons Cd pollutan = 60 dag/L and rainy seasons = 135 dag/L, then produce safe distance between resources pollution and houses = 65 m. if dry seasons Cd pollutan = 53 dag/L and rainy seasons = 137 dag/L, then produce safe distance between resources pollution and houses = 82,1 m. If dry seasons Cd pollutan = 48 dag/L and rainy seasons = 132 dag/L, then produce safe distance between resources pollution and houses = 103,5 m. Result of research people could use their pure water maximumly. Keywords : fuzzy system, fuzzyfication, defuzzyfication, zero-orde Sugeno method.
vii
KATA PENGANTAR
Assalamu’alaikum Warahmatullahi Wabarakatuh Segala puji bagi Allah, Rabb semesta alam, berkat taufik serta inayah Nya skripsi ini dapat terselesaikan. Shalawat serta salam kepada Junjungan kita Nabi Muhammad SAW.. “Karena sesungguhnya sesudah kesulitan ada kemudahan, sesungguhnya sesudah kesulitan ada kemudahan”. Ayat itu menjadi inspirasi dan pendorong yang tak pernah habis, disamping motivasi dan doa-doa dari orang-orang terbaik disekitar. Untuk itu, penulis mengucapkan terima kasih kepada : 1. Dr. Syopiansyah Jaya Putra, M. Sis, Dekan Fakultas Sains dan Teknologi 2. Nur Inayah, M. Si Ketua Program Matematika dan Dosen Pembimbing II, serta Nina Fitriyati, M. Kom, Sekretaris Program Studi Matematika dan Dosen Pembimbing I. 3. Seluruh dosen pada Program Studi Matematika yang telah memberikan ilmu dan pendidikan bagi penulis. 4. Bapak dan ibu tercinta, orang tua yang tanpa lelah bertanya, mendorong, dan memanjatkan doa, serta kepada kedua adik yang terpisah jarak, Abu Umar dan El - Hauro. 5. Nurchudayati, S. Si dan Achmad Fahri, S. Kom yang banyak membantu memberikan referensi, materi serta dorongan-dorongan moril. 6. Maulana, Budi, Abdurrahman, dan saudara-saudara seperjuangan dalam Al Banna Event Organizer.
viii
7. Priyanto, Beni, Van Bothen, Nana, Hafizh, Indri, Alpiyah, Ratna dan segenap Ikhwan - Akhwat Fillah SMU 85 Jakarta. 8. Ari, Pras, Irwan, Taris, rekan-rekan Komda dan KAMMI yang tidak dapat disebutkan satu persatu. 9. Teman-teman mahasiswa Matematika angkatan 2002, 2003, dan 2004. 10. Dian Santri, Elin, Indah dan Ningsih, mahasiswi TI-C angkatan 2005 11. Puncak segala puji dan syukur, Allah Subhanahu Wa Ta’ala. Wassalamu’alaikum Warahmatullahi Wabarakatuh
Jakarta, 9 Oktober 2008
Penulis
ix
DAFTAR ISI
HALAMAN JUDUL ……………………………………………………….. i PENGESAHAN ……………………………………………………………..
ii
PERNYATAAN ……………………………………………………………. iii PERSEMBAHAN DAN MOTTO ………………………………………….
iv
ABSTRAK ………………………………………………………………….
v
ABSTRACT …………………………………………………………………
vi
KATA PENGANTAR ……………………………………………………… vii DAFTAR ISI ……………………………………………………………….. ix DAFTAR GAMBAR ……………………………………………………….. xi BAB I
PENDAHULUAN ………………………………………………… 1 1.1. Latar Belakang ………………………………………………. 1 1.2. Permasalahan ………………………………………………... 3 1.3. Pembatasan Masalah ………………………………………… 3 1.4. Tujuan Penelitian ……………………………………………. 4 1.5. Manfaat Penelitian …………………………………………... 4
BAB II LANDASAN TEORI …………………………………………….. 5 2.1. Kualitas Air …………………………………………………. 5 2.2. Pengertian Limbah, Baku Mutu Air dan Logam Berat …….
6
2.3. Pencemaran Air …………………………………………….. 7 2.4. Cadmium ….………………………………………………..
9
2.4.1. Kegunaan Cadmium …………………………………. 10 2.4.2. Sifat-sifat Logam Cadmium …………………………. 10
x
2.4.3. Dampak Pada Kesehatan …………………………….. 11 2.5. Logika Fuzzy ……………………………………………….. 12 2.5.1. Himpunan Fuzzy ……………………………………. 12 2.5.2. Fungsi Keanggotaan ………………………………… 15 2.5.3. Operasi Dasar dalam Himpunan Fuzzy ……………. 17 2.5.4. Fungsi Implikasi ……………………………………. 20 2.5.5. Metode Sugeno Orde-Nol ………………………….. 20 BAB III METODOLOGI PENELITIAN ………………………………….. 22 3.1. Waktu dan Tempat Penelitian ………………………………. 22 3.2. Metode Pengumpulan Data …………………………………. 22 3.3. Metode Pengolahan Data …………………………………… 23 3.4. Alur Penelitian ……………………………………………… 25 BAB IV HASIL DAN PEMBAHASAN …………………………………… 26 4.1. Pembentukan Fungsi Keanggotaan …………………………. 26 4.2. Pembentukan Aturan Fuzzy ………………………………… 31 4.3. Pengujian …………………………………………………… 33 BAB V KESIMPULAN DAN SARAN ………………………………….. 41 5.1 Kesimpulan ………………………………………………… 41 5.2. Saran ……………………………………………………….. 42 REFERENSI ……………………………………………………………….. 43 LAMPIRAN ………………………………………………………………... 45
xi
DAFTAR GAMBAR
Gambar 2.1 : Himpunan Muda, Parobaya, dan Tua ………………………… 14 Gambar 2.2 : Kurva Segitiga ………………………………………………... 16 Gambar 2.3 : Sistem Fuzzy ……………………………………………….… 20 Gambar 2.4 : Aturan Dalam Metode Sugeno ……………………………… 21 Gambar 3.1 : Alur Penelitian ………………………………………………... 25 Gambar 4.1 : Fungsi Keanggotaan Kadar Cd pada Musim Kemarau ………. 27 Gambar 4.2 : Fungsi Keanggotaan Kadar Cd pada Musim Hujan ………….. 29 Gambar 4.3 : Fungsi Keanggotaan Jarak Rumah …………………………… 30 Gambar 4.4 : Hubungan Variabel Input dan Output ………………………... 37
xii
BAB I PENDAHULUAN
1.1.
Latar Belakang Daerah Tingkat II Kabupaten Karawang yang semula merupakan daerah pertanian mulai menggalakkan pembangunan di bidang industri. Perubahan ini dapat menimbulkan dampak positif maupun negatif bagi masyarakat setempat. Salah satu dampak positifnya adalah bertambahnya lapangan pekerjaan bagi para penduduk yang bertempat tinggal di sekitar industri. Sedangkan dampak negatifnya adalah timbulnya perumahan kumuh di sekitar pabrik dan kemungkinan tercemarnya sumber air bersih dengan bahan pencemar yang berasal dari buangan pabrik, sehingga dapat membahayakan kesehatan masyarakat di sekitar industri tersebut. Buangan industri dapat menimbulkan beberapa penyakit seperti diare dan penyakit kulit. Menurut [2], penelitian keadaan lingkungan yang dikaitkan dengan pola penyakit di kawasan Industri Pulau Batam tahun 1992 menunjukkan bahwa proporsi angka penyakit diare menduduki urutan kedua (8,46%) setelah angka penyakit ISPA (20,32%). Penyakit kulit merupakan urutan keempat dari sepuluh penyakit terbesar di pulau Batam. Penyakit kulit dan diare merupakan contoh penyakit karena lingkungan yang kurang baik. Selain itu juga dilakukan penelitian kejadian diare dan penyakit kulit yang diderita penduduk di sekitar industri. Hal ini tentu saja dapat dikurangi atau dicegah dengan memperhatikan lingkungan
1
tempat tinggalnya, salah satunya adalah membangun rumah dengan jarak yang tepat dari sumber pencemaran. Salah satu kandungan dalam limbah yang mencemari lingkungan adalah cadmium (Cd). Cd merupakan salah satu jenis logam berat berbahaya karena berisiko tinggi terhadap pembuluh darah. Elemen ini berpengaruh terhadap manusia dalam jangka waktu panjang dan dapat terakumulasi pada tubuh khususnya hati dan ginjal. Secara prinsip pada konsentrasi rendah berpengaruh terhadap gangguan paru-paru, emphysema dan renal turbular disease kronis [9]. Untuk menanggulangi masalah tersebut diperlukan cara dalam mengantisipasi pencemaran yang disebabkan limbah Cd. Logika Fuzzy sebagai cabang dari ilmu matematika memiliki suatu metode yang mempermudah dalam melakukan perhitungan dan menganalisa jarak rumah yang aman dan tepat sesuai dengan kadar kualitas air bersih yang disebabkan oleh limbah
industri. Dalam
penelitian ini,
penulis
menggunakan Metode Sugeno Orde-Nol dengan representasi kurva segitiga dalam menghitung jarak rumah yang aman dengan sumber pencemaran. Untuk mempermudah penghitungan, penulis menggunakan software matlab.
