Simulasi Pendaratan Pesawat Terbang Jenis Cassa 212 Menggunakan Logika Fuzzy

Jurnal EKSPONENSIAL Volume 2, Nomor 1, Mei 2011

ISSN 2085-7829

Simulasi Pendaratan Pesawat Terbang Jenis Cassa 212 Menggunakan Logika Fuzzy Landing Airplane Simulation for Cassa 212 Using Fuzzy Logic Awang Harsa K., Addy Suyatno, Juwita Rahayu Program Studi Ilmu Komputer FMIPA Universitas Mulawarman Abstract This research discusses about landing of cassa 212 aircraft in Temindung Airport Samarinda. The purpose of this research is to apply a system that can help the ATC(Air Traffic Control) officers easily to do selection process (Classifying aircraft into BL (able to land) and TBL (unable to land). In that selection process using fuzzy logic system with Mamdani method to find the expected output. That method needs four working steps. Those steps are fuzzy compilation establishment (Fuzzification), implication function application (with Min implication), rule composition (rulebase) and the last is confirmation (defuzzification) using Centroid. Based on the flight weather condition when aircraft will be to land and from the counting that has been done, shows that fuzzy logic can be applied as the help tools in making decision at the selection process that has been done. With crisp or real input value that has been determined, if flight weather condition is good and percentage less than 38% , it means close by BL. But if flight weather condition is bad and percentage more than same with 38% , it means close by TBL. Keywords : Simulation, landing, cassa 212 aircraft, fuzzy logic, Mamdani. PENDAHULUAN Saat ini pesawat terbang merupakan sarana angkutan satu-satunya yang dapat menyingkat waktu perjalanan, sehingga banyak orang sering menggunakannya dalam bepergian yang membutuhkan faktor keamanan tinggi diantaranya pada proses pendaratan. Sistem ILS (Instrument Landing System) glide path-coupled merupakan sistem pandu bagi pesawat terbang yang memberikan informasi tentang arah pendaratan (landing) menuju ke landasan. Proses landing memerlukan kondisi cuaca penerbangan yang aman hingga mencapai titik touch down. Toleransi error yang diperkenankan pada saat fase final approach yang dikenal dengan glide path error ditetapkan pada kisaran -1,5° sampai 1,5°. Dalam melakukan proses pendaratan pesawat terbang seorang pilot dan petugas ATC (Air Traffic Control) memerlukan informasi data mengenai cuaca penerbangan yang cepat dan akurat dari BMKG untuk kemudian petugas ATC mengolah data tersebut untuk bisa diberitahukan kepada pilot bahwa pesawat dapat mendarat dan tidak boleh mendarat berdasarkan kepakaran petugas ATC . Informasi data tersebut selanjutnya dianalisis, sehingga bisa menjadi sebagai pendukung keputusan dalam memprediksi faktor keamanan yaitu salah satunya unsur cuaca di dalam mendaratkan sebuah pesawat terbang. Analisis dilakukan dengan membuat simulasi

sebagai suatu sistem yang digunakan untuk menguraikan persoalan-persoalan atau permasalahan mengenai cuaca penerbangan dalam proses pendaratan pesawat terbang yang mengandung ketidakpastian dengan menggunakan metode tertentu dari logika fuzzy yang dapat diterapkan dalam proses pengambilan keputusan pesawat terbang boleh mendarat dan tidak boleh mendarat berdasarkan implementasi pengalaman pilot dan petugas ATC. Seiring dengan perkembangan teknologi di dunia komputer berupa kecerdasan tiruan (Artificial Intelligence) khususnya logika fuzzy yang diperkenalkan Professor L.A. Zadeh dari Universitas California di Barkeley, menjelaskan bahwa teori himpunan fuzzy yang secara tidak langsung mengisyaratkan bahwa tidak hanya teori probabilitas saja yang dapat merepresentasikan ketidakpastian. Logika fuzzy dapat dijadikan alat bantu dalam sistem simulasi pendaratan pesawat terbang, karena pada dasarnya logika fuzzy sebagai komponen utama pembangunan softcomputing, telah memiliki kinerja yang sangat baik untuk menyelesaikan masalah-masalah yang mengandung ketidakpastian. Himpunan dan logika fuzzy semakin banyak diminati para peneliti untuk diterapkan dalam penelitiannya. Implementasinya luas baik di bidang permesinan, psikologi, sosial dan juga bidang ekonomi. Dengan adanya permasalahan tersebut, dapat diatasi dengan membuat sebuah sistem simulasi

