PERANCANGAN SISTEM PREDIKSI KEMUNGKINAN BANJIR DI DAERAH JAKARTA PUSAT DENGAN LOGIKA FUZZY
Maria Edwardus Herman Tri Rahmanto Binus University, Jakarta, DKI Jakarta, Indonesia,no telp: 085782082594, email:
[email protected]
Chiedryan Dennisleo Binus University, Jakarta, DKI Jakarta, Indonesia, no telp: 085693358147, email:
[email protected]
Tri Djoko Wahjono Dosen Pembimbing
ABSTRAK
Flooding is one of the biggest enemy for most people in Indonesia, especially Jakarta, erratic rainfall cause people can not predict the occurrence of rain. The purpose of this thesis is to design a computer-based applications to see the percentage of occurrence of floods in the Central Jakarta using Fuzzy logic. Application was made to provide information for people who travel frequently using a motor vehicle in the area of Central Jakarta, the application is expected to provide a reasonably accurate information on the percentage of occurrence of floods in Central Jakarta. At the stage of data collection, there are two methods, namely interviews and library research methods. And at the design stage are database design and screen design. While implementing applications using C + +. The results of this design include an application that will display menus to enter data in the desired in predicting the likelihood of flooding in Central Jakarta. Conclusion, the implementation of Fuzzy logic can help predict the likelihood of flooding in the area of Central Jakarta.
Keyword Predictions, Flood, Fuzzy
Banjir adalah salah satu musuh terbesar bagi sebagian besar masyarakat di Indonesia khususnya Jakarta Pusat, curah hujan yang tidak menentu menyebabkan masyarakat tidak bisa memprediksi terjadinya hujan. Tujuan skripsi ini adalah merancang sebuah aplikasi berbasis computer untuk melihat persentase terjadinya banjir di bagian Jakarta Pusat dengan menggunakan logika Fuzzy. Aplikasi tersebut dibuat untuk memberikan informasi untuk orang-orang yang sering berpergian menggunakan kendaraan bermotor di daerah Jakarta Pusat, aplikasi ini diharapkan mampu memberikan informasi yang cukup akurat terhadap persentase terjadinya banjir di Jakarta Pusat. Pada tahap pengumpulan data, terdapat dua metode yaitu metode wawancara dan metode studi pustaka. Dan pada tahap perancangan terdapat perancangan basis data, dan perancangan layar. Sedangkan pengimplementasian aplikasi dengan menggunakan C++. Hasil perancangan ini mencakup aplikasi yang akan menampilkan menu-menu untuk menginput data-data yang di inginkan dalam memprediksikan kemungkinan terjadinya banjir di Jakarta Pusat. Simpulannya, pengimplementasian logika Fuzzy dapat untuk membantu memprediksi kemungkinan banjir di daerah Jakarta Pusat.
Kata Kunci Prediksi, Banjir, Fuzzy
1
PENDAHULUAN
Latar belakang dari skripsi ini adalah dengna cuaca yang kurang menentu, hujan yang tiba-tiba sangat deras, atau hujan sedang dengan waktu yang cukup lama, atau hujan di semua bagian Indonesia terutama di daerah sekitar Jakarta. Seringkali menyebabkan masyarakat yang ada atau tinggal di Jakarta mengalami banjir secara tiba-tiba. Menurut Sri Kusuma Dewi (2010, p2) logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan dasar teori himpunan, maka konsep matematis yang mendasari penalaran fuzzy tersebut cukup mudah untuk dimengerti. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahanperubahan, dan ketidakpastian yang menyertai permasalahan. Sistem ini akan memprediksikan dari curah hujan, debit air sungai, dan lama terjadinya hujan. Sistem ini akan memberikan informasi kepada masyarakat yang berada di daerah Jakarta Pusat persentase akan terjadinya banjir sehingga masyarakat dapat bersiap-siap untuk menghadapi banjir. Ruang lingkup dari skripsi ini adalah curah hujan di daerah Jakarta Pusat, debit air sungai di daerah Jakarta Pusat, menggunakan logika Fuzzy dalam implementasinya, menggunakan C++ untuk implementasi aplikasi. Tujuan dari adanya pembuatan aplikasi ini adalah merancang aplikasi yang dapat memprediksikan kemungkinan terjadinya banjir di daerah Jakarta Pusat serta mengimplementasikan Logika Fuzzy pada aplikasi prediksi banjir di daerah Jakarta Pusat. Serta manfaat dari pembuatan system ini adalah masyarakat dapat mempersiapkan diri sebelum
