1
Perancangan Prediktor Cuaca Maritim Berbasis Logika Fuzzy Menggunakan User Interface Android M Kahfi Anshari , Ir Syamsul Arifin, MT, Andi Rahmadiansah, ST., MT Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111 Email :
[email protected] Abstrak—Pola iklim dan cuaca di Indonesia yang tidak beraturan dan eskstrim akan mengganggu transportasi laut. Pada penelitian ini telah dilakukan perancangan prediktor cuaca maritim berbasis logika fuzzy takagi sugeno menggunakan user interfaces smartphone android. User interfaces smartphone android dipilih karena android banyak digunakan masyarakat indonesia. Data yang digunakan untuk membangun basis aturan dan fungsi keanggotaan berasal dari data BMKG II Perak yang direkam perjam selama 6 tahun yaitu dari januari 2007 hingga desember 2012. Digunakan data cuaca maritim dari tahun 2007 hingga 2012 untuk membangun basis aturan dan fungsi keanggotaan logika fuzzy. Validasi prediksi cuaca maritim dilakukan dengan menggunakan data BMKG bulan februari 2013. Selain menggunakan data BMKG juga dilakukan validasi realtime menggunakan data maritim buoyweather. Hasil penelitian didapatkan akurasi prediksi cuaca maritim tertinggi, yaitu: suhu udara, kelembaban udara, kecepatan arus laut, tinggi gelombang dan curah hujan adalah 83%, 84.5%, 87 %, 85.7% dan 95% Kata Kunci—Cuaca maritim, predikiksi cuaca maritim, Android
I. PENDAHULUAN
P
Perkembangan smartphone android di Indonesia terus meningkat. Pada tahun 2012 smartphone android menguasai pasar smartphone di Indonesia sebesar 52%. Pangsa pasar smartphone android tersebut menunjukan smartphone android dapat digunakan sebagai pusat informasi cuaca di Indonesia. Dengan membuat aplikasi prediksi cuaca berbasis smartphone android diharapkan informasi prediksi cuaca dan iklim maritim di Indonesia dapat diakses lebih mudah oleh masyarakat Indonesia. Pada penelitian sebelumnya telah dilakukan prediksi cuaca maritim menggunakan metode ANFIS yang dilakukan oleh Ardian Chandra dengan koordinat pengambilan data 70 12’ 20’’ LS - 1120 44’ 0(Candra, 2010)8’’. Kemudian pengembangan penelitian tersebut dilakukan oleh Riki Jaya Sampurna dengan menggambil 3 koordinat data, yaitu pada 3.540425oS - 113.90880oE (Perairan Banjarmasin), 4,648136oS - 113,908806oE (Laut Jawa) dan 6.874824oS – 112.747800oE (Perairan Surabaya). Ketiga penelitian tersebut masih bersifat offline, sehingga dilakukan penelitian lanjutan oleh Ilham Bangun Asmoro (Asmoro, 2011) (Wakhid, 2012). Pada penelitian tersebut dilakukan pembuatan software prediktor cuaca darat dengan basis logika fuzzy yang dapat mengolah data dari stasiun cuaca darat secara real time. Pada tahun 2012, dilakukan penelitian mengenai prediksi cuaca maritim secara online oleh Habib (Wakhid, 2012). Berdasarkan penelitian terdahulu inilah peneliti ingin membuat sistem prediktor cuaca maritim secara online yang dapat ditampilkan pada smartphone android sehingga mempermudah pengguna untuk mengakses data cuaca dan prakiraan cuaca maritim.