Program Studi Statistika FMIPA Universitas Mulawarman

1


yang dapat memprediksi faktor-faktor cuaca penerbangan yang mempengaruhi keamanan bagi sebuah pesawat terbang dalam melakukan pendaratan. Kemudian penggunaannya diharapkan bisa menjadi sebagai pendukung keputusan untuk petugas ATC dalam menentukan syarat kondisi cuaca penerbangan yang aman bagi sebuah pesawat terbang dalam melakukan proses pendaratan. Simulasi Simulasi merupakan salah satu cara untuk memecahkan berbagai persoalan yang dihadapi di dunia nyata (real world). Banyak metode yang dibangun dalam operation research dan system analyst untuk kepentingan pengambilan keputusan dengan menggunakan berbagai analisis data. (Kakiay, 2004) Simulasi juga dapat diartikan sebagai suatu sistem yang digunakan untuk memecahkan atau menguraikan persoalan-persoalan dalam kehidupan nyata yang penuh dengan ketidakpastian dengan tidak atau menggunakan model atau metode tertentu dan lebih ditekankan pada pemakaian komputer untuk mendapatkan solusinya. Dengan pendekatan sistem, simulasi dapat dirancang untuk menghadirkan sistem dalam bentuk operasi maya sehingga dengan pengoperasian sistem dapat diperoleh gambaran mengenai keadaan sistem dan karakteristik operasional sistem. Dengan menggunakan model yang sesuai dan prosedur pegoperasian sistem sistem maya yang valid, simulasi dapat memberikan hasil operasi sistem maya yang sesuai dengan hasil operasi sistem ril yang diimitasi. Dengan dasar pemodelan sistem dan operasi sistem ril, teknik simulasi dapat digunakan untuk penyelesaian beragam persoalan yang menyangkut dengan sistem dan operasi sistem. Simulasi dapat diaplikasikan dengan menggunakan prosedur pengoperasian sistem secara khusus disusun untuk tujuan penyelesaian persoalan yang dihadapi. Prosedur perlu disusun berdasarkan pemodelan dan analisis sistem karena simulasi tidak menyediakan prosedur-prosedur yang diperlukan untuk berbagai bentuk persoalan sistem yang beragam di berbagai bidang. Ada beberapa jenis sistem simulasi (Kakiay, 2004), yaitu sebagai berikut: 1. Identity Simulation (Simulasi Identitas) Simulasi yang dapat dimanipulasi dengan mudah dan dapat menghasilkan angka-angka atau bilangan numerik. Pendekatannya cukup sederhana. Pada umumnya banyak meniadakan berbagai hal yang fundamental dari aturan pemodelan. 2. Ouasi Identity Simulation (Simulasi Identitas Semu)

ISSN 2085-7829

Simulasi ini selangkah lebih maju dibanding simulasi identitas. Simulasi identitas semu ini memodelkan berbagai aspek yang terkait dari sistem yang sebenarnya dan dapat mengeluarkan unsur-unsur yang dapat membuat setiap simulasi identitas tidak berfungsi dengan baik. 3. Laboratory Simulation (Simulasi Laboratorium) Simulasi ini lebih murah dan lebih layak daripada simulasi identitas dan simulasi identitas semu dan akan memberikan jawaban yang lebih esensial pada masa yang akan datang. Ada dua tipe laboratory simulation, yaitu : a. Operation Planning Dalam operation planning menggunakan komputer untuk mengumpulkan data dan untuk mengolah informasi dari para pengguna. b. Man Machine Simulation Simulasi ini memberikan sudut pandang lain dalam menyelidiki berbagai konsep teknis dengan tujuan-tujuan tertentu. 4. Computer Simulation (Simulasi Komputer) Bila dari suatu laboratorium simulasi unsur manusianya dikeluarkan maka yang tertinggal adalah komputer, operating prosedur , fungsifungsi matematis dan juga distribusi probabilitas, maka kita akan memperoleh inti dari simulasi komputer. Pendaratan Pendaratan merupakan suatu keadaan dimana runaway yang cukup dibutuhkan untuk memungkinkan variasi normal dari tekhnik pendaratan, pendaratan yang melebihi jarak yang ditentukan (overshoots), pendekatan yang kurang sempurna (poor aproachs) dan lain-lain. (Basuki, 1986) Pesawat yang akan mendarat adalah pesawat dalam keadaan terbang sepanjang lintasan menurun, ketika touch down dicapai, pesawat harus melayang pada arah yang benar, agar pendaratan terasa mulus dan menuju perhentian yang baik.

Gambar 1 Pendaratan pesawat terbang Pada saat pesawat akan mendarat dibutuhkan informasi mengenai cuaca. Informasi cuaca tersebut diberikan setiap waktu pada saat pesawat akan merencanakan penerbangan yang disesuaikan dengan jadwal penerbangan. Informasi cuaca yang diberikan biasanya meliputi


60


beberapa unsur cuaca, yaitu arah angin, jarak pandang, tekanan, jenis awan dan suhu udara ( Handrini, 2008). 1. Arah angin Unsur arah angin ini diperlukan untuk menentukan dari mana dan kemana pesawat tersebut lepas landas maupun mendarat dengan memperhitungkan kecepatan angin yang sedang terjadi, sedangkan selama perjalanan dimanfaatkan untuk mempertahankan posisi pesawat saat di udara. Perubahan arah dan kecepatan angin permukaan yang signifikan dilaporkan saat itu juga untuk keselamatan penerbangan saat mendarat. Pesawat terbang akan melakukan pendaratan apabila lepas landas menuju arah datangnya angin, namun juga memperlihatkan landasan, misalnya jika landasan memanjang dari barat hingga ke timur, jika angin berasal dari barat maka pesawat akan mendarat menuju barat. Tetapi jika angin berasal dari timur maka pesawat akan mendarat menuju ke timur. Pada landasan yang memanjang dari utara hingga selatan, maka jika angin berasal dari selatan maka pesawat akan mendarat menuju selatan dan jika angin berasal dari utara maka pesawat akan mendarat menuju utara. 2. Jarak Pandang Terkait jarak pandang, untuk pesawat yang tidak otomatis, informasi jarak pandang sangat diperlukan dalam hal pendaratan, baik jarak pandang vertikal maupun horizontal. Jarak pandang vertikal erat kaitannya dengan saat pesawat akan melakukan pendaratan saat masih di udara, hal ini penting untuk mengetahui posisi dan sisa runway agar pendaratan dapat dilakukan dengan tepat. Jarak pandang horizontal erat kaitannya dengan saat pesawat sudah mulai mendarat di dekat permukaan. Dalam penerbangan dikenal dengan Runway Visual Range, (RVR) merupakan alat meterologi yang memberikan informasi jarak pandang maksimum (visibility) didaerah sekitar runway, RVR biasanya dipasang sebagai kelengkapan fasilitas Instrument Landing System (ILS). Kejadian-kejadian yang dapat mengurangi jarak pandang diantaranya yang pertama adalah hujan deras. Pada dasarnya hujan didefinisikan sebagai partikel-partikel air yang jatuh ke permukaan tanah berbentuk kepingan dengan diameter 0.5 mm atau kurang, dapat dibayangkan apabila partikel-partikel yang jatuh ke bumi di suatu bandara jumlahnya sangat banyak, tentu saja akan mengakibatkan berkurangnya jarak pandang.