terjadinya banjir, menambah wawasan mengenai logika fuzzy dan cara mengimplementasikan dalam aplikasi yang dikembangkan, dan dapat digunakan untuk referensi
2
METODOLOGI Dalam pembuatan skripsi ini, penulis menggunakan 2 tahap penelitian: a. Tahap Pengumpulan Data Metode pengumpulan data yang penulis gunakan untuk membuat skripsi ini adalah: 1. Metode Studi Pustaka Pengumpulan data dengan mencari sumber-sumber informasi baik dari buku-buku, maupun sumber-sumber dari internet yang berkaitan dengan skripsi ini. 2. Metode Wawancara Wawancara dilakukan dengan Bapak Rd. Nursyamsi Kurnia Utama,ST selaku pakar pada bidang ini untuk mendapatkan gambaran dan pemahaman mengenai kebutuhan skripsi ini b. Tahap Perancangan Aplikasi Dalam pengembangan piranti lunak di butuhkan tahapan-tahapan pengembangan yang sesuai dengan sistem yang pada umumnya digunakan yang disebut SDLC (System Development Life Cycle). Pembuatan solusi yang tepat harus melibatkan pihak pengembang perangkat lunak terkait agar didapatkan suatu solusi yang tepat. Pada saat ini telah dikenal beberapa model pengembangan sistem, antara lain waterfall, prototyping, spiral, incremental, dan fourth generation techniques. Penulis menggunakan model waterfall karena merupakan salah satu model pengembangan sistem yang paling baik dan efektif. Model waterfall sangat terstruktur
dan bersifat linier. Model tersebut memerlukan pendekatan yang sistematis dan sekuensial dalam pengembangan sistem perangkat lunak. Tahap-tahap pada model waterfall: 1. Rekayasa Sistem Rekayasa sistem yaitu menentukan kebutuhan sistem secara keseluruhan, antara lain dengan menentukan komponen-komponen sistem, atribut komponen, dan hubungan antar komponen. 2. Analisis Sistem Analisis sistem yaitu mencari dan menentukan criteria aplikasi yang tepat untuk memenuhi kebutuhan sistem 3. Desain Sistem Desain sistem yaitu mendefinisikan hasil analisis dengan merancang modul aplikasi perancangan yang dilakukan pada tiga bagian, yaitu struktur data, Entity Relationship Diagram (ERD) dan kamus data. 4. Pemrograman Pemrograman merupakan pengimplementasian rancangan atau desain dengan menuliskan kode program sesuai dengan bahasa yang dipilih. 5. Uji Coba Uji Coba yaitu melakukan pengujian program aplikasiyang telah selesai dibuat dengan memperhatikan konsep logika untuk mengetahui kinerja aplikasi apakah sesuai dengan kebutuhan sistem dan melakukan pencegahan terjadinya kesalahan seminimal mungkin.
6. Pemeliharaan Pemeliharaan memungkinkan terjadinya perubahan data, lingkungan sistem, dan kebutuhan penggunaan agar aplikasi tetap dapat dikembangkan sesuai perubahan yang terjadi.
3
HASIL DAN BAHASAN Analisa permasalahannya adalah Sistem pendeteksi banjir yang ada saat ini masih kurang
mampu memberikan informasi khususnya bagi masyarakat awam. Sistem tersebut hanya berupa bentuk data yang membutuhkan pembacaan oleh seorang ahli sehingga masyarakat awam akan cukup sulit untuk memahami informasi yang diberikan oleh sistem tersebut sehingga kadang terjadinya kesalahpahaman informasi oleh masyarakat awam. Kelebihan dari sistem yang sudah ada adalah mampu memberikan informasi detail kepada para ahli. Namun kekurangan dari sistem ini adalah kurang dapat dimengerti oleh masyarakat awam, sehingga masyarakat awam tidak mampu untuk memahami informasi yang digambarkan oleh sistem tersebut. Oleh karena itu, diperlukan sebuah sistem baru yang dapat memberikan informasi yang mampu memberikan informasi yang lebih dapat dimengerti oleh masyarakat yang ingin mengetahui kemungkinan atau persentase terjadinya banjir di daerah Jakarta Pusat. Usulan Pemecahan masalah dari skripsi ini adalah Berdasarkan hasil analisis sistem di atas, maka akan dirancang sebuah aplikasi yang menyediakan informasi persentase terjadinya banjir di Jakarta Pusat, informasi curah hujan, informasi debit sungai.