ola cuaca dan iklim di Indonesia akhir-akhir ini sangat ekstrim, cuaca ekstrim tersebut mengakibatkan beberapa kapal roro (roll on roll off) di Pelabuhan Tanjung Perak Surabaya menunda keberangkatan karena buruknya cuaca dan tingginya gelombang laut di Laut Jawa (Bisnis Indonesia, 2013). Jumlah kecelakaan kapal pelayaran di Indonesia cukup memprihatinkan, dari 46 kecelakaan pelayaran kapal di II. TEORI PENUNJANG Indonesia pada tahun 2002, 11,75% kecelakaan tersebut disebabkan oleh faktor cuaca yang tidak menentu (Masyarakat 2.1 Cuaca dan Iklim Transportasi Indonesia, 2007). Cuaca dan iklim memiliki hubungan yang saling berhubungan. BMKG telah menyediakan pusat informasi mengenai Pada dasarnya cuaca adalah keadaan udara pada saat tertentu data cuaca, prakiraan cuaca dan iklim cuaca pada website dan di wilayah tertentu yang relatif sempit dan pada jangka http://maritim.bmkg.go.id/index.php/main/stasiun_maritim/2 . waktu yang singkat. Iklim adalah keadaan cuaca rata-rata Hasil prakiraan cuaca tersebut merupakan hasil keluaran dari dalam waktu satu tahun yang penyelidikannya dilakukan program yang berdasarkan analisa interpolasi dan ekstrapolasi dalam waktu yang lama (minimal 30 tahun) dan meliputi data-data cuaca pada beberapa tempat di Indonesia. wilayah yang luas. Iklim memiliki waktu lebih panjang pada Keakuratan prediksi cuaca dan iklim program tersebut suatu daerah. Iklim dapat mencakup pola cuaca disuatu semakin rendah apabila memprediksi cuaca pada suatu lokasi daerah, masa dingin, gelombang panas, frekuensi dan perairan yang jauh dari lokasi data-data cuaca interpolasi dan intensitas badai. Sedangkan cuaca itu terbentuk dari gabungan ekstrapolasi. Kondisi seperti ini dapat diperbaiki dengan unsur cuaca dan jangka waktu cuaca bisa hanya beberapa jam menambah stasiun cuaca maritim untuk menunjang prakiraan saja. Misalnya: pagi hari, siang hari atau sore hari, dan cuaca dan iklim di Indonesia.
2 keadaannya bisa berbeda-beda untuk setiap tempat serta setiap jamnya.
laut sehingga menyebabkan arus atas bergerak. Pengaruh angin disini berkisar 2% dari kecepatan angin itu sendiri. Kecepatan arus ini akan berkurang sesuai dengan makin bertambahnya kedalaman perairan sampai pada akhirnya angin tidak berpengaruh pada kedalaman 200 meter. Sedangkan arus bawah (di kedalaman laut) biasanya disebabkan karena perbedaan densistas massa air laut. Untuk kecepatan arus yang dibangkitkan oleh angin dapat dirumuskan sebagai berikut:
2.1.1 Unsur Cuaca Pada umumnya ada unsur-unsur yang mempengaruhi keadaan cuaca dan iklim suatu daerah atau wilayah maritim, yaitu: suhu udara, angin, tekanan udara, kelembaban udara dan curah hujan.Suhu udara adalah derajat panas dari aktivitas molekul dalam atmosfer. Biasanya pengukuran suhu atau temperatur 𝑑 −𝑧 udara dinyatakan dalam skala Celcius (C), Reamur (R), dan 𝑉 (0) 0 𝑓𝑜𝑟 0 ≤ 𝑧 ≤ 𝑑0 Fahrenheit (F). Angin adalah gerak udara yang sejajar dengan 𝑉𝑙𝜔 (𝑧) = � 𝑙𝜔 𝑑0 2.2 permukaan bumi. Udara bergerak dari daerah bertekanan 0 𝑓𝑜𝑟 𝑑0 < 𝑧 tinggi ke daerah bertekanan rendah. Kekuatan