MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email:
[email protected] Asisten: Fauzia P. Lestari / 10210085 Ulin Nuha / 10210095 Andromeda / 10210097 Tanggal Praktikum: (24-04-2014) Abstrak Logika fuzzy biasa digunakan untuk memodelkan suatu sistem yang memiliki ketidakjelasan dan ambiguitas yang tinggi, contohnya dalam hal ini adalah perkiraan cuaca. Hal utama yang perlu diperhatikan dalam logika fuzzy ini adalah diantaranya fuzzifikasi, rule base, penalaran, dan defuzzifiaksi Berdasarkan hasil yang didapat pemodelan perkiraan cuaca di Kabupaten Majalengka ini kurang baik dengan error yang didapat begitu besar sehingga tidak bisa digunakan. Kata kunci: Fuzzifikasi , Defuzzifikasi , Fuzzy Logic
I. Pendahuluan 1.1 Tujuan Tujuan dari praktikum ini ialah mengaplikasikan metode Fuzzy Logic pada MATLAB dalam pemodelan perkiraan cuaca. 1.2 Teori Dasar Logika Fuzzy adalah suatu proses pengambilan keputusan berbasis aturan yang bertujuan untuk memecahkan masalah, dimana sistem tersebut sulit untuk dimodelkan atau terdapat ambiguitas dan ketidakjelasan yang berlimpah. Logika Fuzzy ditentukan oleh persamaan logika bukan dari persamaan diferensial kompleks dan berasal dari pemikiran yang mengidentifikasi serta mengambil keuntungan dari grayness antara dua ekstrem.
dipetakan menuju jenis yang sesuai dengan himpunan fuzzy. Rule base ini terdiri dari kumpulan aturan yang berbasis logika fuzzy untuk menyatakan suatu kondisi. Penalaran (inferensi) fuzzy adalah sebuah proses formulasi pemetaan masukan terhadap keluaran dengan menggunakan logika fuzzy. Proses dari inferensi fuzzy melibatkan fungsi keanggotaan operator logika fuzzy, dan aturan IF-THEN. Metode penalaran yang paling sering digunakan adalah metode TakagiSugeno dan metode Mamdani. Dengan metode yang digunakan dalam praktikum ini adalah metode Takagi-Sugeno. Defuzzifikasi adalah proses yang digunakan untuk mengubah kembali variabel fuzzy menjadi variabel nyata, atau dangan kata lain aksi kontrol fuzzy yang masih berupa himpunan, dirubah menjadi nilai nyata yang berupa nilai tunggal. II. Metode percobaan 2.1 Metode Percobaan
Gambar 1. Struktur dasar fuzzy logic
Fuzzifikasi adalah proses mengubah variabel nyata menjadi variabel fuzzy, ini ditujukan agar masukan kontroler fuzzy bisa
Dalam praktikum kali ini , akan dilakukan percobaan dalam memperkirakan cuaca dalam suatu daerah menngunakan fungsi fuzzy logic pada program MATLAB.