ISSN 2085-7829

3. Awan Informasi tentang awan juga selalu diberikan dalam penerbangan. Ada bermacam-macam jenis awan berdasarkan level ketinggian, yaitu awan rendah, menengah, dan tinggi. Dalam penerbangan awan yang harus dilaporkan adalah jenis awan rendah yaitu awan Cumulonimbus(Cb) dan awan Towering Cumulus(Tcu), namun pada umumnya awan Cb. Awan ini sangat ditakuti dalam penerbangan karena dapat mengakibatkan updraft (arus naik), downdraft (arus turun), dan windshear (perubahan kecepatan secara tiba-tiba), yang apabila pesawat berada di dalam atau di bawah awan ini pada saat setelah mendarat, sebelum mendarat, maupun pada saat terbang akan mengakibatkan ketidakstabilan posisi pesawat yang dapat berakibat fatal. 4. Suhu Udara Informasi tentang suhu udara juga selalu diberikan dalam penerbangan. Suhu udara dalam penerbangan sangat erat kaitannya dengan pemuaian udara dimana apabila suhu tinggi udara memuai, begitu pula sebaliknya. Apabila suhu lebih tinggi akan mengakibatkan pemuaian udara yang lebih, hal ini dapat mengakibatkan terbentuknya fatamorgana yang dapat mempengaruhi estimasi pilot mengenai jarak pandang yang sebenarnya. Suhu yang tinggi dapat juga memacu meningkatkan daya angkat yang harus dihasilkan pesawat yang nantinya akan mempengaruhi terhadap penggunaan bahan bakar. Dapat dibayangkan apabila udara di sekeliling pesawat yang merupakan media terbangnya pesawat menjadi renggang, yang dapat mengurangi daya angkat pesawat. Dengan suhu yang lebih rendah, udara di sekeliling akan lebih rapat dari pada ketika panas, hal ini menyebabkan pesawat memiliki daya angkat yang lebih pada saat mendarat, maupun terbang di udara, yang tentunya akan dapat mengurangi daya angkat yang harus dihasilkan pesawat sehingga dapat mengurangi penggunaan bahan bakar. 5. Tekanan Udara Informasi kelima yang biasanya diberikan dalam penerbangan terkait cuaca adalah tekanan udara. Tekanan udara merupakan salah satu unsur cuaca terpenting yang dibutuhkan dalam penerbangan, tekanan udara tidak lepas kaitannya dengan suhu udara, dimana tekanan udara berbanding terbalik dengan suhu udara. Hal ini jelas apabila suhu udara tinggi maka tekanan udara rendah dan sebaliknya, apabila suhu udara rendah maka


61


tekanan udara tinggi. Tekanan permukaan laut atau Mean sea level pressure (MSLP atau QFF) adalah tekanan pada permukaan laut atau saat pengukuran tekanan dilakukan pada daratan yang telah ditentukan ketinggiannya. Dalam dunia penerbangan dikenal istilah “Altimeter”, yaitu sebuah barometer aneroid yang dibuat sedemikian rupa sehingga skala-skalanya dapat menunjukkan altitude atau ketinggian. Kesalahan pada saat pembacaan tekanan akan berakibat pada kesalahan dalam penyetelan altimeter, hal ini tentu saja akan mengakibatkan kesalahan penafsiran ketinggian pesawat oleh pilot, terutama pada saat mendarat. Selain itu informasi tekanan juga berpengaruh terhadap ketinggian kerapatan udara (density height) yang kemudian mengacu pada daya angkat pesawat dan panjang landasan yang diperlukan pada saat pesawat mendarat. Logika Fuzzy Pada era tahun 1960-an. Professor Lotfi Zadeh dari university of California di Barkeley mengemukakan bahwa tidak jelas merupakan suatu aspek ketidaktentuan yang berbeda dengan keacakan. Professor Zadeh mengusulkan suatu bentuk matematika untuk melihat bagaimana ketidakjelasan dapat dinyatakan dalam bahasa manusia yang pendekatannya disebut “logika fuzzy”. Tujuan logika fuzzy adalah membuat komputer beroperasi seperti layaknya logika manusia dan menghilangkan batas antara manusia dan kemampuan komputer. (Pandjaitan, 2007) Logika adalah suatu studi tentang metode dan prinsip suatu alasan dalam semua bentuk kemungkinan. Logika klasik mengenal dua keadaan, yaitu benar atau salah. Dalam logika, kita mengenal kombinasi variabel yang disebut variable logika. Penentuan property himpunan penting berpengaruh pada komputasi matematika dari himpunan. Komputer dan manusia mempunyai kekuatan dan kelemahan yang saling mengisi. Komputer tidak memahami konsep ketidakjelasan manusia. data harus dikirimkan ke komputer dalam logika biner, walaupun kebanyakan data manusia bukan biner. Sebagai contoh, manusia tidak hanya dikelompokkan “baik” dan “buruk”. Namun, apa pun kriterianya, di antara kelompok “baik” masih ada yang “benar-benar baik” dan di antara “buruk” ada rentang antara pula. Demikian pula, dengan temperatur, tekanan, ukuran, dan sebagainya, salah satu kelompok masih dapat dinyatakan dalam derajat kejelasannya. Himpunan Crisp dan Himpunan Fuzzy Himpunan Crisp A didefinisikan oleh itemitem yang ada pada himpunan itu. Jika a  A, maka nilai yang berhubungan dengan a adalah 1. Namun, jika a  A, maka nilai yang