angin Dimana d0 adalah kedalaman referensi untuk arus yang ditentukan oleh kecepatannya, makin cepat angin bertiup dibangkitkan oleh angin, biasanya diberikan nilai 50 m dan z maka makin tinggi/besar kekuatannya. Tekanan udara adalah adalah komponen vertikal yang akan diukur. Collar (1986) suatu gaya yang timbul akibat adanya berat dari lapisan udara telah menunjukkan bahwa kecepatan arus permukaan laut Besarnya tekanan udara diukur dengan barometer dan (V 𝑙𝜔) dapat didekati dengan persamaan : dinyatakan dengan milibar (mb). Kelembaban udara adalah 𝑉𝑙𝜔 (0) = 0.02𝑉10 2.3 banyaknya uap air yang terkandung dalam massa udara pada Dimana V10 adalah kecepatan angin yang diukur 10 m dari saat dan tempat tertentu. Curah hujan yaitu jumlah air hujan atas permukaan air laut (Thor, 1994). yang turun pada suatu daerah dalam waktu tertentu. Curah hujan diukur dalam harian, bulanan, dan tahunan. Menurut 2.2 Logika Fuzzy BMKG, berdassarkan curah hujannya hujan dikasifikasikan Dalam teori logika fuzzy sebuah nilai bisa bernilai benar menjadi: hujan sedang dengan curah hujan 20 - 50 mm per dan salah secara bersamaan namun berapa besar kebenaran hari, hujan lebat dengan curah hujan 50-100 mm per hari, dan dan kesalahan suatu nilai tergantung kepada bobot hujan sangat lebat denga curah hujan di atas 100 mm per hari keanggotaan yang dimilikinya. Pada dasarnya struktur logika fuzzy dapat digambarkan 2.1.1 Pengaruh Unsur Cuaca pada Permukaan Laut seperti pada gambar 2.1. Struktur dasar logika fuzzy terdiri Gelombang/ombak yang terjadi di lautan dapat dari empat bagian utama, yaitu fuzzifikasi, basis pengetahuan, diklasifikasikan menjadi beberapa macam tergantung kepada logika pengambil keputusan, dan defuzzifikasi. Fuzzyfikasi gaya pembangkitnya. Untuk ketinggian gelombang yang berfungsi mengubah sinyal masukan yang bersifat himpunan disebabkan karena angin yang berhembus pada permukaan air tegas ke himpunan fuzzy dengan menggunakan operator laut, dapat dirumuskan sebagai berikut: fuzzifikasi. Kedua, basis Pengetahuan berisi basis data dan 𝑉2 𝐻𝑠 = 0.21 2.1 aturan dasar yang mendefinisikan himpunan fuzzy atas daerah 𝑔 – daerah masukan dan keluaran dan menyusunnya dalam Keterangan: perangkat aturan kontrol. Ketiga, logika pengambil keputusan Hs= Ketinggian gelombang merupakan inti dari logika fuzzy yang mempunyai kemampuan V = kecepatan angin (m/s) seperti manusia dalam mengambil keputusan. Defuzzifikasi g = gaya gravitasi bumi (10m/s2) berfungsi untuk mentransformasikan kesimpulan tentang aksi untuk kecepatan angin yang ada di laut biasanya dinyatakan atur yang bersifat fuzzy menjadi sinyal sebenarnya yang dalam knot dimana 1 knot = 0.51 m/s (Thor, 1994). bersifat crisp dengan menggunakan operator defuzzifikasi. Secara teori dapat dijelaskan bahwa ketika angin yang Dalam subbab selanjutnya akan dibahas lebih lanjut mengenai berhembus secara teratur dan terus-menerus di atas permukaan empat bagian utama sistem logika fuzzy. air laut akan membentuk riak permukaan yang bergerak searah Basis dengan hembusan