Langkah awalnya yakni dimasukkan data-data pada matlab yang akan digunakan dalam perkiraan cuaca berupa data suhu , kecepatan angin , kelembapan dan tekanan , serta hasil perkiraan cuacanya . Data tersebut dapat diperoleh dalam website perkiraan cuaca. Jalankan fungsi fuzzy logic pada Toolbox matlab . Dilakukan pengelompokan data menggunakan teknik Fuzzy Clustering Means (FCM). Algoritma yang digunakan adalah C (jumlah cluster yang dibentuk) = 3 (suhu tinggi, sedang, rendah); W (Pangkat/Pembobot)= 2; Maksimum Iterasi = 100; Kriteria Penghentian 10-6. Gunakan FIS Editor untuk perancangannya. Lakukan hal yang sama untuk kecepatan angin kelembaban dan tekanan udara . Buat Fungsi keanggotan hingga bernilai dalam fungsi gaussian. Dapatkan derajat keanggotaan untuk masingmasing cluster. Masukkan data yang telah dibuat pada bagian input dan output berupa range data, standard deviasinya dan nilai center data tersebut dengan fungsi fcm tiap datanya. Masukkan logika perkiraan pada Rule Editor. Dilihat hasil data tiap perkiraan cuaca pada Rule Viewer dan gambar grafiknya pada Surface Viewer. 2.2 Hipotesis Digunakan fungsi fuzzy logic pada matlab dalam memperkiraan cuaca dalam suatu tempat dengan hasil perkiraannya mempunyai error yang kecil. III. Data dan Pengolahan No. 1 2 3 4 5 6 7 8 9 10
Kecepatan angin 2.23 Sedang 1.89 Sedang 2.02 Sedang 2.45 Sedang 2.23 Sedang 1.88 Sedang 2.02 Sedang 2.7 Sedang 2.16 Sedang 1.88 Sedang
Hasil
salah salah benar benar benar
salah salah benar benar
salah
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
2.02 2.7 1.91 2.38 2.16 1.88 1.88 2.08 2.05 1.88 1.91 2.11 1.91 2.05 2.31 1.88 1.91 2.38 2.31 1.88 1.88 1.91 2.08 2.02 1.91 1.88 2.16 1.88 2.08 2.02 1.88 1.91 2.38 2.16 1.88 2.02 2.38 2.02 1.88 2.16 1.91 2.08
Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang
Benar
Salah Benar Benar Benar Benar
Salah Benar Benar
Salah Salah Salah Benar Benar
Salah Salah Benar Benar
Salah Salah Salah Benar Benar Benar Benar Benar Benar
Salah Benar Benar Benar
Salah Benar Benar Benar
Salah Benar Benar Benar
Salah Salah benar
Tabel 1. Perbandingan hasil perkiraan Kecepatan angin dengan yang sebenarnya.
Jumlah Benar Jumlah Salah Error (%) 38.4653 No. 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
0.483 0.236 0.352 0.427 0.362 0.229 0.469 0.422 0.347 0.254 0.376 0.543 0.343 0.213 0.365 0.435 0.211 0.542 0.219 0.354 0.376 0.487 0.221 0.488 0.266 0.329 0.225 0.482 0.379 0.454 0.368 0.266 0.239 0.432 0.278 0.435 0.482 0.365 0.425 0.368 0.231 0.393 0.376 0.368 0.238 0.486
Cuaca Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Hujan Cerah Cerah Cerah Cerah Hujan Cerah Cerah Hujan Hujan Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah Cerah
32 20
Hasil Benar Salah Salah Benar Benar Salah Salah Salah Salah Salah Salah Salah Salah Salah Salah Benar Salah Salah Salah Benar Salah Salah Salah Benar Benar Benar Salah Salah Salah Salah Salah Salah Salah Salah Salah Benar Benar Salah Salah Salah Benar Salah Salah Salah Salah Salah
47 48 49 50 51 52
0.481 0.423 0.368 0.238 0.486 0.481
Cerah Cerah Cerah Cerah Cerah Cerah
Salah Salah Benar Salah Salah Salah
Tabel 2. Perbandingan hasil perkiraan cuaca dengan cuaca yang sebenarnya.
Jumlah Benar Jumlah Salah Error (%) 71.1538
15 37
Gambar 2. Grafik 3D angin terhadap tekanan dan suhu
Gambar 3. Grafik 3D cuaca terhadap kelembapan dan angin
Gambar 4. Grafik 3D cuaca terhadap kelembapan dan suhu
Gambar 5. Grafik 3D cuaca terhadap angin dan suhu
Gambar 8. Grafik cuaca terhadap angin
Gambar 6. Grafik angin terhadap suhu Gambar 9. Grafik cuaca terhadap kelembapan
Gambar 7. Grafik angin terhadap tekanan Gambar 10. Grafik cuaca terhadap suhu
IV. Pembahasan Aspek yang berpengaruh dalam pemodelan perkiraan cuaca ini adalah diantaranya suhu, kelembapan, tekanan, dan kecepatan angin. Sedangkan untuk perkiraan kecepatan angin aspek yang berpengaruh adalah tekanan dan suhunya saja.