2
1.2.
Permasalahan Permasalahan yang di bahas dalam penelitian ini adalah : 1. Bagaimana pembentukan fungsi keanggotaan yang mempunyai input kadar Cd pada musim kemarau, musim hujan, dan jarak rumah yang aman sebagai output ? 2. Bagaimana fungsi implikasi pada setiap aturan fuzzy yang telah ditentukan ? 3. Berapa nilai output dari beberapa pengujian ?
1.3.
Pembatasan Masalah Dalam penelitian ini, masalah-masalah di atas dibatasi oleh : 1. Fungsi keanggotaan yang digunakan untuk input dan output menggunakan representasi kurva segitiga. 2. Proses mendapatkan solusi berupa fuzzyfikasi,
penalaran dan
defuzzyfikasi. 3. Dicantumkan hasil pemeriksaan kualitas air bersih yang mengandung Cd, tembaga (Cu), timbal (Pb) dan cromium (Cr), karena logam-logam berat tersebut banyak terdapat dalam air buangan industri. Namun dari keempat logam berat tersebut, data yang digunakan untuk nilai kualitas air adalah kadar logam berat Cd yang diukur pada musim kemarau dan musim hujan, serta data jarak rumah dengan sumber pencemaran.
3
1.4.
Tujuan Penelitian Tujuan dari penelitian ini adalah : 1. Mengetahui pembentukan fungsi keanggotaan yang mempunyai input kadar Cd pada musim kemarau dan musim hujan dan jarak rumah yang aman sebagai output. 2. Menginterpretasi fungsi implikasi pada setiap aturan fuzzy yang telah ditentukan. 3. Mendapatkan output dari beberapa pengujian.
1.5.
Manfaat Penelitian Diharapkan dari hasil penelitian ini dapat lebih memudahkan Departemen Pusat Penelitian dan Pengembangan dalam memberikan penyuluhan dan himbauan terhadap warga Kecamatan Klari untuk lebih memperhatikan lingkungan rumahnya yang rentan terhadap pencemaran. Sedangkan bagi masyarakat setempat, dapat mengetahui jarak aman rumah mereka terhadap sumber pencemaran.
4
BAB II LANDASAN TEORI
2.1.
Kualitas Air Menurut [8], kualitas air adalah karakteristik mutu yang dibutuhkan untuk pemanfaatan tertentu dari sumber-sumber air. Kriteria mutu air merupakan satu dasar baku mutu air, di samping faktor-faktor lain. Manusia memerlukan air tidak hanya dari segi kuantitasnya saja, tetapi juga kualitasnya. Kualitas air ditentukan oleh konsentrasi bahan kimia yang terlarut di dalam air. Permasalahan kualitas air dapat di timbulkan oleh proses alamiah maupun ulah manusia Ada beberapa parameter kualitas air bersih seperti kaitannya dengan pengaruh terhadap erosi, sedimentasi, suhu air, kimia, dan biologi. jika kualitas air tidak dipenuhi maka, air dapat menjadi penyebab timbulnya penyakit. Air yang kotor sangat berbahaya bagi tubuh manusia. Bila air sudah tercemar dengan bahan kimia, maka hampir dapat dipastikan berbagai jenis organisme penyebab penyakit dapat ditentukan dalam air tersebut.
5
2.2.
Pengertian Limbah, Baku Mutu Air dan Logam Berat Limbah adalah buangan yang dihasilkan dari suatu proses produksi baik industri maupun domestik (rumah tangga, yang lebih dikenal sebagai sampah), yang kehadirannya pada suatu saat dan tempat tertentu tidak dikehendaki lingkungan karena tidak memiliki nilai ekonomis. Bila ditinjau secara kimiawi, limbah ini terdiri dari bahan kimia organik dan anorganik. Dengan konsentrasi dan kuantitas tertentu, kehadiran limbah dapat berdampak negatif terhadap lingkungan terutama bagi kesehatan manusia, sehingga perlu dilakukan penanganan terhadap limbah. Tingkat bahaya keracunan yang ditimbulkan oleh limbah tergantung pada jenis dan karakteristik limbah [5]. Baku mutu air adalah batas atau kadar mahluk hidup, zat, energi, atau komponen lain yang ada atau harus ada dan atau unsur pencemaran yang ditenggang adanya dalam air pada sumber air tertentu sesuai dengan peruntukkannya . (Pasal 1, Angka 4) [12]. Menurut [7], istilah logam berat menunjuk pada logam yang mempunyai berat jenis lebih tinggi dari 5 atau 6 g/cm3. Namun pada kenyataannya dalam pengertian logam berat ini, dimasukkan pula unsurunsur metaloid yang mempunyai sifat berbahaya seperti logam berat sehingga jumlah seluruhnya mencapai lebih kurang 40 jenis. Beberapa logam berat yang beracun tersebut adalah As, Cd. Cr, Cu, Pb, Hg, Ni, dan Zn.
6
Logam berat berbahaya karena pada umumnya logam ini memiliki rapat massa yang tinggi dan sejumlah konsentrasi kecil dapat bersifat racun dan berbahaya [4].
2.3.
Pencemaran Air Air
dapat dikatakan
tercemar
apabila
air
tersebut
telah
menyimpang dari keadaan normalnya. Keadaan normal air tergantung pada faktor penentu yaitu, kegunaan air itu sendiri dan asal sumber air. Peraturan Pemerintah Nomor 20 Tahun 1990 tentang Pengendalian Pencemaran Air pasal 1, angka 2 mendefinisikan pencemaran air sebagai : pencemaran air adalah masuknya atau dimasukkannya mahluk hidup, zat, energi dan atau komponen lain ke dalam air oleh kegiatan manusia sehingga kualitas air turun sampai ke tingkat tertentu yang menyebabkan air tidak berfungsi lagi sesuai dengan peruntukkannya [12]. Definisi lain dikatakan, pencemaran air adalah suatu perubahan keadaan di suatu tempat penampungan air seperti danau, sungai, lautan dan air tanah akibat aktivitas manusia. Walaupun fenomena alam seperti gunung berapi, badai, gempa bumi dll juga mengakibatkan perubahan yang besar terhadap kualitas air, hal ini tidak dianggap sebagai pencemaran. Pencemaran air dapat disebabkan oleh berbagai hal dan memiliki karakteristik yang berbeda-beda. Meningkatnya kandungan nutrien dapat mengarah pada eutrofikasi. Sampah organik seperti air comberan (sewage) menyebabkan peningkatan kebutuhan oksigen pada air
7
yang menerimanya yang mengarah pada berkurangnya oksigen yang dapat berdampak parah terhadap seluruh ekosistem. Industri membuang berbagai macam polutan ke dalam air limbahnya seperti logam berat, toksin organik, minyak, nutrien dan padatan. Air limbah tersebut memiliki efek termal, terutama yang dikeluarkan oleh pembangkit listrik, yang dapat juga mengurangi oksigen dalam air [5]. Indikator Pencemaran Air Menurut [5], indikasi pencemaran air dapat diketahui baik secara visual maupun pengujian. 1. Perubahan pH (tingkat keasaman/konsentrasi ion hidrogen). Air normal yang memenuhi syarat untuk suatu kehidupan memiliki pH netral dengan kisaran nilai 6.5 – 7.5. Air limbah industri yang belum terolah dan memiliki pH diluar nilai pH netral, akan mengubah pH air sungai dan dapat mengganggu kehidupan organisme didalamnya.
2. Perubahan warna, bau dan rasa. Air normal dan air bersih tidak akan berwarna, sehingga tampak bening/jernih. Bila kondisi air warnanya berubah maka hal tersebut merupakan salah satu indikasi bahwa air telah tercemar. Timbulnya bau pada air lingkungan merupakan indikasi kuat bahwa air telah tercemar.
3. Timbulnya endapan, koloid dan bahan terlarut endapan, koloid dan bahan terlarut berasal dari adanya limbah industri yang berbentuk padat.
8
2.4.