angin. Bila angin masih terus berhembus Pengetahuan dalam waktu yang cukup panjang dan meliputi jarak output input permukaan laut yang cukup besar, maka riak air akan tumbuh Fuzzifikasi Defuzzifikasi Logika menjadi gelombang. Pada saat yang bersamaan riak Pengambilan permukaan baru akan terbentuk di atas gelombang yang Fuzzy Fuzzy Keputusan terbentuk, dan selanjutnya akan berkembang menjadi Gambar 2.1 Struktur Dasar Logika Fuzzy (Candra, gelombang-gelombang baru tersendiri. Bila angin berhenti 2010). berhembus, sistem gelombang yang telah terbentuk akan 2.2.1Fungsi Keanggotaan melemah. Arus laut adalah gerakan massa air laut yang berpindah Fungsi keanggotaan adalah fungsi yang menyatakan dari satu tempat ke tempat lain baik secara vertikal (gerakan keanggotaan dari suatu himpunan nilai-nilai. Fungsi ke atas) maupun secara horizontal (gerakan ke samping). keanggotaan yang digunakan pada penelitian ini adalah bentuk Menurut letaknya arus dibedakan menjadi dua yaitu arus atas Gaussian. Hal ini dikarenakan variabel yang digunakan adalah dan arus bawah. Arus atas adalah arus yang bergerak di variabel cuaca yang bersifat kontinu, dan kurva Gaussian permukaan laut. Arus ini dipengaruhi sebagian besar oleh adalah bentuk fungsi keanggotaan yang memiliki tingkat kecepatan, kekuatan serta arah angin yang ada di permukaan kehalusan dan nilainya tidak nol di semua titik. Kurva ini
3 cocok jika digunakan untuk variabel cuaca (Meilanitasari, 2010).
Mulai
Studi Literatur Simulasi program dan pengujian
Identifikasi Masalah
Gambar 2.2 Kurva keanggotaan Gaussian (Kusumadewi, 2000) Pada kurva di atas menggunakan bentuk segitiga untuk merepresentasikan data-datanya. Biasanya kurva dalam bentuk ini digunakan untuk mengolah data seperti seperti pada alat elektronik. Persamaan yang digunakan sebagai berikut:
2.2.3
𝑓(𝑥; 𝜎; 𝑐) = 𝑒
−(𝑥−𝑐)2 2𝜎2
Pengambilan Data Cuaca
Tampilkan pada android pltaform
Perancangan sistem logika fuzzy sebagai prediktor cuaca
Penyusunan Laporan Ya
Validasi Sistem Logika Fuzzy
Selesai Tidak
2.4
Logika Pengambilan Keputusan Sering pula disebut sebagai Fuzzy Inference system (FIS) merupakan bagian terpenting dalam logika fuzzy.FIS merupakan sebuah proses yang digunakan untuk memformulasikan masukan serta keluaran menggunakan logika fuzzy. Metode FIS diawali dengan pembentukan himpunan fuzzy variabel masukkan dengan cara clustering. Kemudian variabel masukkan tersebut dinyatakan dalam kurva Gaussian, Langkah selanjutnya adalah membangun basis aturan (Rule Base). Untuk rule base orde nol (keluaran berupa konstanta) dapat dilihat pada model dibawah: 𝐼𝐹((𝑥1 𝑖𝑠 𝐴1 )𝐴𝑁𝐷 (𝑥2 𝑖𝑠 𝐴1 )𝐴𝑁𝐷(𝑥3 𝑖𝑠 𝐴3 ) 𝑇𝐻𝐸𝑁 𝑧 = 𝑘
Apakah performansi logika fuzzy sesuai?
Gambar 3.1 Diagram alir penelitian 3.1 Pengambilan Data Cuaca Maritim Data cuaca maritim pada peneilitan ini didapatkan dari BMKG II Perak Surabya. Data cuaca maritim yang diperoleh direkam per-jam selama enam tahun yaitu mulai tahun 2007 sampai dengan tahun 2012. Data cuaca maritim tersebut merupakan data cuaca maritim pada koordinat 4.64 0S – 113.9 0E.