ISSN 2085-7829

berhubungan dengan a adalah 0. Notasi A = {x | P(x)} menunjukkan bahwa A berisi item x dengan P (x) benar. Jika XA merupakan fungsi karakteristik A dan properti P, dapat dikatakan bahwa P(x) benar, jika dan hanya jika XA(x) = 1. Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item tidak hanya bernilai benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah. Seseorang dapat masuk dalam 2 himpunan berbeda, Muda dan Parobaya, Parobaya dan Tua. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya. Gambar 2 menunjukkan himpunan fuzzy untuk variabel umur.

Gambar 2 Grafik pengelompokan umur ke himpunan kategori usia dengan logika fuzzy Pada Gambar 2 dapat dilihat bahwa : 1. Seseorang yang berumur 40 tahun, termasuk dalam himpunan muda dengan µmuda [40] = 0,25; namun umur tersebut juga termasuk dalam himpunan parobaya dengan µparobaya [40] = 0,5. 2. Seseorang yang berumur 50 tahun, termasuk dalam himpunan tua dengan µtua [50] = 0,25, namun umur tersebut juga termasuk dalam himpunan parobaya dengan µparobaya [50] = 0,5. Pada himpunan crisp, nilai keanggotaannya hanya ada dua kemungkinan, yaitu antara 0 atau 1, sedangkan pada himpunan fuzzy nilai keanggotaannya pada rentang antara 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µA[x] = 0, berarti x tidak menjadi anggota himpunan A, juga apabila x memiliki nilai keanggotaan fuzzy µA[x] = 1 berarti x menjadi anggota penuh pada himpunan A. Istilah fuzzy logic memiliki berbagai arti. Salah satu arti fuzzy logic adalah perluasan crisp logic, sehingga dapat mempunyai nilai antara 0 sampai 1. Pertanyaan yang akan timbul adalah, bagaimana dengan operasi NOT, AND dan ORnya? Ada banyak solusi untuk masalah tersebut. Salah satunya adalah:  operasi NOT x diperluas menjadi 1 - µx,  x OR y diperluas menjadi max(µx,µy)  x AND y diperluas menjadi min(µx,µy). Dengan cara ini, operasi dasar untuk crisp logic tetap sama. Sebagai contoh :  NOT 1 = 1 – 1 = 0


62


 1 OR 0 = max (1,0) = 1  1 AND 0 = min (1,0) = 0, Dan ini diperluas untuk logika fuzzy. Sebagai contoh :  NOT 0,7 = 1 – 0,7 = 0,3  0,3 OR 0,1 = max (0,3, 0,1) 0,8 AND 0,4 = min (0,8, 0,4) = 0,4. Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy (Fuzzy Inference System atau FIS) disebut juga fuzzy inference engine adalah sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya. Terdapat beberapa jenis FIS yang dikenal yaitu Mamdani, Sugeno dan Tsukamoto. FIS yang paling mudah dimengerti, karena paling sesuai dengan naluri manusia adalah FIS Mamdani. FIS tersebut bekerja berdasarkan kaidah-kaidah linguistik dan memiliki algoritma fuzzy yang menyediakan sebuah aproksimasi untuk dimasuki analisa matematik. Proses dalam FIS ditunjukan pada Gambar 2.12 Input yang diberikan kepada FIS adalah berupa bilangan tertentu dan output yang dihasilkan juga harus berupa bilangan tertentu. Kaidah-kaidah dalam bahasa linguistik dapat digunakan sebagai input yang bersifat teliti harus dikonversikan terlebih dahulu, lalu melakukan penalaran berdasarkan kaidah-kaidah dan mengkonversi hasil penalaran tersebut menjadi output yang bersifat teliti.

