BAB 4 IMPLEMENTASI DAN EVALUASI
4.1 Pengoperasian Program Aplikasi Program aplikasi dapat dijalankan dengan menjalankan executable filenya dengan nama : fre.exe (fuzzy rules extractor). Program Aplikasi dibuat menggunakan Borland Delphi 7.0.
Spesifikasi Komputer yang digunakan dalam perancangan ini
yakni, Processor Cyrix III 700 Mhz, Memory 128MB, Sistem Operasi Windows 98.
4.2 Evaluasi Evaluasi dilakukan dengan menggunakan data hasil operasi logging suatu sumur. Data ini disiapkan oleh bagian eksploitasi dari LEMIGAS. Sebelum diimplementasikan ke dalam program aplikasi, terlebih dahulu log yang ada didigitasi dan kemudian disimpan dalam file. Berikut ini adalah hasil evaluasi training dan testing yang sudah dilakukan. Tabel 4.1 Kisaran nilai standard dari tiap-tiap log.
Jenis Log GR LLD MSF ROB NPH
Nilai Minimum 0 0.2 0.2 1.65 0
Nilai Maximum 200 2000 2000 2.65 0.6
Tabel 4.1 adalah tabel yang menjelaskan kisaran nilai dari masing-masing log. Kisaran nilai ini diambil berdasarkan lembaran hasil logging (lihat lampiran). Pada lembaran hasil logging dapat dilihat skala masing masing log.
40
41
Evaluasi 1: Hasil evaluasi di bawah ini adalah hasil evaluasi training sistem Fuzzy Logic dengan kondisi log NPH sebagai variabel output, dan log GR, LLD, MSF, ROB sebagai variabel input. Jumlah data baik variabel input maupun variabel output berjumlah 1202 data. Range value atau kisaran nilai untuk masing-masing log disesuaikan dengan kisaran nilai standard seperti pada tabel 4.1. Tabel 4.2 Hasil jumlah rule yang dihasilkan untuk tiap-tiap Region tanpa mengubah kisaran nilai
Fuzzy Region 3 5 7 9 11
Jumlah Rules yang dihasilkan 9 16 31 40 55
Dari tabel diatas terlihat bahwa semakin banyak jumlah Fuzzy Region yang dipilih maka semakin banyak pula Fuzzy-Rules yang terbentuk.
Evaluasi 2: Evaluasi berikut adalah evaluasi training sistem Fuzzy Logic dengan kondisi yang sama dengan kondisi pada evaluasi 1, namun kisaran nilai untuk log LLD dan log MSF diubah nilai maksimumnya menjadi 100. Tabel 4.3 Hasil jumlah rule yang dihasilkan dengan mengubah kisaran nilai
Fuzzy Region 3 5 7 9 11
Jumlah Rules yang dihasilkan 21 32 68 97 123
Dari tabel di atas terlihat bahwa jumlah Fuzzy-Rules yang dihasilkan selain dipengaruhi oleh jumlah fuzzy-region, juga dipengaruhi oleh perubahan kisaran nilai. Hal ini dapat
42 terlihat pada Evaluasi 1 (lihat tabel 4.2) dengan fuzzy-region 3 menghasilkan fuzzy-rules sebanyak 9, sedangkan pada evaluasi 2 (lihat tabel 4.3) dengan fuzzy-region 3 menghasilkaan fuzzy-rules sebanyak 21. Berikut adalah hasil fuzzy-rules yang terbentuk pada sistem FL dengan kondisi sesuai dengan evaluasi 1 di atas, dengan fuzzy-region 11. 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. 31. 32. 33. 34. 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53. 54. 55.