Sedangkan untuk rule base orde satu (keluaran berupa persamaan linear) adalah: 𝐼𝐹((𝑥1 𝑖𝑠 𝐴1 )𝐴𝑁𝐷 (𝑥2 𝑖𝑠 𝐴1 )𝐴𝑁𝐷(𝑥3 𝑖𝑠 𝐴3 ) 𝑇𝐻𝐸𝑁 𝑧 = 𝑝1 ∗ 𝑥1 + 𝑞
Kelebihan yang dimiliki oleh logika fuzzy takagi sugeno dibandingkan yang lain adalah fuzzy takagi sugeno lebih efisien secara komputasional, bekerja lebih baik dengan teknik optimasi serta adaptif, dapat bekerja untuk keluaran yang sifatnya berubah secara kontinu, dan cocok untuk analisis secara matematis karena keluarannya dapat berupa persamaan linear maupun konstanta (Meilanitasari, 2010). III. METODOLOGI PENELITIAN Pada bagian ini akan dijabarkan langkah-langkah alur penelitian perancangan sistem prediktor cuaca maritim berbasis logika fuzzy menggunakan user interfaces android.
Gambar 3.2 Letak koordinat pengambilan data cuaca maritim 3.2 Perancangan Sistem Logika Fuzzy Setelah mendapatkan data cuaca yang dibutuhkan, dilakukan pengelompokan data cuaca berdasarkan skala beaufort. Pada data cuaca kecepatan angin, tinggi gelombang dan arus laut dikelompokan menjadi tujuh kategori. Pada data cuaca suhu udara dan tekanan udara dikelompokan menjadi tiga kategori. Fungsi persamaan sistem logika fuzzy dapat dilihat dibawah ini: 𝐻𝑠 (𝑡 + 1) = 𝑓(𝑉𝑎𝑛𝑔𝑖𝑛 (𝑡), 𝐻(𝑡), 𝐻(𝑡 − 1))
𝐻𝑠 (𝑡 + 1) = 𝑓(𝑉𝑎𝑛𝑔𝑖𝑛 (𝑡), 𝑉𝑎𝑛𝑔𝑖𝑛 (𝑡 − 1), 𝐻(𝑡), 𝐻(𝑡 − 1)) 𝐶𝑢(𝑡 + 1) = 𝑓(𝑉𝑎𝑛𝑔𝑖𝑛 (𝑡), 𝐶𝑢(𝑡), 𝐶𝑢(𝑡 − 1))
𝐶𝑢(𝑡 + 1) = 𝑓(𝑉𝑎𝑛𝑔𝑖𝑛 (𝑡), 𝑉𝑎𝑛𝑔𝑖𝑛 (𝑡 − 1), 𝐶𝑢(𝑡), 𝐶𝑢(𝑡 − 1)) 𝑇(𝑡 + 1) = 𝑓(𝑇(𝑡), 𝑇(𝑡 − 1)) 𝑇(𝑡 + 1) = 𝑓(𝑇(𝑡), 𝑇(𝑡 − 1), 𝑃(𝑡)
4 𝑅ℎ(𝑡 + 1) = 𝑓(𝑅ℎ(𝑡), 𝑅ℎ(𝑡 − 1)) 𝑅ℎ(𝑡 + 1) = 𝑓(𝑅ℎ(𝑡), 𝑅ℎ(𝑡 − 1), 𝑃(𝑡) 𝐻𝑢𝑗𝑎𝑛(𝑡 + 1) = 𝑓(𝑇(𝑡 + 1), 𝑅ℎ(𝑡 + 1), )
Perancangan perangkat lunak prediksi cuaca maritim berbasis android menggunkan eclipse. Ada pun tampilan utama prediksi cuaca maritim dapat dilihat pada gambar dibawah ini.