ISSN 2085-7829

inferensi sistem fuzzy, yaitu : max, additive dan probabilistik OR. Pada metode max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikanya ke output dengan menggunakan operator OR (union). Secara umum dapat ditulis µdf (xi) max (µdf(xi,) µkf(xi)) 4. Penegasan (defuzzyfikasi) Input dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat di ambil suatu nilai crisp tertentu sebagai output. Defuzzyfikasi pada metode mamdani untuk semesta diskrit menggunakan persamaan z = ∑ zj µ(zj)/∑ µ(zj) Perencanaan Sistem Flowchart

Gambar 2.12 Proses dalam FIS (Sumber : Kusumadewi, 2004) Metode Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk memperoleh output, (Kusumadewi, 2002) diperlukan 4 tahapan yaitu : 1. Pembentukan himpunan fuzzy Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. 2. Aplikasi fungsi impliksi (aturan) Pada metode mamdani, fungsi implikasi yang digunakan adalah MIN. 3. Komponen aturan Pada tahapan ini sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan

Gambar 4.2.1 Bagan Alir Sistem Secara Umum Uraian Flowchart : 1. User dihadapkan pada interface aplikasi simulasi.


63


2. User biasa dapat langsung mensimulasikan, petugas ATC (Air Traffic Control) dapat menggunakan aplikasi simulasi. 3. User dapat melakukan penginputan data unsur cuaca penerbangan (Kecepatan angin, jarak pandang, awan, dan suhu udara) yang baru ataupun hanya sekedar melakukan simulasi seperti layaknya seorang user biasa. 4. Jika yang dipilih adalah melakukan sesi simulasi (baik berstatus sebagai petugas ATC (Air Traffic Control maupun user biasa), maka user akan diminta untuk menginputkan data unsur cuaca penerbangan (dengan menginputkan sebuah nilai crisp untuk masing-masing variabel input unsur cuaca). 5. Nilai crisp masing-masing input variabel tersebut, kemudian diproses dengan menggunakan logika fuzzy (fuzzyfikasi). 6. Selanjutnya, dari hasil fuzzyfikasi tersebut, dilakukan proses pembacaan atau eksekusi terhadap rule-rule yang ada. 7. Dari hasil eksekusi rule-rule tersebut diperoleh hasil akhir simulasi berupa hasil keputusan akhir untuk BL(Boleh Landing) & TBL(Tidak Boleh Landing) . Setelah selesai melakukan sesi simulasi, user dapat menginput data unsur cuaca yang baru Menentukan Himpunan Fuzzy Form ini menampilkan beberapa unsur cuaca himpunan fuzzy diantaranya ada variabel inputannya yaitu kecepatan angin, jarak Pandang, awan dan suhu udara, serta variabel outputna yaitu hasil keputusan akhir. Parameter yang bisa dihitung hanya ada 4 yaitu kecepatan angin, jarak pandang, awan, suhu udara.

Gambar 2. Form Data Himpunan Fuzzy Sedangkan QFF dan QNF dipengaruhi oleh temperatur, lintang, serta elevasi dan titik embun terkait dengan suhu bola kering untuk memperkirakan mulai terbentuknya awan, maka suhu titik embun tidak bisa dikategorikan dalam himpunan fuzzy, karena keberadaan uap air di atmosfer fluktuatif atau relatif.

ISSN 2085-7829

Setelah variabel input dan output ditentukan kegiatan selanjutnya adalah mendefinisikan ke dalam himpunan fuzzy dan membuat domainnya sesuai dengan semesta pembicaraan yang ada. Berdasarkan data-data yang ada, maka dapat dibentuk aturan-aturan fuzzy sebagai berikut : 1. Jika kecepatan angin KENCANG And Jarak Pandang KURANG JELAS And Awan OVC (KILAT) And Suhu udara TINGGI THEN TBL. 2. Jika kecepatan angin KENCANG And Jarak Pandang KURANG JELAS And Awan CLEAR (JELAS) And Suhu udara RENDAH THEN TBL. 3. Jika kecepatan angin KENCANG And Jarak Pandang AGAK JELAS And Awan SCT (KECIL) And Suhu udara SEDANG THEN TBL. 4. Jika kecepatan angin KENCANG And Jarak Pandang AGAK JELAS And Awan BKN (RUSAK) And Suhu udara TINGGI THEN TBL. 5. Jika kecepatan angin SEDANG And Jarak Pandang AGAK JELAS And Awan CLEAR (JELAS) And Suhu udara TINGGI THEN TBL. 6. Jika kecepatan angin SEDANG And Jarak Pandang AGAK JELAS And Awan OVC (KILAT) And Suhu udara SEDANG THEN TBL. 7. Jika kecepatan angin SEDANG And Jarak Pandang AGAK JELAS And Awan FEW (KABUT KECIL) And Suhu udara SEDANG THEN TBL. 8. Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan OVC (KILAT) And Suhu udara TINGGI THEN TBL. 9. Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan OVC(KILAT) And Suhu udara SEDANG THEN TBL. 10. Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan FEW (KABUT KECIL) And Suhu udara TINGGI THEN TBL. 11. Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan BKN (RUSAK) And Suhu udara RENDAH THEN TBL. 12. Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan SCT (KECIL) And Suhu udara SEDANG THEN TBL. 13. Jika kecepatan angin LAMBAT And Jarak Pandang KURANG JELAS And Awan BKN (RUSAK) And Suhu udara SEDANG THEN TBL. 14. Jika kecepatan angin LAMBAT And Jarak Pandang KURANG JELAS And Awan FEW


64


15.

16.

17.

18. 19.

20. 21. 22. 23.

24.

25.