Hasil pemodelan perkiraan cuaca dan kecepatan angin di Kota Cirebon - Jawa Barat, Indonesia terlihat sangat berbeda dari yang sebenarnya dengan error berturut-turut sebesar 71.154% dan 38.461% perbedaan ini disebabkan oleh kurangnya variabel pendukung lain yang bisa mempengaruhi cuaca seperti arah dari angin, awan, dan lain-lain, bisa juga dikarenakan range waktu yang digunakan terlalu pendek dan datanya terlalu sedikit sehingga tidak bisa menggambarkan kondisi cuaca yang sebenarnya. Dari data yang dihasilkan bisa disimpulkan bahwa pemodelan perkiraan cuaca dengan logika fuzzy ini kurang cocok digunakan pada cuaca Indonesia. V. Simpulan Hasil pemodelan perkiraan cuaca dengan logika fuzzy di Kabupaten Majalengka kurang bisa digunakan karena memiliki error yang sangat besar. Aspek-aspek yang lain yang dapat memepengaruhi cuaca perlu ditambahkan untuk mendapatkan pemmodelan yang lebih baik. VI. Daftar Pustaka [1] http://www.worldweatheronline.com/ , diakses pada 29-04-2014 9:06 [2]http://www.mathworks.com/products/fuzz y-logic/code-examples.html , diakses pada 2904-2014 10:15 [3] http://en.wikipedia.org/wiki/Fuzzy_logic , diakses pada 29-04-2014 09:15
LAMPIRAN Data cuaca Kota Cirebon tanggal 14-26 april
1 2 3 4 5 6 7
suhu o ( C) 27 32 27 24 27 33 27
8 9 10 11
25 28 32 27
2 2 5 2
sedang sedang tinggi sedang
86 86 67 86
1012 1011 1009 1010
hujan hujan hujan hujan lebat
12 13 14 15
25 28 33 27
4 2 3 1
tinggi sedang sedang sedang
88 84 63 86
1012 1011 1008 1008
hujan lebat hujan hujan hujan lebat
16 17 18 19
25 26 33 27
3 6 3 2
sedang sangat tinggi sedang sedang
88 82 64 85
1010 1010 1009 1009
cerah cerah hujan hujan
20 21 22 23 24 25 26 27
24 26 33 27 25 26 34 27
5 5 4 2 1 4 4 3
tinggi tinggi tinggi sedang sedang tinggi tinggi sedang
88 80 60 82 85 80 56 84
1010 1010 1009 1009 1011 1011 1008 1009
hujan cerah hujan hujan cerah cerah cerah hujan
28 29 30 31
25 27 32 27
2 4 5 4
sedang tinggi tinggi tinggi
86 84 68 88
1010 1010 1008 1008
cerah cerah hujan lebat hujan lebat
32 33 34
25 27 32
3 2 3
sedang sedang sedang
89 84 70
1010 1010 1009
hujan lebat ceraah hujan lebat
kecepatan angin (mph) 4 tinggi 4 tinggi 2 sedang 2 sedang 2 sedang 5 tinggi 4 tinggi
kelembapan (%) 86 66 79 82 81 62 82
tekanan (mb) 1011 1010 1010 1011 1011 1009 1010
cuaca cerah hujan hujan cerah cerah hujan hujan
\
35
27
3
sedang
86
1009
hujan
36 37 38 39
25 28 32 27
2 3 6 3
sedang sedang sangat tinggi sedang
90 82 68 86
1011 1011 1009 1010
cerah cerah hujan lebat hujan lebat
40 41 42 43
25 27 33 27
2 2 5 2
sedang sedang tinggi sedang
87 83 66 86
1011 1010 1008 1009
hujan cerah hujan lebat hujan lebat
44 45 46 47
25 27 33 27
1 2 5 2
sedang sedang tinggi sedang
88 86 68 87
1010 1010 1007 1008
hujan cerah hujan lebat hujan lebat
48 49 50 51
25 27 33 27
1 2 6 4
sedang sedang sangat tinggi tinggi
88 83 69 87
1010 1010 1008 1009
hujan cerah hujan lebat hujan lebat
52
25
3
sedang
88
1011
hujan lebat