Cadmium Cadmium (latin cadmia) adalah suatu unsur kimia dalam tabel periodik yang memiliki lambang Cd dan nomor atom 48. Cadmium ditemukan di Jerman 1817 oleh Friedrich Strohmeyer. Cadmium merupakan bahan alami yang terdapat dalam kerak bumi. Cadmium murni berupa logam berwarna putih perak dan lunak, namun bentuk ini tak lazim ditemukan di lingkungan. Umumnya cadmium terdapat dalam kombinasi dengan elemen lain seperti Oxigen (Cadmium Oxide), Clorine (Cadmium Chloride) atau belerang (Cadmium Sulfide). Kebanyakan Cadmium (Cd) merupakan produk samping dari pengecoran seng, timah atau tembaga cadmium yang banyak digunakan berbagai industri, terutama plating logam, pigmen, baterai dan plastik. Umumnya terdapat bersama-sama dengan Zn dalam bijinya, sehingga Cd diperoleh sebagai hasil sampingan produksi seng. Karena titik didihnya rendah, Cd dapat dipisahkan dari seng melalui penyulingan bertahap. Zn dan Pb diperoleh kembali secara serentak dengan cara tungku pemanas letupan. Cd suatu hasil sampingan yang tidak banyak ragamnya dan biasanya dipisahkan
dari Zn dengan destilasi atau dengan
pengendapan dari larutan sulfat dengan debu Zn.
9
2.4.1. Kegunaan Cadmium Kegunaan cadmiun diantaranya adalah : a. Digunakan dalam penyepuhan kayu, CdO. b. Digunakan dalam baterai. c. Sebagai katalis. d. Sebagai nematosida. e. Sebagai fotokonduktor dalam fotokopi, CdS. f. Sebagai material pigmen. g. Sebagai Sel volta baku (sel weston), CdSO4. h. Digunakan dalam fotografi, CdI2.
2.4.2. Sifat-Sifat Logam Cadmium Beberapa sifak fisik logam cadmium yaitu : a. Logam berwarna putih keperakan. b. Mengkilat. c. Lunak/Mudah ditempa dan ditarik. d. Titik lebur rendah. Sedangkan beberapa sifat kimia logam cadmium yaitu : a. Cd tidak larut dalam basa. b. Larut dalam H2SO4 encer dan HCl encer. Cd + H2SO4 → CdSO4 + H2 c. Cd tidak menunjukkan sifat amfoter. d. Bereaksi dengan halogen dan nonlogam seperti S, Se, P.
10
e. Cd adalah logam yang cukup aktif . f. Dalam udara terbuka, jika dipanaskan akan membentuk asap coklat CdO. g. Memiliki ketahanan korosi yang tinggi. h. CdI2 larut dalam alkohol.
2.4.3. Dampak Pada Kesehatan Cadmium merupakan salah satu jenis logam berat yang berbahaya karena elemen ini beresiko tinggi terhadap pembuluh darah. Apabila Cd masuk ke dalam tubuh maka sebagian besar akan terkumpul di dalam ginjal, hati dan sebagian yang dikeluarkan
lewat
saluran
pencernaan. Cadmium
dapat
mempengaruhi otot polos pembuluh darah secara langsung maupun tidak langsung lewat ginjal, sebagai akibatnya terjadi kenaikan tekanan darah. Cadmium (Cd) adalah salah satu logam berat yang keberadaanya patut mendapat perhatian khusus karena secara luas terdapat dilingkungan baik sebagai pencemar atau sebagai komponen dalam rokok yang dikonsumsi oleh masyarakat luas. Salah satu sistem organ yang yang merupakan target dari Cd adalah sistem reproduksi, khususnya pada individu jantan. Beberapa efek yang ditimbulkan akibat pemajanan Cd adalah adanya kerusakan ginjal, liver, testes, sistem imunitas,
11
sistem susunan saraf dan darah. Berbahayanya unsur ini sebenarnya bila manusia mengkonsumsi (baik itu dihirup atau dimakan) dalam jumlah yang cukup besar. Karena pada kenyataanya, cadmium itu tidaklah mudah untuk keluar di dalam tubuh. Logam ini akan terakumulasi terus didalam tubuh. Dan bila sudah mencapai kadar tinggi, akan menyerang organ tubuh terutama ginjal dan paru-paru
2.5.
Logika Fuzzy 2.5.1 Himpunan Fuzzy Teori himpunan fuzzy pertama kali dikembangkan oleh Prof. Lotfi Zadeh pada tahun 1965. Dalam teori himpunan tegas (crisp), nilai keanggotaan suatu item x dalam himpunan µA[x] memiliki objek yang terdefinisi dengan jelas yaitu memiliki nilai keanggotaan antara 0 atau 1. Dengan nol (0) berarti suatu item tidak menjadi anggota dalam suatu himpunan, sedangkan satu (1) berarti suatu item menjadi anggota dalam suatu himpunan. Contoh 2.1 S = {1,2,3,4,5,6} adalah semesta pembicaraan A = {1,2,3} B = {3,4,5} Dapat dikatakan bahwa : i. Nilai keanggotaan 1 pada himpunan A, µA [1] = 1, karena 1∈ A.
12
ii. Nilai keanggotaan 3 pada himpunan A, µA [3] = 1, karena 3∈ A. iii. Nilai keanggotaan 5 pada himpunan A, µA [5] = 0, karena 5∉ A. iv. Nilai keanggotaan 4 pada himpunan B, µB [4] = 1, karena 4 ∈ A. v. Nilai keanggotaan 2 pada himpunan B, µB [2] = 0, karena 2∉ B. vi. Nilai keanggotaan 3 pada himpunan B, µ B [3] = 1, karena 3∈ B. Sedangkan himpunan fuzzy memiliki nilai keanggotaan yang berada antara 0 sampai dengan 1. Menurut [11], himpunan Fuzzy mempunyai dua atribut : a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : DINGIN, SEJUK, NORMAL, HANGAT, PANAS. b. Numerik, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti : 40, 25, 50, dsb. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu : 1. Variabel fuzzy Variabel fuzzy adalah variabel yang hendak dibahas dalam suatu sistem fuzzy. 2. Himpunan Fuzzy Himpunan Fuzzy merupakan suatu grup yang mewakili suatu kondisi tertentu dalam suatu variabel fuzzy.
13
3. Semesta Pembicaraan Semesta
Pembicaraan
adalah
keseluruhan
nilai
yang
diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. 4. Domain Domain merupakan keseluruhan nilai yang dizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam himpunan fuzzy. Contoh 2.2
Parobaya
Muda 1
Tua
1
[x]
1
[x] 0
35
[x] 0
35
55
0
55
Gambar 2.1 Himpunan MUDA, PAROBAYA, dan TUA Pada gambar 2.1, variabel yang hendak dibahas adalah variabel umur yang memiliki himpunan fuzzy terdiri dari muda, parobaya, tua. Sedangkan semesta pembicaraan untuk variabel tersebut [0 +∞]. Misalkan variabel umur dibagi menjadi 3 kategori, yaitu : MUDA
umur < 35 tahun
PAROBAYA
35 ≤ umur ≤ 55 tahun
TUA
umur > 55 tahun
Maka, domain muda [0, 35], domain parobaya [35, 55] dan domain tua [55, +∞].
14
Pada gambar di atas dapat dijelaskan pula bahwa : 1.
Bila seseorang berusia 34 tahun, maka ia dikatakan MUDA (µ MUDA[34]=1).
2.
Bila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA
3.
(µMUDA[35]=0).
Bila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA (µMUDA [35 th-1 hr]=0).
4.
Bila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA (µPAROB AYA [35]=1).
5.
Bila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA (µPAROB AYA[34]=0).
6.
Bila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA (µPAROB AYA [55]=1).
7.
Bila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA (µPAROB AYA [35 th-1 hr]=0).
2.5.2 Fungsi Keanggotaan Menurut [1], fungsi keanggotaan adalah kurva yang mendefinisikan bagaimana masing-masing titik dalam ruang input dipetakan ke dalam nilai keanggotaan (sering juga disebut dengan derajat keanggotaan, fire strength atau α -predikat) antara 0 dan 1. Fungsi keanggotaan µ memetakan elemen x dari himpunan semesta
15
x ke sebuah bilangan µ(x), yang menentukan derajat keanggotaan dari elemen ke dalam himpunan fuzzy A : A = {(x, µA (x))| x ∈ X }
(2.1)
Cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang dapat digunakan antara lain representasi kurva segitiga, kurva trapesium, dan lain-lain. Namun dalam penelitian ini, penulis hanya menggunakan representasi kurva segitiga karena lebih sederhana dan lebih mudah. Kurva segitiga pada dasarnya merupakan gabungan antara dua garis (linear) yang ditunjukkan oleh gambar berikut.