𝐻𝑢𝑗𝑎𝑛(𝑡 + 1) = 𝑓(𝑇(𝑡 + 1), 𝑇(𝑡), 𝑅ℎ(𝑡 + 1), 𝑅ℎ(𝑡)) Keterangan: = ketinggian gelombang Hs Vangin = kecepatan angin Cu = kecepatan arus T = Suhu Rh = Kelembaban Udara P = Tekanan Hujan = curah hujan Prediksi cuaca maritim di variasi menjadi 1,3,6,12 dan 24 jam ke depan serta di variasi menjadi 1,2,3,4,5,6,dan 7 hari ke depan. 3.1.1 Perancangan Fuzzy Interference System Pada penelitian ini juga dilakukan beberapa variasi fuzzy inference system untuk memprediksi ketinggian gelombang laut, kecepatan arus laut, curah hujan, suhu dan kelembaban udara. Variasi pertama memprediksi 1 jam kedepan, 3 jam kedepan, 6 jam kedepan, 12 jam kedepan 24 jam kedepan. Adapun variasi kedua memprediksi 1 hari kedepan, 2 hari kedepan, 3 hari ke depan, 4 hari ke depan, 5 hari ke depan, 6 hari ke depan dan 7 hari kedepan Perancangan fuzzy inference system dimulai dengan proses fuzzyfikasi. Fuzzyfikasi adalah proses pemetaan nilai masukan dan keluaran kedalam bentauk himpunan fuzzy. Pada proses fuzzyfikasi dilakukan pemetaan data masukan berdasarkan fungsi keanggotaan (membership function). Fuzzy logic toolbox memiliki fitur membership function editor yang dapat mengatur dan menampilkan semua fungsi keanggotaan dari variabel masukan dan keluaran. Pada penelitian ini digunakan kurva gausmf karena data bersifat kontinu.
Gambar 3.4 Tampilan Prediksi Cuaca Maritim di Android Pada tampilan tersebut, terdapat informasi prediksi cuaca maritim satu jam ke depan, tiga jam ke depan, enam jam ke depan, dua belas jam ke depan dan dua puluh empat jam ke depan. Terdapat juga tampilan prediksi cuaca maritim lebih detail pada masing jam IV. ANALISA DAN PEMBAHASAN Pada penelitian ini digunakan fungsi keanggotaan berupa fungsi Gausian. Fungsi gausian memerlukan parameter nilai tengan dan standar deviasi. Parameter tersebut didapatkan menggunakan metode fuzzy cluster C-mens. Tabel 4.1 Hasil FCM Variabel Cuaca No
Variabel cuaca
Standar deviasi
Kelompok data
Nilai tengah
1
Suhu udara
2.7 C
Rendah
26.2 C
Sedang
29 C
Tinggi
32.7 C
Rendah
7.2 mbar
Sedang
9.7 mbar
Tinggi
12 mbar
Rendah
54.15 %
Sedang
71.68 %
Tinggi
85.32 %
Very Slow
2.45 cm/s
Slow
7.18 cm/s
Smooth
13.4 cm/s
Slight
20.2 cm/s
Average
28.5 cm/s
Fast
45.9 cm/s
Very Fast
64.6 cm/s
Glassy
0.18 m
Rippled
0.47 m
Wavelets
0.76 m
Slight
1m
Moderate
1.3 m
Rough
1.7 m
Very Rough
2.4 m
Calm
2.5 knot
Light Air
5.4 knot
Light Breeze
8.45 knot
Gentle Breeze
11.3 knot
Moderate Breeze
14 knot
Fresh Breeze
16.8 knot
Strong Breeze
21.4 knot
2
3.3 Perancangan Software Prediktor Cuaca Maritim Untuk memprediksi variabel cuaca maritim secara offline dan Online dirancang perangkat lunak berbasis visual basic 6.0. pada prediksi cuaca offline terdapat variabel masukan suhu sekarang, suhu sebelum, tekanan sekarang, keceptan angin sebelem, kecepatan angin sekarang, arus laut sekarang, arus laut sebelum, tinggi gelombang sekarang, tinggi gelombang sebelum, kelembaban sekarang dan kelembaban udara sebelum.