(KABUT KECIL) And Suhu udara SEDANG THEN TBL. Jika kecepatan angin LAMBAT And Jarak Pandang KURANG JELAS And Awan CLEAR (JELAS) And Suhu udara RENDAH THEN TBL. Jika kecepatan angin LAMBAT And Jarak Pandang AGAK JELAS And Awan BKN (RUSAK) And Suhu udara SEDANG THEN TBL. Jika kecepatan angin KENCANG And Jarak Pandang JELAS And Awan FEW (KABUT KECIL) And Suhu udara SEDANG THEN BL. Jika kecepatan angin KENCANG And Jarak Pandang JELAS And Awan SCT (KECIL) And Suhu udara TINGGI THEN BL. Jika kecepatan angin SEDANG And Jarak Pandang JELAS And Awan CLEAR (JELAS) And Suhu udara RENDAH THEN BL. Jika kecepatan angin SEDANG And Jarak Pandang JELAS And Awan SCT (KECIL) And Suhu udara RENDAH THEN BL. Jika kecepatan angin SEDANG And Jarak Pandang JELAS And Awan OVC (KILAT) And Suhu udara TINGGI THEN BL. Jika kecepatan angin LAMBAT And Jarak Pandang JELAS And Awan OVC (KILAT) And Suhu udara TINGGI THEN BL. Jika kecepatan angin LAMBAT And Jarak Pandang JELAS And Awan CLEAR (JELAS) And Suhu udara SEDANG THEN BL. Jika kecepatan angin LAMBAT And Jarak Pandang JELAS And Awan FEW (KABUT KECIL) And Suhu udara RENDAH THEN BL. Jika kecepatan angin LAMBAT And Jarak Pandang AGAK JELAS And Awan FEW (KABUT KECIL) And Suhu udara RENDAH THEN BL.

Defuzzifikasi dengan Centroid Setelah Aturan fuzzy dibuat, maka kegiatan selanjutnya adalah melakukan defuzzifikasi menggunakan metode centroid, dengan tujuan untuk mendapatkan nilai tegas (crisp) dari himpunan fuzzy yang telah terbentuk, dengan cara mengambil nilai tegas tersebut dari titik pusat daerah fuzzy. Tabel 4.5.1 Nilai Crisp Input Pesawat Cassa 212 yang boleh landing Nama Variabel Himpunan Fuzzy Crisp Input Kecepatan Angin

Lambat

5 (Knot)

ISSN 2085-7829

Jarak Pandang

Jelas

6 (Km)

Awan

Clear

1 (Oktaf)

Suhu Udara

Rendah

21 (°C)

Dalam penelitian ini, peneliti menggunakan operator AND untuk mendapatkan -predikat. predikat diperoleh dengan cara mengambil nilai keanggotaan terkecil antara elemen pada himpunan-himpunan yang bersangkutan sesuai dengan rumus µAB = MIN(µA(X), µB(X)). 1.) Aturan 1 [R1] = Jika kecepatan angin KENCANG And Jarak Pandang KURANG JELAS And Awan OVC (KILAT) And Suhu udara TINGGI THEN TBL. -predikatR1 = Min (µkencang(5), µkurangjelas(6), µovc(1), µtinggi(21)) = Min (0 ; 0 ; 0 ; 0 ) =0 2.) Aturan 2 [R2] = Jika kecepatan angin KENCANG And Jarak Pandang KURANG JELAS And Awan CLEAR (JELAS) And Suhu udara RENDAH THEN TBL. -predikatR2 = Min (µkencang(5), µkurangjelas(6), µclear(1), µrendah(21)) = Min (0 ; 0 ; 0 ; 0,8 ) =0 3.) Aturan 3 [R3] = Jika kecepatan angin KENCANG And Jarak Pandang AGAK JELAS And Awan SCT (KECIL) And Suhu udara SEDANG THEN TBL. -predikatR3 = Min (µkencang(5), µagakjelas(6), µsct(1), µsedang(21)) = Min (0 ; 0,67 ; 0 ; 0 ) =0 4.) Aturan 4 [R4] = Jika kecepatan angin KENCANG And Jarak Pandang AGAK JELAS And Awan BKN (RUSAK) And Suhu udara TINGGI THEN TBL. -predikatR4 = Min (µkencang(5), µagakjelas(6), µbkn(1), µtinggi(21)) = Min (0 ; 0,67 ; 0 ; 0 ) =0 5.) Aturan 5 [R5] = Jika kecepatan angin SEDANG And Jarak Pandang AGAK JELAS And Awan CLEAR (JELAS) And Suhu udara TINGGI THEN TBL. -predikatR5 = Min (µsedang(5), µagakjelas(6), µclear(1), µtinggi(21)) = Min (0,5 ; 0,67 ; 0 ; 0 ) =0 6.) Aturan 6 [R6] = Jika kecepatan angin SEDANG And Jarak Pandang AGAK JELAS And Awan OVC