1 derajat keanggotaan µ[x]
0
a
b
c
domain
Gambar 2.2 Kurva Segitiga Fungsi keanggotaan:
[x] =
x ≤ a atau x ≥ c ♣0 ♠ ♦ x − a) /(b − a); a ≤ x ≤ b (♠ ♥(c − x) /(c − b); b ≤ x ≤ c
(2.2)
16
2.5.3. Operasi Dasar Dalam Himpunan Fuzzy Ada tiga macam operasi dasar dalam himpunan fuzzy, yaitu intersection
(irisan),
union
(gabungan),
dan
complement
(komplemen). Dari ketiga operasi tersebut akan diperoleh fungsi keanggotaan untuk menghasilkan α -predikat sebagai hasil dari operasi dua himpunan. Fungsi keanggotaan himpunan fuzzy baru yang dihasilkan dari operasi-operasi tersebut diberikan dalam tabel berikut: Tabel 2.1 Operasi-operasi dasar dalam himpunan fuzzy [1]. Operasi
Operator
α-predikat
Fungsi Keanggotaan
Mengurangkan Complement
NOT
nilai
A ' = 1 − A ( x)
keanggotaan dari 1 Nilai
Intersection
AND
keanggotaan
A∩B = min( A[x], B [ y])
terkecil Nilai Union
OR
keanggotaan
A∪B = max( A [x], B [ y])
terbesar
Dengan A dan B adalah himpunan fuzzy, x ∈ X .
17
Contoh 2.3 Operasi Komplemen Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah 0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka α -predikat untuk usia TIDAK MUDA adalah:
MUDA’ [27] = 1- MUDA[27] = 1- 0,6 = 0,4 Atau TIDAK PAROBAYA adalah :
PAROBAYA’ [40] = 1- PAROBAYA [40] = 1- 0,4 = 0,6 Contoh 2.4 Operasi Irisan Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah 0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka α -predikat untuk usia MUDA dan usia PAROBAYA adalah :
MUDA ∩ PAROB AYA = min ( MUDA[27], PAROBAYA [40]) = min (0,6 ; 0,8) = 0,6 Contoh 2.5 Operasi Gabungan Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah 0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan
18
parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka α -predikat untuk usia MUDA dan usia PAROBAYA adalah :
MUDA ∪ PAROBAYA = max ( MUDA[27], PAROBAYA [40]) = max (0,6 ; 0,8) = 0,8 Dalam logika fuzzy untuk mendapatkan solusi, ada tiga langkah umum yang dapat dilakukan, yaitu : 1. Fuzzyfikasi Fuzzyfikasi adalah fase pertama dari perhitungan fuzzy untuk mengubah nilai tegas dan menentukan derajat dengan nilai-nilai tersebut menjadi anggota dari setiap himpunan fuzzy yang sesuai. 2. Penalaran Penalaran adalah prosedur inferensi yang digunakan untuk menarik kesimpulan dari himpunan aturan IF-THEN dari satu atau lebih kondisi. 3. Defuzzyfikasi Defuzzyfikasi adalah pengubahan nilai fuzzyfikasi ke dalam nilai tegas. Ketiga langkah tersebut dapat disebut pembangunan sistem fuzzy, yang dapat diilustrasikan dengan gambar di bawah ini.
19
Fuzzyfikasi
Defuzzyfikasi
Penalaran
Input
Output
Gambar 2. 3 Sistem Fuzzy 2.5.4. Fungsi Implikasi Menurut [11], setiap aturan (proposisi) pada pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah : IF x is A THEN y is B
(2.3)
dengan x dan y adalah skalar, A dan B adalah himpunan fuzzy. Aturan yang mengikuti IF disebut sebagai anteseden, sedangkan yang mengikuti THEN disebut konsekuen.
2.5.5. Metode Sugeno Orde-Nol Penalaran dengan
Metode
Sugeno
memiliki output
(konsekuen) berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno-Kang pada tahun 1985. Dalam penelitian ini penulis menggunakan model Fuzzy Orde-Nol.
20
Secara umum fungsi implikasi Metode Sugeno Orde-Nol adalah : IF [(x1 is A1) • (x2 is A2) • (x3 is A3) • ... • (xN is AN)] THEN Z = k.
(2.4)
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, k adalah suatu konstanta (tegas) sebagai konsekuen, sedangkan • adalah operator (AND atau OR).
Gambar 2.4 Aturan Metode Sugeno
Dalam Metode Sugeno, deffuzyfikasi dilakukan dengan cara mencari nilai rata-rata. N
∑α Z=
i
zi
i =1
(2.5)
N
∑
αi
i =1
Dengan
Z = nilai rata-rata
α = α - predikat z = konsekuen
21
BAB III METODOLOGI PENELITIAN
3.1.
Waktu dan Tempat Penelitian Data-data yang digunakan merupakan data sekunder yang berasal dari Pusat Penelitian dan Pengembangan Ekologi Departemen Kesehatan Republik Indonesia (Puslitbang Depkes RI). Penelitian dilakukan pada bulan Agustus sampai Desember 2005 di Kecamatan Klari, Kabuaten Karawang Propinsi Jawa Barat.
3.2.
Metode Pengumpulan Data Dari hasil pengumpulan data, didapatkan beberapa data berikut : 1.
Letak geografis Kecamatan Klari
2. Lokasi dan peta industri Kecanatan Klari Berisi peta industri Kecamatan Klari beserta lokasi industri menengah. Kecamatan Klari memiliki 65 buah industri. 3. Laporan kependudukan kecamatan Klari Jumlah seluruh penduduk Klari yaitu 102.942 orang. Terdiri dari 51.917 penduduk laki-laki dan 51.025 penduduk perempuan. 4. Jarak rumah penduduk dengan sumber pencemaran. Di bagian ini disebutkan nomor rumah beserta jarak rumah yang telah didata. Data jarak rumah penduduk dengan sumber pencemaran dapat dilihat pada lampiran 1.
22
5. Data nilai kualitas air Berisi nilai kualitas air dari hasil logam berat seperti cadmium (Cd), timbal (Pb), tembaga (Cu), dan cromium (Cr) yang terdiri dari 30 pasang data. Kualitas air pada musim hujan memang cukup membahayakan. Seharusnya pada musim hujan kadar Cd menurun karena intensitas air hujan meningkat, tetapi ternyata pada musim hujan kadarnya justru meningkat seperti yang terlihat dalam data. Kualitas air diwakili oleh kadar Cd pada musim kemarau dan musim hujan. Adapun nilai kualitas air dapat dilihat pada lampiran 2. Dari kelima data di atas, penelitian ini hanya menggunakan data jarak rumah penduduk dengan sumber pencemaran, dan data nilai kualitas air.
3.3.
Metode Pengolahan Data Data yang sudah didapat, diolah dengan menentukan fungsi keanggotaan input dan output. Input terdiri dari dua fungsi keanggotaan yaitu data kualitas air penduduk Kecamatan Klari, Karawang pada musim hujan dan pada musim kemarau. Sedangkan fungsi keanggotaan output adalah jarak rumah penduduk dengan sumber pencemaran. Setiap fungsi keanggotaan memiliki variabel linguistik.Kedua input memiliki variabel linguistik TIDAK BAHAYA, BAHAYA, dan
23
SANGAT
BAHAYA.
Variabel
linguistik
untuk
output
adalah
TERCEMAR, CUKUP AMAN, dan AMAN. Pengolahan data yang digunakan adalah Metode Sugeno OrdeNol, pada tahap pengujian input, pembentukan kombinasi aturan fuzzy harus disesuaikan dengan data output dengan menyertakan semua variabel dimana pada metode ini anteseden direpresentasikan dengan aturan dalam himpunan fuzzy, sedangkan konsekuen direpresentasikan dengan sebuah konstanta. Selanjutnya,
dilakukan
pengujian
dengan
mencari
derajat
keanggotaan nilai tiap variabel dari salah satu data. Kemudian mencari αpredikat
untuk
setiap
aturan
kombinasi
aturan
fuzzy.
Dengan
menggunakan metode defuzzy weighted average, hasil α-predikat yang tidak nol digunakan untuk mencari nilai rata-rata yang juga merupakan defuzzyfikasi.
24
3.4.
Alur Penelitian Penelitian ini dilakukan melalui beberapa tahap yaitu:
Pengumpulan data
Pembentukan fungsi keanggotaan
Pembentukan aturan fuzzy
Penghitungan derajat keanggotaan setiap aturan fuzzy
Penghitungan α -predikat
Defuzzy weighted average
Gambar 3.1. Alur Penelitian
25
BAB IV HASIL DAN PEMBAHASAN
4. 1.