Flowchart
proses
prediksi
kemungkinan
banjir
dapat
dilihat
di
bawah
ini.
flowchart dari algoritma perhitungan persentase akan terjadinya banjir. Penjelasan algoritma tersebut adalah: a. Aplikasi dibuka dan kemudian meminta input, input tersebut memasuki proses menjadi term fuzzifikasi b. Term fuzzifikasi tersebut digunakan oleh rule didalam perhitungan data untuk menghasilkan daerah yang kemudian akan melalui proses defuzzifikasi. c. Proses defuzzifikasi selesai maka akan menampilkan messages box persentase kemungkinan terjadinya banjir yang disertai dengan pilihan exit.
Pada proses input user akan memasukan variable curah hujan, lama hujan, serta debit sungai. Hasil wawancara dengan pakar yaitu pegawai menurut perhitungan BMKG mengenai curah hujan, lama hujan, dan debit sungai. Hasil survei itu yang digunakan sebagai rule dari logika fuzzy yang digunakan dan dapat disimpulkan sebagai berikut: •
•
Curah Hujan 0-25mm
gerimis
25-75mm
hujan sedang
76-100mm
deras
Lama Hujan 0-30menit
sebentar
30-60menit
cukup lama
60-90menit
lama
90-120menit lama sekali •
Debit Sungai 0-4m3/s
rendah
5-7m3/s
sedang
8-10m3/s
tinggi
Fungsi implikasi untuk setiap aturan. Karena menggunakan Metode MAMDANI, maka fungsi implikasi yang digunakan adalah fungsi MIN. [R1]
IF deras AND lamasekali AND tinggi THEN banjirbesar
α-predikat1
= µDERAS ∩ µLAMASEKALI ∩ µTINGGI = min(µDERAS[ ], µLAMASEKALI[ ], µTINGGI[ ])
[R2]
IF deras AND lamasekali AND sedang THEN banjirbesar
α-predikat2
= µDERAS ∩ µLAMASEKALI ∩ µSEDANG = min(µDERAS[ ], µLAMASEKALI[ ], µSEDANG[ ])
[R3]
IF deras AND lamasekali AND rendah THEN banjir
α-predikat3
= µDERAS ∩ µLAMASEKALI ∩ µRENDAH = min(µDERAS[ ], µLAMASEKALI[ ], µRENDAH[ ])
[R4]
IF deras AND lama AND tinggi THEN banjirbesar
α-predikat4
= µDERAS ∩ µLAMA ∩ µTINGGI = min(µDERAS[ ], µLAMA[ ], µTINGGI[ ])
[R5]
IF deras AND lama AND sedang THEN banjirbesar
α-predikat5
= µDERAS ∩ µLAMA ∩ µSEDANG = min(µDERAS[ ], µLAMA [ ], µSEDANG[ ])
[R6]
IF deras AND lama AND rendah THEN banjir
α-predikat6
= µDERAS ∩ µLAMA ∩ µRENDAH = min(µDERAS[ ], µLAMA [ ], µRENDAH[ ])
[R7]
IF deras AND cukuplama AND tinggi THEN banjirbesar
α-predikat7
= µDERAS ∩ µCUKUPLAMA ∩ µTINGGI = min(µDERAS[ ], µCUKUPLAMA[ ], µTINGGI[ ])
[R8]
IF deras AND cukuplama AND sedang THEN banjir
α-predikat8
= µDERAS ∩ µCUKUPLAMA ∩ µSEDANG = min(µDERAS[ ], µCUKUPLAMA[ ], µSEDANG[ ])
[R9]
IF deras AND cukuplama AND rendah THEN banjir
α-predikat9
= µDERAS ∩ µCUKUPLAMA ∩ µRENDAH = min(µDERAS[ ], µCUKUPLAMA[ ], µRENDAH[ ])