65


(KILAT) And Suhu udara SEDANG THEN TBL. -predikatR6 = Min (µsedang(5), µagakjelas(6), µovc(1), µsedang(21)) = Min (0,5 ; 0,67 ; 0 ; 0 ) =0 7.) Aturan 7 [R7] = Jika kecepatan angin SEDANG And Jarak Pandang AGAK JELAS And Awan FEW (KABUT KECIL) And Suhu udara SEDANG THEN TBL. -predikatR7 = Min (µsedang(5), µagakjelas(6), µfew(1), µsedang(21)) = Min (0,5 ; 0,67 ; 0,167 ; 0 ) =0 8.) Aturan 8 [R8] = Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan OVC (KILAT) And Suhu udara TINGGI THEN TBL. -predikatR8 = Min (µsedang(5), µkurangjelas(6), µovc(1), µtinggi(21)) = Min (0,5 ; 0 ; 0 ; 0 ) =0 9.) Aturan 9 [R9] = Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan OVC (KILAT) And Suhu udara SEDANG THEN TBL. -predikatR9 = Min (µsedang(5), µkurangjelas(6), µovc(1), µsedang(21)) = Min (0,5 ; 0 ; 0 ; 0 ) =0 10.) Aturan 10 [R10] = Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan FEW (KABUT KECIL) And Suhu udara TINGGI THEN TBL. -predikatR10 = Min (µsedang(5), µkurangjelas(6), µfew(8), µtinggi(21)) = Min (0,5 ; 0 ; 0,167 ; 0 ) =0 11.) Aturan 11 [R11] = Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan BKN (RUSAK) And Suhu udara RENDAH THEN TBL. -predikatR11 = Min (µsedang(5), µkurangjelas(6), µbkn(1), µrendah(21)) = Min (0,5 ; 0 ; 0 ; 0,8 ) =0 12.) Aturan 12 [R12] = Jika kecepatan angin SEDANG And Jarak Pandang KURANG JELAS And Awan SCT (KECIL) And Suhu udara SEDANG THEN TBL. -predikatR12 = Min (µsedang(5), µkurangjelas(6), µsct(1), µsedang(21)) = Min (0,5 ; 0 ; 0 ; 0 ) =0

ISSN 2085-7829

13.) Aturan 13 [R13] = Jika kecepatan angin LAMBAT And Jarak Pandang KURANG JELAS And Awan BROKEN(RUSAK) And Suhu udara RENDAH THEN TBL. -predikatR13 = Min (µlambat(5), µkurangjelas(6), µbkn(1), µrendah(21)) = Min (0,5 ; 0,67 ; 0 ; 0,8 ) =0 14.) Aturan 14 [R14] = Jika kecepatan angin LAMBAT And Jarak Pandang KURANG JELAS And Awan FEW (KABUT KECIL) And Suhu udara SEDANG THEN TBL. -predikatR14 = Min (µlambat(5), µkurangjelas(6), µfew(1), µsedang(21)) = Min (0,5 ; 0 ; 0,167 ; 0 ) =0 15.) Aturan 15 [R15] = Jika kecepatan angin LAMBAT And Jarak Pandang KURANG JELAS And Awan CLEAR (JELAS) And Suhu udara RENDAH THEN TBL. -predikatR15 = Min (µlambat(5), µkurangjelas(6), µclear(1), µrendah(21)) = Min (0,5 ; 0 ; 0 ; 0,8 ) =0 16.) Aturan 16 [R16] = Jika kecepatan angin LAMBAT And Jarak Pandang AGAK JELAS And Awan BKN (RUSAK) And Suhu udara SEDANG THEN TBL. -predikatR16 = Min (µlambat(5), µagakjelas(6), µbkn(1), µsedang(21)) = Min (0,5 ; 0,67 ; 0 ; 0 ) =0 17.) Aturan 17 [R17] = Jika kecepatan angin KENCANG And Jarak Pandang JELAS And Awan FEW (KABUT KECIL) And Suhu udara SEDANG THEN BL. -predikatR17 = Min (µkencang(5), µjelas(6), µfew(1), µsedang(21)) = Min (0 ; 0 ; 0,167 ; 0 ) =0 18.) Aturan 18 [R18] = Jika kecepatan angin KENCANG And Jarak Pandang JELAS And Awan SCT (KECIL) And Suhu udara TINGGI THEN BL. -predikatR18 = Min (µkencang(5), µjelas(6), µsct(1), µtinggi(21)) = Min (0 ; 0 ; 0 ; 0 ) =0 19.) Aturan 19 [R19] = Jika kecepatan angin SEDANG And Jarak Pandang JELAS And Awan CLEAR (JELAS) And Suhu udara RENDAH THEN BL. -predikatR19 = Min (µsedang(5), µjelas(6), µclear(1), µrendah(21))


66


= Min (0,5 ; 0 ; 0 ; 0,8 ) =0 20.) Aturan 20 [R20] = Jika kecepatan angin SEDANG And Jarak Pandang JELAS And Awan SCT (KECIL) And Suhu udara RENDAH THEN BL. -predikatR20 = Min (µsedang(5), µjelas(6), µsct(1), µrendah(21)) = Min (0,5 ; 0 ; 0 ; 0,8 ) =0 21.) Aturan 21 [R21] = Jika kecepatan angin SEDANG And Jarak Pandang JELAS And Awan OVC (KECIL) And Suhu udara TINGGI THEN BL. -predikatR21 = Min (µsedang(5), µjelas(6), µovc(1), µtinggi(21)) = Min (0,5 ; 0 ; 0 ; 0 ) =0 22.) Aturan 22 [R22] = Jika kecepatan angin LAMBAT And Jarak Pandang JELAS And Awan OVC (KECIL) And Suhu udara TINGGI THEN BL. -predikatR22 = Min (µlambat(5), µjelas(6), µovc(1), µtinggi(21)) = Min (0,5 ; 0 ; 0 ; 0 ) =0 23.) Aturan 23 [R23] = Jika kecepatan angin LAMBAT And Jarak Pandang JELAS And Awan CLEAR (JELAS) And Suhu udara SEDANG THEN BL. -predikatR23 = Min (µlambat(5), µjelas(6), µclear(1), µsedang(21)) = Min (0,5 ; 0 ; 0 ; 0 ) =0 24.) Aturan 24 [R24] = Jika kecepatan angin LAMBAT And Jarak Pandang JELAS And Awan FEW (KABUT KECIL) And Suhu udara RENDAH THEN BL. -predikatR24 = Min (µlambat(5), µjelas(6), µfew(1), µrendah(21)) = Min (0,5 ; 0 ; 0,167 ; 0,8 ) =0 25.) Aturan 25 [R25] = Jika kecepatan angin LAMBAT And Jarak Pandang AGAK JELAS And Awan FEW (KABUT KECIL) And Suhu udara RENDAH THEN BL. -predikatR25 = Min (µlambat(5), µagakjelas(6), µfew(1), µrendah(21)) = Min (0,5 ; 0,67 ; 0,167 ; 0,8 ) Hasil Pembahasan Dengan nilai crisp input yang ada menghasilkan angka 70 %, hal ini menunjukkan bahwa pesawat jenis cassa 212 termasuk ke dalam golongan pesawat yang tidak boleh landing (TBL)