Pembentukan Fungsi Keanggotaan Proses pertama yang harus dilakukan adalah menentukan fungsi keanggotaan. Dari seluruh data yang ada, didapatkan beberapa fungsi keanggotaan, yaitu fungsi keanggotaan input musim kemarau, fungsi keanggotaan input musim hujan, dan fungsi keanggotaan output jarak rumah. Pada lampiran satu, ada sebanyak 30 pasang data pada musim hujan dan musim kemarau, yaitu Cd, Pb, Cr dan Cu dengan satuan mg/L. Karena diantara keempat logam tersebut, cadmium memiliki tingkat pencemaran paling tinggi, maka penulis hanya mengambil Cd sebagai objek penelitian. Kemudian untuk mempermudah penghitungan, penulis mengonversi satuan mg/L menjadi dag/L, sehingga 0.0060 mg/L = 60 dag/L. Klasifikasi data pada kadar Cd di musim kemarau yaitu antara 35 sampai dengan 75 dengan tiga himpunan fuzzy, yaitu TIDAK BAHAYA, BAHAYA, dan SANGAT BAHAYA. Himpunan fuzzy TIDAK BAHAYA memiliki domain [35, 55] dengan derajat keanggotaan TIDAK BAHAYA tertinggi (=1) terletak pada nilai 45.
26
Himpunan fuzzy BAHAYA memiliki domain [45, 65] dengan derajat keanggotaan BAHAYA tertinggi (=1) terletak pada nilai 55. Himpunan fuzzy SANGAT BAHAYA memiliki domain [55, 75] dengan derajat keanggotaan SANGAT BAHAYA tertinggi (=1) terletak pada nilai 65. Keterangan-keterangan di atas dapat dirangkum pada gambar di bawah ini. TB
B
SB
45
55
65
1
[k]
0 35
75
Musim Kemarau
Gambar 4. 1 Fungsi keanggotaan kadar Cd pada musim kemarau Dengan menggunakan representasi kurva segitiga, maka input musim kemarau : ♣ ♠0 , k ≤ 35 atau k ≥ 55 ♠ ♠ k − 35 , 35 ≤ k ≤ 45 µTB (k) = ♦ ♠ 10 ♠55 − k ♠= 10 , 45 ≤ k ≤ 55
(4.1)
27
♣ ♠0 , k ≤ 45 atau k ≥ 65 ♠ ♠ k − 45 , 45 ≤ k ≤ 55 µB (k) = ♦ ♠ 10 ♠ 65 − k ♠= 10 ,55 ≤ k ≤ 65 ♥ ♣ ♠0 , k ≤ 55 atau k ≥ 75 ♠ ♠ k − 55 , 55 ≤ k ≤ 65 µSB (k) = ♦ ♠ 10 ♠ 75 − k , 65 ≤ k ≤ 75 ♠= ♥ 10
(4.2)
(4.3)
dengan TB = Tidak Bahaya B = Bahaya SB = Sangat Bahaya k = kadar Cd pada musim kemarau Sedangkan klasifikasi data pada kadar Cd di musim hujan yaitu antara 110 sampai dengan 150 dengan tiga himpunan fuzzy, yaitu TIDAK BAHAYA, BAHAYA, dan SANGAT BAHAYA. Himpunan fuzzy TIDAK
BAHAYA memiliki domain
[110,130] dengan derajat keanggotaan TIDAK BAHAYA tertinggi (=1) terletak pada nilai 120. Himpunan fuzzy BAHAYA memiliki domain [120,140] dengan derajat keanggotaan BAHAYA tertinggi (=1) terletak pada nilai 130. Himpunan fuzzy
SANGAT BAHAYA memiliki domain [130,150 ]
dengan derajat keanggotaan
SANGAT BAHAYA tertinggi (=1) terletak
pada nilai 140.
28
Keterangan-keterangan di atas dapat dilihat pada gambar di bawah ini.
TB
B
SB
120
130
140
1
[h]
0 110
150
Musim Hujan
Gambar 4.2 Fungsi keanggotaan kadar Cd pada musim hujan Dengan menggunakan representasi kurva segitiga, maka input musim hujan : ♣ ♠0 , h ≤110 atau h ≥ 130 ♠ ♠ h −110 , 110 ≤ h ≤ 120 µ TB (h) = ♦ ♠ 10 ♠130 − h , 120 ≤ h ≤130 ♠= ♥ 10 ♣ ♠0 , h ≤120 atau h ≥ 140 ♠ ♠ h −120 , 120 ≤ h ≤ 130 µB (h) = ♦ ♠ 10 ♠140 − h , 130 ≤ h ≤140 ♠= ♥ 10 ♣ ♠0 , h ≤130 atau h ≥ 150 ♠ ♠ h −130 , 130 ≤ h ≤ 140 µSB (h) = ♦ 10 ♠ ♠150 − h ♠= 10 , 140 ≤ h ≤150 ♥
(4.4)
(4.5)
(4.6)
29
dengan TB = Tidak Bahaya B = Bahaya SB = Sangat Bahaya h = kadar Cd pada musim hujan Pada klasifikasi data jarak rumah dari sumber pencemaran yaitu antara 50 sampai dengan 245 dengan tiga himpunan fuzzy, yaitu TERCEMAR, CUKUP AMAN, dan AMAN. Himpunan fuzzy TERCEMAR memiliki domain [5, 125] dengan derajat keanggotaan TERCEMAR tertinggi (=1) terletak pada nilai 65. Himpunan fuzzy CUKUP AMAN memiliki domain [65, 185] dengan derajat keanggotaan CUKUP AMAN tertinggi (=1) terletak pada nilai 125. Dan himpunan fuzzy AMAN memiliki domain [125, 245] dengan derajat keanggotaan AMAN tertinggi (=1) terletak pada nilai 185. Keterangan-keterangan di atas dapat dilihat pada gambar di bawah ini. TC
CA
A
65
125
185
1
[j]
0
5
245
Jarak Rumah
Gambar 4.3 Fungsi keanggotaan pada jarak rumah.
30
Dengan menggunakan representasi kurva segitiga, maka output jarak rumah : ♣ ♠0 , j ≤ 5 atau j ≥ 125 ♠ ♠ j −5 , 5 ≤ j ≤ 65 µTC(j) = ♦ ♠ 60 ♠125 − j , 65 ≤ j ≤ 125 ♠ ♥ 60 ♣ ♠0 , j ≤ 65 atau j ≥ 185 ♠ ♠ j − 65 , 65 ≤ j ≤ 125 µCA (j) = ♦ ♠ 60 ♠185 − j ,125 ≤ j ≤ 165 ♠ ♥ 60 ♣ ♠0 , j ≤ 125 atau j ≥ 245 ♠ ♠ j − 125 , 125 ≤ j ≤ 185 µA (j) = ♦ 60 ♠ ♠ 245 − j ♠ 60 ,185 ≤ j ≤ 245 ♥
(4.7)
(4.8)
(4.9)
dengan TC = Tercemar CA = Cukup Aman A
= Aman
j = Jarak rumah
4. 2.
Pembentukan Aturan Fuzzy Setelah membentuk fungsi keanggotaan, langkah selanjutnya adalah membuat aturan fuzzy. Karena ada dua fungsi keanggotaan input,
31
maka aturan fuzzy yang dihasilkan ada 9 aturan dengan menyertakan semua variabel. Metode inferensi yang digunakan adalah Metode Sugeno OrdeNol. Pada metode ini, anteseden direpresentasikan dengan proposisi dalam himpunan fuzzy, sedangkan konsekuen direpresentasikan dengan sebuah konstanta. Berikut ini tabel pembentukan aturan fuzzy Tabel 4.1 Pembentukan aturan fuzzy h
TB
B
SB
TB
A
CA
CA
B
CA
Tc
Tc
SB
CA
Tc
Tc
k
Sehingga aturan fuzzy yang dihasilkan adalah : [R1] IF k = TB AND h = TB THEN AMAN = 185 [R2] IF k = TB AND h = B THEN CUKUP AMAN = 125 [R3] IF k = TB AND h = SB THEN CUKUP AMAN = 125 [R4] IF k = B AND h = TB THEN CUKUP AMAN = 125 [R5] IF k = B AND h = B THEN TERCEMAR = 65 [R6] IF k = B AND h = SB THEN TERCEMAR = 65 [R7] IF k = SB AND h = TB THEN CUKUP AMAN = 125 [R8] IF k = SB AND h = B THEN TERCEMAR = 65 [R9] IF k = SB AND h = SB THEN TERCEMAR = 65
32
4. 3.