[R10] IF deras AND sebentar AND tinggi THEN banjirbesar α-predikat10 = µDERAS ∩ µSEBENTAR ∩ µTINGGI = min(µDERAS[ ], µSEBENTAR[ ], µTINGGI[ ])
[R11] IF deras AND sebentar AND sedang THEN banjir α-predikat11 = µDERAS ∩ µSEBENTAR ∩ µSEDANG = min(µDERAS[ ], µSEBENTAR[ ], µSEDANG[ ])
[R12] IF deras AND sebentar AND rendah THEN tidakbanjir α-predikat12 = µDERAS ∩ µSEBENTAR ∩ µRENDAH = min(µDERAS[ ], µSEBENTAR[ ], µRENDAH[ ])
[R13] IF sedang AND lamasekali AND tinggi THEN banjirbesar α-predikat13 = µSEDANG ∩ µLAMASEKALI ∩ µTINGGI = min(µSEDANG[ ], µLAMASEKALI[ ], µTINGGI[ ])
[R14] IF sedang AND lamasekali AND sedang THEN banjirbesar α-predikat14 = µSEDANG ∩ µLAMASEKALI ∩ µSEDANG = min(µSEDANG[ ], µLAMASEKALI[ ], µSEDANG[ ])
[R15] IF sedang AND lamasekali AND rendah THEN tidakbanjir α-predikat15 = µSEDANG ∩ µLAMASEKALI ∩ µRENDAH = min(µSEDANG[ ], µLAMASEKALI[ ], µRENDAH[ ])
[R16] IF sedang AND lama AND tinggi THEN banjirbesar α-predikat16 = µSEDANG ∩ µLAMA ∩ µTINGGI = min(µSEDANG[ ], µLAMA [ ], µTINGGI[ ])
[R17] IF sedang AND lama AND sedang THEN banjir α-predikat17 = µSEDANG ∩ µLAMA ∩ µSEDANG = min(µSEDANG[ ], µLAMA [ ], µSEDANG[ ])
[R18] IF sedang AND lama AND rendah THEN banjir α-predikat18 = µSEDANG ∩ µLAMA ∩ µRENDAH = min(µSEDANG[ ], µLAMA [ ], µRENDAH[ ])
[R19] IF sedang AND cukuplama AND tinggi THEN banjir α-predikat19 = µSEDANG ∩ µCUKUPLAMA ∩ µTINGGI = min(µSEDANG[ ], µCUKUPLAMA[ ], µTINGGI[ ])
[R20] IF sedang AND cukuplama AND sedang THEN tidakbanjir α-predikat20 = µSEDANG ∩ µCUKUPLAMA ∩ µSEDANG = min(µSEDANG[ ], µCUKUPLAMA[ ], µSEDANG[ ])
[R21] IF sedang AND cukuplama AND rendah THEN tidakbanjir α-predikat21 = µSEDANG ∩ µCUKUPLAMA ∩ µRENDAH = min(µSEDANG[ ], µCUKUPLAMA[ ], µRENDAH[ ])
[R22] IF sedang AND sebentar AND tinggi THEN banjir α-predikat22 = µSEDANG ∩ µSEBENTAR ∩ µTINGGI = min(µSEDANG[ ], µSEBENTAR[ ], µTINGGI[ ])
[R23] IF sedang AND sebentar AND sedang THEN tidakbanjir α-predikat23 = µSEDANG ∩ µSEBENTAR ∩ µSEDANG = min(µSEDANG[ ], µSEBENTAR[ ], µSEDANG[ ])
[R24] IF sedang AND sebentar AND rendah THEN tidakbanjir α-predikat24 = µSEDANG ∩ µSEBENTAR ∩ µRENDAH = min(µSEDANG[ ], µSEBENTAR[ ], µRENDAH[ ])
[R25] IF gerimis AND lamasekali AND tinggi THEN banjir α-predikat25 = µGERIMIS ∩ µLAMASEKALI ∩ µTINGGI = min(µGERIMIS[ ], µLAMASEKALI[ ], µTINGGI[ ])
[R26] IF gerimis AND lamasekali AND sedang THEN tidakbanjir α-predikat26 = µGERIMIS ∩ µLAMASEKALI ∩ µSEDANG = min(µGERIMIS[ ], µLAMASEKALI[ ], µSEDANG[ ])