ISSN 2085-7829

karena 70%  60%. Adapun Hasil dari Matlab 7.1, dapat dilihat seperti pada gambar berikut ini :

Gambar 4.5.4 Hasil Defuzzy TBL Setelah mendapatkan hasil defuzzy untuk menentukan pesawat itu boleh landing (BL) dan tidak boleh landing (TBL). Kemudian bisa dilihat tampilan surface viewer di matlab seperti pada gambar di bawah ini :

Gambar 4. 5.5 Surface Viewer Dari Tampilan Surface viewer tersebut, dapat diketahui hasil simulasinya berdasarkan metode logika fuzzy mamdani, Jadi ada dua parameter yang sangat mempengaruhi hasil keputusan akhir pesawat jenis cassa 212 untuk tidak boleh landing dan boleh landing adalah jarak pandang dan kecepatan angin, dimana kedua parameter tersebut sangat mendominasi untuk menentukan keputusan pesawat itu boleh landing atau tidaknya.,jika jarak pandangnya terlihat jelas dan kecepatan anginnya terasa lambat maka pesawat itu diperbolehkan untuk landing, tapi jika sebaliknya, jarak pandang terlihat kurang jelas dan kecepatan anginnya terasa kencang maka pesawat itu tidak diperbolehkan untuk landing. Kesimpulan Setelah dilakukan penelitian maka didapatkan bahwa dengan nilai crisp input yang telah ditetapkan, maka dapat ditentukan pesawat terbang jenis cassa 212 masuk ke dalam golongan manakah dari hasil keputusan akhir BL dan TBL. 1. Dalam penelitian ini, untuk contoh perhitungan pertama, nilai crisp input yang ada menghasilkan nilai 19%. Hal ini menunjukkan bahwa pesawat masuk ke dalam golongan BL karena 10% < 19% < 40%. 2. Untuk contoh perhitungan kedua, nilai crisp input yang ada menghasilkan nilai 70%. Hal


67


ini menunjukkan bahwa pesawat masuk ke dalam golongan TBL karena 70%  60% . Dengan dilakukan simulasi, dapat diketahui ada dua faktor unsur cuaca penerbangan yaitu jarak pandang dan kecepatan angin yang sangat mempengaruhi keputusan untuk pesawat itu boleh mendarat atau tidaknya. DAFTAR PUSTAKA Aidha, Z.R, Nazrudin, N. dan Nurhatisyah. Simulasi Logika Fuzzy untuk Kontrol Pitch pada Proses Pendaratan Otomatis Pesawat Terbang. Jurnal Ilmiah Poli Rekayasa Vol. 2, No. 2, Maret 2007. Hal 100-107. Hutasuhut, M.Y. 2005. Mengenal Dunia Penerbangan. Jakarta : Penerbit PT Gramedia Widiasarna Indonesia. Kakiay, T.J. 2004. Pengantar Sistem Simulasi. Yogyakarta: Penerbit Andi. Kusumadewi, S. 2002. Analisis & Desain Sistem Fuzzy Menggunakan Tool Box Matlab. Yogyakarta : Graha Ilmu.

ISSN 2085-7829

Kusumadewi, S. dan Purnomo, H. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta : Graha Ilmu. Najmurrokhman, A. dan Djaelani, E. 2003. Sintesis Kendali-H Non Linier Melalui Skema Pertidaksamaan Matriks Nonlinier. Pandjaitan, L.W. 2007. Dasar-dasar Komputasi Cerdas. Yogyakarta: Penerbit Andi. Siang, J.J. 2005. Jaringan Syaraf Tiruan dan Pemrogramannya Dengan Matlab. Yogyakarta: Penerbit Andi. Yatini, I. 2010. Flowchart, Algoritma, dan Pemrograman Menggunakan Bahasa C++ Builder. Yogyakarta: Graha Ilmu. http://airport.unri.ac.id/files/III.html diakses pada tanggal 28 februari 2010 09.10 Wita http://edukasi.kompasiana.com/2010/01/26/cuacadan-penerbangan/ diakses pada tanggal 04 mei 2010 20.00 Wita


68

Simulasi Pendaratan Pesawat Terbang Jenis Cassa 212 Menggunakan Logika Fuzzy

Recommend Documents