Pengujian Setelah memperoleh 9 aturan fuzzy, dilakukan pengujian untuk mendapatkan nilai output. Pengujian 1 Pengujian pertama dilakukan terhadap data no 1 pada lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih. Input; musim kemarau = 0,0060 mg/L = 60 dag/L Derajat keanggotaan tiap variabel dari input musim kemarau µTB [60] = 0 µB [60] = 65 – 60 = 0,5 10 µSB [60] = 60 – 55 = 0,5 10 Input; Musim hujan = 0,0135 mg/L = 135 dag/L Derajat keanggotaan tiap variabel dari input musim hujan µTB [135] = 0 µB [135] = 140 – 135 = 5 = 0,5 10 10 µSB [135] = 135 – 130 = 5 = 0,5 10 10 Kemudian dicari α-predikat (fire strength)dari setiap aturan fuzzy, dengan menggunakan operator and dan interpretasi min. [R1] IF k = TB AND h = TB THEN AMAN α-predikat1 = min (µ TIDAK
BAHAYA[60]
; µTIDAK
BAHAYA[135])
= min (0 ; 0) = 0
33
[R2] IF k = TB AND h = B THEN CUKUP AMAN α-predikat2 = min (µ TIDAK
BAHAYA[60]
; µ BAHAYA[135])
= min (0 ; 0,5) = 0 [R3] IF k = TB AND h = SB THEN CUKUP AMAN α-predikat3 = min (µ TIDAK
BAHAYA[60]
;µ
SANGAT BAHAYA[135])
= min (0 ; 0,5) = 0 [R4] IF k = B AND h = TB THEN CUKUP AMAN α-predikat4 = min (µ BAHAYA[60] ; µTIDAK
BAHAYA[135])
= min (0,5 ; 0) = 0 [R5] IF k = B AND h = B THEN TERCEMAR α-predikat5 = min (µ BAHAYA[60] ; µ BAHAYA[135]) = min (0,5 ; 0,5) = 0,5 [R6] IF k = B AND h = SB THEN TERCEMAR α-predikat6 = min (µ BAHAYA[60] ; µ
SANGAT BAHAYA[135])
= min (0,5 ; 0,5) = 0,5 [R7] IF k = SB AND h = TB THEN CUKUP AMAN α-predikat7 = min (µ
SANGAT BAHAYA[60]
; µTIDAK
BAHAYA[135])
= min (0,5 ; 0) = 0 [R8] IF k = SB AND h = B THEN TERCEMAR α-predikat8 = min (µ
SANGAT BAHAYA[60]
; µ BAHAYA [135])
= min (0,5 ; 0,5) = 0,5
34
[R9] IF k = SB AND h = SB THEN TERCEMAR α-predikat9 = min (µ
SANGAT BAHAYA[60]
;µ
SANGAT BAHAYA[135])
= min (0,5 ; 0,5) = 0,5 Karena α-predikat tidak nol terdapat pada [R5], [R6], [R8] dan [R9], maka dengan menggunakan metode defuzzy weighted average, maka rata-rata jarak aman rumah dengan sumber pencemaran adalah Z=
=
α 5 z 5 + α 6 z6 + α 8 z8 + α9 z9 0,5 ∗ 65 + 0,5 ∗ 65 + 0,5 ∗ 65 + 0,5 ∗ 65 = α5 + α6 + α8 + α9 0,5 + 0,5 + 0,5 + 0,5 32,5 + 32,5 + 32,5 + 32,5 130 = 65 m = 2 2 Selain secara manual, pengujian juga dilakukan menggunakan
Matlab untuk mengetahui kebenaran langkah-langkah penghitungan yang dijalankan. Pengujian 2 Pengujian kedua dilakukan terhadap data no 13 pada lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih. Input; musim kemarau = 0,0053 mg/L = 53 dag/L Derajat keanggotaan tiap variabel dari input musim kemarau µTB [53] = 55 – 53 = 0,2 10 µB [53] = 53 – 45 = 0,8 10 µSB [53] = 0 Input, musim hujan = 0,0137 mg/L = 137 dag/L
35
Derajat keanggotaan tiap variabel dari input musim hujan µTB [137] = 0 µB [137] = 140 – 137 = 3 = 0,3 10 10 µSB [137] = 137 – 130 = 7 = 0,7 10 10 Kemudian dicari α-predikat (fire strength)dari setiap aturan fuzzy, dengan menggunakan operator and dan interpretasi min. [R1] IF k = TB AND h = TB THEN AMAN α-predikat1 = min (µ TIDAK
BAHAYA[53]
; µTIDAK
BAHAYA[137])
= min (0,2 ; 0) = 0 [R2] IF k = TB AND h = B THEN CUKUP AMAN α-predikat2 = min (µ TIDAK
BAHAYA[53]
;µ
BAHAYA[137])
= min (0,2 ; 0,3) = 0,2 [R3] IF k = TB AND h = SB THEN CUKUP AMAN α-predikat3 = min (µ TIDAK
BAHAYA[53]
;µ
SANGAT BAHAYA[137])
= min (0,2 ; 0,7) = 0,2 [R4] IF k = B AND h = TB THEN CUKUP AMAN α-predikat4 = min (µ
BAHAYA[53]
; µTIDAK
BAHAYA[137])
= min (0,8 ; 0) = 0 [R5] IF k = B AND h = B THEN TERCEMAR α-predikat5 = min (µ
BAHAYA[53]
; µ BAHAYA[137])
= min (0,8 ; 0,3) = 0,3
36
[R6] IF k = B AND h = SB THEN TERCEMAR α-predikat6 = min (µ BAHAYA[53] ; µ SANGAT BAHAYA[137]) = min (0,8 ; 0,7) = 0,7 [R7] IF k = SB AND h = TB THEN CUKUP AMAN α-predikat7 = min (µ
SANGAT BAHAYA[53]
; µ TIDAK
BAHAYA[137])
= min (0 ; 0) = 0, [R8] IF k = SB AND h = B THEN TERCEMAR α-predikat8 = min (µ
SANGAT BAHAYA[53]
; µ BAHAYA [137])
= min (0 ; 0,3) = 0 [R9] IF k = SB AND h = SB THEN TERCEMAR α-predikat9 = min (µ
SANGAT BAHAYA[53]
;µ
SANGAT BAHAYA[137])
= min (0 ; 0,7) = 0 Karena α-predikat tidak nol terdapat pada [R2], [R3], [R5] dan [R6], maka dengan menggunakan metode defuzzy weighted average, maka rata-rata jarak aman rumah dengan sumber pencemaran adalah Z=
=
α 2 z 2 + α 3 z3 + α5 z5 + α6 z6 0,2 ∗125 + 0,2 ∗125 + 0,3 ∗ 65 + 0,7 ∗ 65 = 0,2 + 0,2 + 0,3 + 0,7 α 2 + α 3 + α 5 +α 6 25 + 25 + 19,5 + 45,5
=
115 = 82,1m 1,4
1,4 Pengujian 3 Pengujian ketiga dilakukan terhadap data no 19 pada lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih. Input; musim kemarau = 0,0048 mg/L = 48 dag/L
37
Derajat keanggotaan tiap variabel dari input musim kemarau
µTB [48] = 55 – 48 = 0,7 10
µB [48] = 48 – 45 = 0,3 10 µSB [48] = 0 Input, musim hujan = 0,0132 mg/L = 132 dag/L Derajat keanggotaan tiap variabel dari input musim hujan µTB [132] = 0
µB [132] = 140 – 132 = 0,8 10 µSB [132] = 132 – 130 = 0,2 10 Kemudian dicari α-predikat (fire strength)dari setiap aturan fuzzy, dengan menggunakan operator and dan interpretasi min. [R1] IF k = TB AND h = TB THEN AMAN α-predikat1 = min (µ TIDAK
BAHAYA[48]
; µTIDAK
BAHAYA[132])
= min (0,7 ; 0) = 0 [R2] IF k = TB AND h = B THEN CUKUP AMAN α-predikat2 = min (µ TIDAK
BAHAYA[48]
; µ BAHAYA[132])
= min (0,7 ; 0,8) = 0,7 [R3] IF k = TB AND h = SB THEN CUKUP AMAN α-predikat3 = min (µ TIDAK
BAHAYA[48]
; µ SANGAT BAHAYA[132])
= min (0,7 ; 0,2) = 0,2
38
[R4] IF k = B AND h = TB THEN CUKUP AMAN α-predikat4 = min (µ BAHAYA[48] ; µ TIDAK
BAHAYA[132])
= min (0,3 ; 0) = 0 [R5] IF k = B AND h = B THEN TERCEMAR α-predikat5 = min (µ BAHAYA[48] ; µ BAHAYA[132]) = min (0,3 ; 0,8) = 0,3 [R6] IF k = B AND h = SB THEN TERCEMAR α-predikat6 = min (µ BAHAYA[48] ; µ
SANGAT BAHAYA [132])
= min (0,3 ; 0,2) = 0,2 [R7] IF k = SB AND h = TB THEN CUKUP AMAN α-predikat7 = min (µ SANGAT
BAHAYA[48]
; µTIDAK
BAHAYA[132])
= min (0 ; 0) = 0 [R8] IF k = SB AND h = B THEN TERCEMAR α-predikat8 = min (µ SANGAT
BAHAYA[48]
; µ BAHAYA [132])
= min (0 ; 0,8) = 0 [R9] IF k = SB AND h = SB THEN TERCEMAR α-predikat9 = min (µ SANGAT BAHAYA[48] ; µ SANGAT BAHAYA[132]) = min (0 ; 0,2) = 0 Karena α-predikat tidak nol terdapat pada [R2], [R3], [R5] dan [R6], maka dengan menggunakan metode defuzzy weighted average, maka rata-rata jarak aman rumah dengan sumber pencemaran adalah Z=
α 2 z 2 + α 3 z3 + α 5 z5 + α 6 z6 0,7 ∗125 + 0,2 ∗125 + 0,3 ∗ 65 + 0,2 ∗ 65 = 0,7 + 0,2 + 0,3 + 0,2 α 2 + α 3 + α5 + α 6
39
=
87,5 + 25 + 19,5 + 13
=
145 = 103,5 m 1,4
1,4 Tabel 4.2. Contoh hasil pengujian terhadap beberapa kombinasi kadar Cd pada musim kemarau dan musim hujan Kadar Cd (dag/L) Musim Kemarau
Musim Hujan
Jarak rumah (meter)
1
60
135
65
2
53
137
82,1
3
48
132
103,5
No
Output berupa jarak rumah yang dihasilkan merupakan jarak aman antara pusat pencemaran dengan rumah, sehingga kualitas air menjadi terjaga. Walaupun sudah dapat dipastikan bahwa lokasi yang memiliki kadar tinggi harus memiliki jarak yang jauh. Hubungan ketiga variabel input dan output dapat dilihat seperti gambar berikut.