[R27] IF gerimis AND lamasekali AND rendah THEN tidakbanjir α-predikat27 = µGERIMIS ∩ µLAMASEKALI ∩ µRENDAH = min(µGERIMIS[ ], µLAMASEKALI[ ], µRENDAH[ ])
[R28] IF gerimis AND lama AND tinggi THEN banjir α-predikat28 = µGERIMIS ∩ µLAMA ∩ µTINGGI = min(µGERIMIS[ ], µLAMA [ ], µTINGGI[ ])
[R29] IF gerimis AND lama AND sedang THEN tidakbanjir α-predikat29 = µGERIMIS ∩ µLAMA ∩ µSEDANG = min(µGERIMIS[ ], µLAMASEKALI[ ], µSEDANG[ ])
[R30] IF gerimis AND lama AND rendah THEN tidakbanjir α-predikat30 = µGERIMIS ∩ µLAMA ∩ µRENDAH = min(µGERIMIS[ ], µLAMA [ ], µRENDAH[ ])
[R31] IF gerimis AND cukuplama AND tinggi THEN tidakbanjir α-predikat31 = µGERIMIS ∩ µCUKUPLAMA ∩ µTINGGI = min(µGERIMIS[ ], µCUKUPLAMA [ ], µTINGGI[ ])
[R32] IF gerimis AND cukuplama AND sedang THEN tidakbanjir α-predikat32 = µGERIMIS ∩ µCUKUPLAMA ∩ µSEDANG = min(µGERIMIS[ ], µCUKUPLAMA [ ], µSEDANG[ ])
[R33] IF gerimis AND cukuplama AND rendah THEN tidakbanjir α-predikat33 = µGERIMIS ∩ µCUKUPLAMA ∩ µRENDAH = min(µGERIMIS[ ], µCUKUPLAMA [ ], µRENDAH[ ])
[R34] IF gerimis AND sebentar AND tinggi THEN banjir α-predikat34 = µGERIMIS ∩ µSEBENTAR ∩ µTINGGI = min(µGERIMIS[ ], µSEBENTAR [ ], µTINGGI[ ])
[R35] IF gerimis AND sebentar AND sedang THEN tidakbanjir α-predikat35 = µGERIMIS ∩ µSEBENTAR ∩ µSEDANG = min(µGERIMIS[ ], µSEBENTAR [ ], µSEDANG[ ])
[R36] IF gerimis AND sebentar AND rendah THEN tidakbanjir α-predikat30 = µGERIMIS ∩ µSEBENTAR ∩ µRENDAH = min(µGERIMIS[ ], µSEBENTAR [ ], µRENDAH[ ])
Di dalam Sistem Inference Fuzzy dapat diketahui langkah-langkah untuk mendapatkan hasil akhir dari program. Contoh Kasus: diketahui inputan Curah Hujan = 20, Debit Sungai = 4, Lama Hujan = 60. •
Representasi Kurva Curah Hujan 20 = GERIMIS[20]
= (25-20)/(25-10) = 0,34
Debit Sungai 4 = RENDAH[4]
= (5-4)/(5-3) = 0,5
Lama Hujan 60 = LAMA[60]
= (60-50)/(65-50) = 0,67
•
Fungsi Implikasi Pada Metode Mamdani fungsi yang digunakan adalah MIN [R30] IF gerimis AND rendah AND lama THEN tidakbanjir α-predikat1
= µGERIMIS ∩ µLAMA ∩ µRENDAH = min(µGERIMIS[20], µLAMA [60], µRENDAH[4]) = min(0,34 ; 0,67 ; 0,5) = 0,34
[R33] IF gerimis AND rendah AND cukuplama THEN tidakbanjir α-predikat2
= µGERIMIS ∩ µCUKUPLAMA ∩ µRENDAH = min(µGERIMIS[20], µCUKUPLAMA [60], µRENDAH[4]) = min(0,34 ; 0 ; 0,5) =0
•
Komposisi Antar Aturan Dari hasil aplikasi fungsi implikasi dari tiap aturan, Metode MAMDANI pada umumnya digunakan metode MAX untuk melakukan komposisi antar semua aturan.