3
4
5
6
Gambar 3.3 Software prediksi cuaca maritim offline 3.4 Perancangan Software Cuaca Maritim Berbasis Smartphone Android
Tekanan Udara
Kelembaban Udara
Kecepatan Arus Laut
Tinggi Gelombang Laut
Kecepatan Angin
1.9 mbar
22.69 %
11.87 cm/s
0.53 m
5 knot
5
4.1 Validasi Prediksi Predikstor Cuaca Maritim Validasi prediksi cuaca maritim menggunakan data cuaca maritim BMKG bulan februari 2013. Adapun Grafik dan tabel hasil prediksi yaitu I. Kecepatan Arus Laut 80
3 2 1 0
60
1
40
5
7
9 11 13 15 17 19 21 23 25 27 prediksi ketinggian gelombang
20
ketinggian gelombang aktual 1 41 81 121 161 201 241 281 321 361 401 441 481 521 561 601 641
0 prediksi kecepatan arus kecepatan arus aktual Gambar 4.2 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Ketinggian Gelombang Dengan Data Aktual Variasi Kedua
Gambar 4.5 Grafik Perbandingan Hasil Prediks Satu Hari Kedepan Kecepatan Arus Dengan Data Aktual Variasi Pertama Didapatkan hasil prediksi Tinggi gelombang tertinggi ialah prediksi satu jam ke depan dan menggunakan variasi pertama dengan persentase sebesar 85.7% III.
80
100
60
90
40
80
20
70
0 1
3
5
7
9 11 13 15 17 19 21 23 25
prediksi kecepatan arus satu hari kedepan
Gambar 4.3 Grafik Perbandingan Hasil Prediksi Satu Hari Kedepan Ketinggian Gelombang Dengan Data Aktual Variasi kedua Pada pengujian validasi prediksi kecepatan arus laut, didapatkan tingkat keakurasian tertinggi tertinggi 87% untuk prediksi satu jam ke depan mengguanakan FIS variasi kedua
60 50 40
Gambar 4.3 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Kelembaban Udara Dengan Data Aktual Pada pengujian validasi prediksi kelembaban udara, didapatkan tingkat keakurasian tertinggi sebesar 84.5% untuk prediksi satu jam ke depan mengguanakan FIS variasi pertama IV.
Tinggi Gelombang Laut
35 prediksi tinggi gelombang
1 76 151 226 301 376 451 526 601
Suhu Udara
tinggi gelombang aktual
Gambar 4.4 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Kecepatan Arus Dengan Data Aktual Variasi Pertama
30 25 20 1 41 81 121 161 201 241 281 321 361 401 441 481 521 561 601 641
3 2.5 2 1.5 1 0.5 0
Kelembaban Udara
1 36 71 106 141 176 211 246 281 316 351 386 421 456 491 526 561 596
kecepatan arus laut aktual
II.
3
Prediksi suhu
Suhu Aktual
Gambar 4.4 Grafik Perbandingan Hasil Prediksi Satu Jam kedepan Suhu Udara Dengan Data Aktual Variasi Pertama
6 Untuk pengujian Model prediksi Suhu udara didapatkan tingkat keakuratan sebesar 83.6%. V. Curah Hujan Tabel 4.2 Validasi Prediksi Curah Hujan 24 Jam Kedepan Variasi Pertama Jumlah data Keberhasilan Akurasi No Prediksi validasi prediksi 1 Saat ini 672 473 70.38 % 2 t+1 616 501 81.3 % 3 t+3 560 498 88.9 % 4 t+6 476 446 93.7 % 5 t+12 308 279 90.58 % 6 t+24 643 611 95 % Dari table diatas dapat dilihat prediksi curah hujan memiliki validasi tertinggi pada 24 jam ke depan, yaitu sebesat 95%. Hal tersebut menunjukan prediksi curah hujan mengggunakan metode logika fuzzy memiliki hasil yang baik untuk prediksi jangka panjang. 4.2 Validasi Pediksi Mengguanakan Buoyweather Pada penelitain uni juga dilakukan validasi real time menggunakan buoyweather. Software prediksi cuaca maritim menggunakan FIS variasi pertama pada prediksi cuaca maritim dan hanya memprediksi selama 24 jam ke depan. Tabel 4.3 Persentasi Validasi Prediksi Cuaca Maritim Menggunakan Data Buoyweather Prediksi