Gambar 4.4. Hubungan variabel input dan output
40
BAB V KESIMPULAN DAN SARAN
5.1
Kesimpulan Berdasarkan
hasil
dan
pembahasan,
didapatkan
beberapa
kesimpulan, yaitu fungsi keanggotaan terdiri dari input kadar Cd pada musim kemarau dan musim hujan, dan jarak rumah yang aman sebagai output jarak rumah pada Kecamatan Klari Kabupaten Karawang. Fungsi keanggotaan input dibentuk dengan membuat 3 himpunan fuzzy yaitu Tidak Bahaya (TB), Bahaya (B), dan Sangat Bahaya (SB). Pada fungsi keanggotaan musim kemarau semesta pembicaraan [35 75] dan pada fungsi keanggotaan musim hujan semesta pembicaraan [110 150]. Fungsi keanggotaan output terdiri dari 3 himpunan fuzzy yaitu Tercemar (Tc), Cukup Aman (CA), dan Aman (A) dengan semesta pembicaraan [5 245]. Kurva yang digunakan adalah kurva segitiga. Fungsi implikasi diperoleh dengan membentuk aturan fuzzy. Aturan fuzzy yang dihasilkan adalah 9 aturan dengan menyertakan semua variabel. Output berupa jarak rumah yang aman, pada pengujian pertama yaitu 65 m, pada pengujian kedua yaitu 82,1 m dan pada pengujian ketiga yaitu 103,5 m.
41
5.2
Saran Salah satu yang ingin dicapai dari penelitian ini adalah untuk mengetahui jarak aman antara sumber pencemaran dengan tempat tinggal penduduk,
penulis
menyarankan
kepada
Pusat
Penelitian
dan
Pengembangan Ekologi Departemen Kesehatan Republik Indonesia (Puslitbang Depkes RI) untuk menggunakan penelitian ini sebagai salah satu referensi. Untuk penelitian selanjutnya, diharapkan melakukan penghitungan dengan tiga atau lebih input, yaitu logam-logam berat lain (Cu, Pb, dan Cr), sehingga tingkat keamanan tempat tinggal penduduk lebih akurat.
42
REFERENSI [1]
Arhami, Muhammad. Konsep Dasar Sistem Pakar, Yogyakarta: Penerbit Andi Yogyakarta, 2005.
[2]
Bambang dan Zahra. Kimia dalam Industri Lingkungan.’Perkembangan Mutakhir Dalam Teori, Instrumentasi dan Penerapan’, Yogyakarta : Jaringan Kerjasama Kimia Indonesia., 2004
[3]
Fahri, Achmad. Pembuatan Program Komputer Untuk Menganalisa Kualitas Aur Bersih Di Kabupaten Karawang Propinsi Jawa Barat, Skripsi: Jurusan Teknik Informatika Fakultas Sains Dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta, 2006.
[4]
Martaningtyas, Dewi. Bahaya Cemaran Logam Berat. Juni 2007 http://asysyuravoice.blogspot.com/2007_06_01_archive.html 16 Juni 2008, Pukul 19.23
[5]
Limbah. Dari Wikipedia Indonesia, ensiklopedi bebas berbahasa Indonesia. Mei 2008 http://id.wikipedia.org/wiki/Limbah, 13 juni 2008 , Pukul 21.13 WIB
[6]
Pencemaran. Dari Wikipedia Indonesia, ensiklopedi bebas berbahasa Indonesia. Mei 2008 http://id.wikipedia.org/wiki/Pencemaran_air, 2 mei 2008, Pukul 20.40 WIB
[7]
Nugroho, Budi. Ekologi Mikroba Pada Tanah Terkontaminasi Logam Berat. Desember 2001 http://lets-belajar.blogspot.com/2007/08/logam-berat.html 16 Juni 2008, Pukul 20.01 WIB
43
[8]
Kualitas Air. E - Learning Geografi Lingkungan. http://www.malang.ac.id/eLearning/FMIPA/Budi%20Handoyo/geografi4.htm, 27 Mei 2008, Pukul 23.52 WIB
[9]
Mursyidin, Dindin. Menanggulangi Pencemaran Logam Berat. September 2006. http://www.ychi.org/index.php?option = com = com_content & task=view & id=73 & Itemid=39, 16 Juni 2008, Pukul 20.01 WIB
[10] Kusumadewi, Sri. Purnomo, Hari. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Yogyakarta: Penerbit Graha Ilmu, 2004.
[11] Setiawan, Hendra, Pengertian Pencemaran Air Dari Perspektif Hukum Pusat Pengendalian Pencemaran Air. Agustus 2001. www.bplhdjabar.go.id 27 Mei 2008, Pukul 23.48 WIB
44
LAMPIRAN
45
LAMPIRAN 1
JARAK RUMAH PENDUDUK DENGAN SUMBER PENCEMARAN No
No Rumah
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
001 019 031 046 064 082 100 117 138 162 180 186 192 201 210 219 225 231 237 243 246 258 280 289 301 317 339 384 396 402
Jarak rumah (meter) 5 8 8 10 10 8 8 10 8 8 20 17 60 83 59 24 32 48 74 94 102 154 143 210 147 125 124 147 110 175
46
LAMPIRAN 2 HASIL PEMERIKSAAN KUALITAS AIR BERSIH PENDUDUK DI KECAMATAN KLARI KABUPATEN KARAWANG Musim Kemarau (mg/L) Cu Cd Pb Cr
Musim Hujan (mg/L) Cu Cd Pb Cr
No
Nomor Rumah
1
001
0.0387
0.0060
0.0100
0.0230
0.0330
0.0135
0.1785
0.0635
2
019
0.0384
0.0062
0.0101
0.0225
0.0331
0.0137
0.1786
0.0636
3
031
0.0379
0.0063
0.0096
0.0227
0.0332
0.0136
0.1784
0.0634
4
046
0.0381
0.0065
0.0099
0.0229
0.0334
0.0134
0.1787
0.0637
5
064
0.0382
0.0069
0.0098
0.0230
0.0335
0.0140
0.1783
0.0634
6
082
0.0388
0.0070
0.0103
0.0231
0.0334
0.0142
0.1782
0.0633
7
100
0.0389
0.0068
0.0106
0.0219
0.0032
0.0139
0.01781
0.0632
8
117
0.0390
0.0072
0.0107
0.0222
0.0032
0.0138
0.01784
0.0630
9
138
0.0391
0.0055
0.0109
0.0225
0.0030
0.0142
0.01783
0.0629
10
162
0.0395
0.0059
0.0122
0.0229
0.0029
0.0143
0.01782
0.0628
11
180
0.0394
0.0054
0.0095
0.0230
0.0028
0.0138
0.01781
0.0627
12
186
0.0375
0.0054
0.0096
0.0219
0.0029
0.0139
0.01783
0.0628
13
192
0.0379
0.0053
0.0094
0.0220
0.0028
0.0137
0.01780
0.0627
14
201
0.0381
0.0050
0.0098
0.0224
0.0027
0.0136
0.01779
0.0626
15
210
0.0382
0.0052
0.0097
0.0218
0.0026
0.0134
0.01781
0.0625
16
219
0.0386
0.0051
0.0096
0.0217
0.0025
0.0132
0.01778
0.0627
17
225
0.0380
0.0051
0.0094
0.0216
0.0027
0.0130
0.01777
0.0624
18
231
0.0382
0.0049
0.0097
0.0219
0.0028
0.0131
0.01776
0.0623
19
237
0.0381
0.0048
0.0090
0.0220
0.0024
0.0132
0.01775
0.0624
20
243
0.0379
0.0047
0.0091
0.0217
0.0025
0.0129
0.01774
0.0622
21
246
0.0382
0.0051
0.0092
0.0216
0.0026
0.0128
0.01774
0.0621
22
258
0.0383
0.0045
0.0096
0.0215
0.0027
0.0126
0.01773
0.0620
23
280
0.0384
0.0044
0.0095
0.0215
0.0024
0.0124
0.01772
0.0621
24
289
0.0385
0.0046
0.0094
0.0214
0.0022
0.0124
0.01771
0.0619
25
301
0.0381
0.0043
0.0092
0.0213
0.0023
0.0122
0.01771
0.0622
26
317
0.0384
0.0042
0.0091
0.0216
0.0021
0.0121
0.01772
0.0618
27
339
0.0386
0.0042
0.0090
0.0217
0.0020
0.0120
0.01770
0.0617
28
384
0.0381
0.0041
0.0089
0.0218
0.0019
0.0120
0.01769
0.0619
29
396
0.0382
0.0040
0.0087
0.0214
0.0018
0.0120
0.01768
0.0616
30
402
0.038
0.0039
0.0092
0.0217
0.0017
0.0119
0.01767
0.0615
47
LAMPIRAN 3 TOOLBOX MATLAB Untuk mengimplementasikan pembahasan pada bab 4 ke Fuzzy Matlab Toolbox. Berikut langkah-langkahnya : 1. Jalankan software MATLAB 2. Tulis pada command line : >> fuzzy maka akan tampil FIS Editor seperti gambar di bawah ini