if GR=vh AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=vh AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vl if GR=h AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=vl if GR=h AND LLD=vvl AND MSF=vvl AND ROB=hm Then NPH=vl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=vl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vl if GR=hm AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vl if GR=hm AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=m AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vl if GR=m AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vl if GR=hm AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=h AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=h AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vl if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vl if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=l if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=l if GR=hl AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=hl if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=hl if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=l if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=l if GR=m AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=m AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=h AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vvl if GR=m AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vl if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vl if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=l if GR=hl AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=l if GR=hl AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=l if GR=m AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=l if GR=m AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=l if GR=l AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=hl if GR=l AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=l if GR=hl AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=l if GR=hl AND LLD=vvl AND MSF=vl AND ROB=vh Then NPH=vl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=vvh Then NPH=vvl if GR=h AND LLD=vvl AND MSF=vvl AND ROB=vvh Then NPH=vvl if GR=vh AND LLD=vvl AND MSF=vvl AND ROB=vvh Then NPH=vvl if GR=m AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vl if GR=hl AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=hl if GR=l AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=hl if GR=l AND LLD=vvl AND MSF=vvl AND ROB=hm Then NPH=hl if GR=hl AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=l if GR=hl AND LLD=vvl AND MSF=vvl AND ROB=vvh Then NPH=l if GR=m AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vvl if GR=lh AND LLD=vvl AND MSF=vvl AND ROB=h Then NPH=vl if GR=lm AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=l if GR=l AND LLD=vvl AND MSF=vvl AND ROB=lh Then NPH=hl if GR=hl AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=l if GR=m AND LLD=vvl AND MSF=vvl AND ROB=vh Then NPH=vl
43 Fuzzy-Rules yang terbentuk pada pengujian di evaluasi 1 dan 2, dilakukan testing (proses defuzzifikasi) untuk mengetahui validitas rules yang terbentuk. Proses testing dilakukan dengan memasukkan data file-file log yang sama dengan file-file log di pengujian evaluasi 1 dan 2. Dengan kata lain hasil proses testing yang dilakukan adalah proses pengujian terhadap data-data log sumur yang sama. Berikut ini hasil proses testing dengan menggunakan fuzzy-rules yang dibentuk oleh sistem Fuzzy Logic dengan fuzzy-region = 5, dengan jumlah fuzzy-rules 16 (lihat tabel 4.2)
Gambar 4.1 Hasil plot perbandingan nilai yang dihasilkan dari rule terbentuk (menggunakan fuzzy-region 5) dengan nilai hasil log
Gambar 4.1 di atas adalah hasil perbandingan nilai variabel log yang dihasilkan oleh rules dengan nilai variabel log asli. Maksud dari nilai log asli disini adalah nilai log yang diperoleh dari proses logging. Nilai variabel log yang dihasilkan oleh rules digambarkan oleh garis yang berlabel “fuzzy 5”. Sedangkan nilai variabel log asli digambarkan dengan garis yang berlabel “real”. Pada bagian koordinat y merupakan nilai variabel log, sedangkan pada bagian koordinat x merupakan kedalaman sumur.
44 Dari hasil perbandingan menunjukkan fuzzy-rules yang terbentuk kurang baik dalam menggambarkan hubungan variabel-variabel log yang ada. Walaupun demikian pergerakan garis “fuzzy 5” sudah mengikuti trend dari garis “real”. Proses testing berikut masih sama dengan kondisi proses testing diatas, hanya fuzzy-rules yang digunakan adalah fuzzy-rules yang dibentuk sistem Fuzzy Logic dengan fuzzy-region=5, dan nilai maksimum dari log LLD, dan MSF diubah dari 2000 menjadi 100 yang menghasilkan fuzzy-rules sebanyak 32 (lihat tabel 4.3)
Gambar 4.2 Hasil plot perbandingan nilai yang dihasilkan dari rule terbentuk (menggunakan fuzzy region 5, dan kisaran nilai log LLD dan MSF di customasi nilai maksimumnya menjadi 100) dengan nilai hasil log
Pada gambar 4.2, nilai variabel log yang dihasilkan dari fuzzy-rules terbentuk diberi label “fuzzy 5 custom”, sedangkan nilai variabel log asli diberi label “real”. Terlihat bahwa fuzzy-rules yang terbentuk sudah lebih menggambarkan hubungan antar variabel log. Dapat diperhatikan bahwa pergerakan garis “fuzzy 5 custom” sudah lebih
45 mendekati garis “real” dibandingkan dengan pergerakan garis “fuzzy 5” pada gambar 4.1. Testing berikut adalah testing dengan kondisi sama dengan kondisi testing sebelumnya, hanya saja testing berikut ini adalah testing terhadap fuzzy-rules bentukan sistem Fuzzy Logic yang mempunyai fuzzy-region=11, dengan jumlah fuzzy-rules 55 (lihat tabel 4.2).
Gambar 4.3 Hasil plot perbandingan nilai yang ddihasilkan dari rule terbentuk (menggunakan fuzzy-region 11) dengan nilai hasil log
Pada gambar 4.3, nilai variabel log yang dihasilkan fuzzy-rules di gambarkan oleh garis berlabel “Fuzzy 11” sedangkan nilai variabel log asli digambarkan oleh garis berlabel “real”. Pada gambar tersebut menunjukkan kedekatan garis “fuzzy 11” dengan garis “real”. Testing berikut ini adalah testing terhadap fuzzy-rules yang dibentuk oleh sistem Fuzzy Logic dengan fuzzy-region 11, dan pengubahan nilai maksimum dari log LLD dan
46 MSF dari 2000 menjadi 100. Adapun jumlah fuzzy-rules yang terbentuk adalah 123 (lihat tabel 4.3).
Gambar 4.4 Hasil plot perbandingan nilai yang dihasilkan dari rule terbentuk (menggunakan fuzzy region 11, dan kisaran nilai log LLD dan MSF di customasi nilai maksimumnya menjadi 200) dengan nilai hasil log
Gambar 4.4 menunjukkan perbandingan dari nilai variabel log yang dihasilkan oleh fuzzy-rules dengan nilai variabel log asli. Nilai variabel log yang dihasilkan fuzzy-rules di beri label “fuzzy 11 custom”, sedangkan untuk nilai variabel asli diberi label “real”. Pada testing kali ini pergerakan garis “fuzzy 11 custom” sudah sangat mengikuti pergerakan garis “real” dan diantara hasil pengujian diatas hasil ini adalah hasil yang terbaik.