Suhu Udara
Kelembaban udara
Tinggi gelombang
Arus laut
Curah Hujan
Waktu t+1 t+3 t+6 t+12 t+24 t+1 t+3 t+6 t+12 t+24 t+1 t+3 t+6 t+12 t+24 t+1 t+3 t+6 t+12 t+24 t+1 t+3 t+6 t+12 t+24
Data Aktual 52 53 33 16 54 56 22 25 32 56 27 29 15 36 27 57 57 14 25 56 57 35 15 20 58
Akurasi 67 % 75 % 96 % 12.5 % 70 % 46 % 50 % 64 % 46 % 51 % 94.7 % 86 % 80 % 91 % 93.6 % 86 % 82.4 % 71.4 % 96 % 87.5 % 79 % 85 % 73 % 100 % 96.5 %
V. KESIMPULAN/RINGKASAN
Berdasarkan penelitian yang telah dilakukan, maka didapatkan kesimpulan sebagai berikut: 1. Telah dilakukan pemodelan logika fuzzy tipe sugeno untuk memprediksi suhu udara, kelemababan udara, tinggi gelombang, kecepatan arus laut dan curah hujan secara offline dan online serta dapat terhubung dengan smartphone android 2. Presentasi validasi prediksi cuaca maritim tertinggi pada suhu udara, kelembaban udara,kecepatan arus laut, tinggi gelombang dan curah hujan adalah 83%, 84.5%, 87 %, 85.7% dan 95% 3. Metode logika fuzzy sugeno memiliki performa lebih baik pada prediksi satu jam ke depan Saran bagi penelitian ini selanjutnya adalah dilakukan penelitian mengenai prediksi tekanan udara dan suhu air laut DAFTAR PUSTAKA [1] Bisnis Indonesia, “PELAYARAN: Pemerintah Ingatkan Waspadai Cuaca Ekstrim,” 9 januari 2013. [Online]. Available: http://www.bisnis.com/articles/pelayaranpemerintah-ingatkan-waspadai-cuaca-ekstrim. [Diakses 12 februari 2013]. [2] Masyarakat Transportasi Indonesia, 1-2-3 Langkah Menempatkan Kembali Keselamtan Menuju Transportasi Yang Bermartabat Volume 2, Jakarta: Masyarakat Transportasi Indonesia, 2007. [3] A. Candra, “Tugas Akhir: Perancangan Model Adaptive Neuro Fuzzy Inference System Untuk Memprediksi Cuaca Maritim,” Teknik Fisika ITS, Surabaya, 2010. [4] I. B. Asmoro, “Perancangan Perangkat Lunak Prediktor Cuaca Berbasis Logika Fuzzy. Teknik Fisika-FTI-ITS Surabaya,” Teknik Fisika ITS, Surabaya, 2011. [5] N. H. Wakhid, “Perancangan Sistem Prediktor Cuaca Maritim Dengan Menggunakan Metode Fuzzy Takagi Sugeno,” Teknik Fisika ITS, Surabaya, 2012. [6] F. Thor, Guidance and Control of Ocean Vehicles, Chichester University of Trondheim Norway, 1994. [7] P. Meilanitasari, “Prediksi Cuaca Menggunakan Logika Fuzzy untuk Kelayakan Pelayaran di Pelabuhan Tanjung Perak Surabaya,” Teknik Fisika ITS, Surabaya, 2010. [8] S. Kusumadewi, “Perancangan Sistem fuzzy : Studi Kasus Prediksi Jumlah Produksi dan Harga Jual Barang,” Jurnal Teknologi Industri Volume 5, 2000. [9] A. S. Aisjah dan S. Arifin, “Maritime Weather Prediction using Fuzzy Logic in Java Sea,” 2nd International Conference on Instrumentation Control and Automation , 2011. [10] M. S. Awam, “Predicting weather events using fuzzy rule base,” Applied Soft Computing, pp. 56-63, 2011. [11] K. Li, “Fuzzy case-based reasoning:weather prediction,” International Conference On Machine Learning And Cybernetics, 2002.