3. Pilih new Sugeno FIS pada menu File, kemudian akan muncul FIS seperti gambar di bawah ini.
48
4.
Masukkan variabel input Pada gambar tersebut ada 1 input yaitu input 1 dan I output yaitu output 1. kita dapat mengedit variabel input dan otput dengan cara : a. Tekan sekali kotak berwarna kuning di sisi kiri yang berlabel input 1, kotak tersebut berubah menjadi berbingkai merah. b. Pada kolom edit yang berwarna putih di sisi kanan, ubah kata input 1 menjadi MusimKemarau , kemudian tekan enter. c. Untuk menamah umlah variabel input (tidak hanya satu), pada menu-bar pilih edit-add input. Ubah nama input 2 menjadi MusimHujan, kemudian tekan enter. d. Untuk memasukkan variabel output, tekan sekali kotak berwarna kuning di sisi kanan yang berlabel output 1, kotak tersebut kemudian berbingkai merah.
49
e. Pada kolom edit yang berwarna putih di sisi kanan, ubah kata output 1 menjadi JarakRumah kemudian tekan enter. 5. Mengubah Operator. Operator-operator yang digunakan adalah And Method dan Or Method. Pilihan untuk And Method adalah min, prod, atau custom, pilih min. Sedngkan pilihan untuk Or Method adalah max, probor, aau custom, pilih max. 6. Mengubah Fungsi Implikasi. Fungsi Implikasi memiliki pilihan min, prod, atau custom. Pilih min. 7. Mengubah Fungsi Defuzzification. Fungsi defuzzification terdiri dari wtever dan wtsum, pilih wtaver. 8. Simpan file dengan memilih menu-bar, pilih file-save to disk as …Beri nama Sugeno orde nol.fis Sampai dengan langkah ke-8, diperoleh hasil pada gambar berikut
50
9. Membuat himpunan fuzzy dan fungsi keanggotaaan. Double klik input MusimKemarau, kemudian akan muncul Membership Function Editor
-
Fungsi Keanggotaan untuk variabel MusimKemarau: a. Klik variabel MusimKemarau, hingga bingkainya berwarna merah. b. Pada kolom current variable kolom range berwarna putih. Isikan kolom range tersebut dengan [0 75]. c. Pilih Add MFs … pada menu Edit, akan muncul.
51
Tekan OK. Akan muncul gambar
d. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name dengan nama TidakBahaya. e. Pilih fungsi keanggotaan pada Type dengan trimf. f. Ubah Params dengan [35 45 55] g. Klik mf2 hingga garisnya berwarna merah. Ganti mf2 pada Name dengan nama Bahaya. h. Pilih fungsi keanggotaan pada Type dengan trimf. i. Ubah Params dengan [45 55 65] j. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name dengan nama SangatBahaya. k. Pilih fungsi keanggotaan pada Type dengan trimf. l. Ubah Params dengan [55 65 75].
52
Sampai dengan langkah l, akan terlihat hasil seperti pada gambar berikut
-
Fungsi Keanggotaan untuk variabel MusimHujan: a. Klik variabel MusimHujan, hingga bingkainya berwarna merah. b. Pada kolom current variable kolom range berwarna putih. Isikan kolom range tersebut dengan [0 150]. c. Pilih Add MFs … pada menu Edit, akan muncul.
53
Tekan OK, akan muncul gambar
d. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name dengan nama TidakBahaya. e. Pilih fungsi keanggotaan pada Type dengan trimf. f. Ubah Params dengan [10 120 130] g. Klik mf2 hingga garisnya berwarna merah. Ganti mf2 pada Name dengan nama Bahaya. h. Pilih fungsi keanggotaan pada Type dengan trimf. i. Ubah Params dengan [120 130 140] j. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name dengan nama SangatBahaya. k. Pilih fungsi keanggotaan pada Type dengan trimf.
54
l. Ubah Params dengan [130 140 150]. Sampai dengan langkah l, akan terlihat hasil seperti pada gambar berikut :
-
Fungsi Keanggotaan untuk variabel Jarak Rumah: a. Klik variabel JarakRumah, hingga bingkainya berwarna merah. Akan muncul gambar berikut :
55
b. Pilih add MFs … pada menu Edit, Pilih constan MF type. Tekan OK akan muncul gambar berikut
Kemudian akan muncul
c. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name dengan nama Tercemar. d. Ubah Params dengan [5 65 125] e. Klik mf2 hingga garisnya berwarna merah. Ganti mf2 pada Name dengan nama CukupAman.
56
f. Ubah Params dengan [65 125 185] g. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name dengan nama Aman. h. Ubah Params dengan [125 185 245] Sampai dengan langkah i, akan terlihat hasil seperti pada gambar berikut :
10. Membuat Aturan. Pada Menu Edit pilih Rules, akan muncul gambar berikut :
57
a. Untuk membuat aturan ke-1 : pilih (dengan cara mengklik satu kali) TidakBahaya pada listbox MusimKemarau, TidakBahaya pada listbox MusimHujan, dan Aman pada listbox JarakRumah. Tekan Add Rule. b. Untuk membuat aturan ke-2 : pilih (dengan cara mengklik satu kali) TidakBahaya pada listbox MusimKemarau, Bahaya pada listbox MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add Rule. c. Untuk membuat aturan ke-3 : pilih (dengan cara mengklik satu kali) TidakBahaya pada listbox MusimKemarau, SangatBahaya pada listbox MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add Rule. d. Untuk membuat aturan ke-4 : pilih (dengan cara mengklik satu kali) Bahaya pada listbox MusimKemarau, TidakBahaya pada listbox
58
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add Rule. e. Untuk membuat aturan ke-5 : pilih (dengan cara mengklik satu kali) Bahaya
pada
listbox
MusimKemarau,
Bahaya
pada
listbox
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add Rule. f. Untuk membuat aturan ke-6 : pilih (dengan cara mengklik satu kali) Bahaya pada listbox MusimKemarau, SangatBahaya pada listbox MusimHujan, dan Tercemar pada listbox JarakRumah. Tekan Add Rule. g. Untuk membuat aturan ke-7 : pilih (dengan cara mengklik satu kali) SangatBahaya pada listbox MusimKemarau, TidakBahaya pada listbox MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add Rule. h. Untuk membuat aturan ke-8 : pilih (dengan cara mengklik satu kali) SangatBahaya pada listbox MusimKemarau, Bahaya pada listbox MusimHujan, dan Tercemar pada listbox JarakRumah. Tekan Add Rule. i. Untuk membuat aturan ke-9 : pilih (dengan cara mengklik satu kali) SangatBahaya pada listbox MusimKemarau, SangatBahaya pada listbox MusimHujan, danTercemar pada listbox JarakRumah. Tekan Add Rule. Hasilnya seperti terlihat pada gambar di bawah ini
59
11. Hasilnya dapat dilihat dari rule viewer. Pilih View rules…pada menu View. Akan muncul editor
60
Untuk mengubah input dapat dilakukan dengan mengubah kolom input, atau dengan menggeser garis berwarna merah. 12. Untuk melihat kaitan ketiga variabel dalam bentuk surface, pilih View surface…pada menu View. Akan muncul surface viewer
61