Gambar 4.1 Daerah Hasil (a – 0)/100 = 0,34 - - - > a = 34 µ[z] = { 0,34; z ≤ 34}
•
Penegasan (Defuzzifikasi) Metode penegasan yang akan digunakan adalah metode centroid. Untuk itu menghitung dahulu momen untuk daerah tersebut
M=
Luas Daerah: A = 34 * 0,34 = 11,56
= 196,52
Titik Pusat yang diperoleh:
z
=
=
17
Prosedur penggunaan, sistem aplikasi ini dibuat menggunakan bahasa pemograman C++ dengan penambahan librari FFLLAPI.h. Aplikasi ini ditujukan untuk device yang menggunakan sistem operasi Windows XP atau Windows 7. Untuk menjalankan aplikasi ini user hanya perlu menginstalasi atau menyalin aplikasi ini yang ada dalam bentuk .exe ke dalam PC atau Personal Computer. Setelah instalasi atau penyalinan data sukses maka akan muncul icon sistem aplikasi prediksi banjir pada PC baik di desktop
atau dimana, tergantung user atau pengguna
menempatkannya dimana.
Gambar Menjalankan aplikasi Sistem Prediksi Banjir Gambar 4.2 menampilkan halaman desktop pada device yang berupa PC setelah dilakukan instalasi aplikasi Sistem Prediksi Banjir. Ketika icon diklik 2 kali, maka aplikasi akan berjalan.
4
SIMPULAN DAN SARAN Simpulan dari skripsi ini dari pengamatan dan implementasi program yang dilakukan,
penulis menyimpulkan, aplikasi ini dapat memprediksi terjadinya banjir di daerah Jakarta Pusat serta aplikasi ini mengimplikasikan logika Fuzzy yang dapat membantu memprediksi kemungkinan terjadinya banjir di daerah Jakarta Pusat.
Saran yang kami dapatkan dari hasil pengerjaan skripsi ini adalah dengan perkembangan yang ada pada saat ini, sebaiknya dapat mengembangkan aplikasi ini melalui device mobile dan masih perlu banyaknya tahap pengembangan agar semakin bisa menjadi sebuah aplikasi yang akan sangat berguna bagi masyarakat. Diharapkan ada yang bisa mampu untuk menyempurnakan aplikasi yang akan terus berguna untuk masyarakat untuk masa depan.
5
DAFTAR PUSTAKA
Peraturan Kepala Badan Meteorologi dan Geofisika tentang Tata Cara Tetap Pelaksanaan Pengamatan dan Pelaporan Data Hidrometeorologi, SK.37/KT.104/KB/BMG-06 (2006). Aisjah, & S, A. (2012). Aplikasi Sistem Logika Fuzzy Pada Peramalan Cuaca Di Indonesia Studi Kasus: Cuaca Kota Surabaya. Aisyah, Siti, A., A, I., Lelono, & Bambang. (2012). Prediktor Cuaca Berbasis Logika Fuzzy Untuk Kebutuhan Penerbangan Di Bandara Juanda Surabaya. Badan Meteorologi, Klimatologi, dan Geofisika | BMKG. (n.d.). Retrieved May 12, 2012, from BMKG: http://www.bmkg.go.id/BMKG_Pusat/Depan.bmkg Connolly, T. M., & Begg, C. E. (2010). Database System A Pratical Approach to Design, Implementation, and Management Fifth Edition. Boston: Pearson Education International. Fitriyah, & Hurriyatul. (2009). Prediksi Hujan Di Surabaya Dengan Pendekatan Logika Fuzzy. Kementerian Pekerjaan Umum | Republik Indonesia [PU Net]. (n.d.). Retrieved May 15, 2012, from PU-net: http://www.pu.go.id/ Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Edisi 2. Yogyakarta: Graha Ilmu. Pressman, R. S. (2008). Software Engineering A Practitioner's Approach Seventh Edition. New York: Mc Graw Hill. Raghunath, H. M. (2006). Hydrology Principles Analysis Design Revised Second Edition. New Delhi: New Age International. Shneiderman, B., & Plaisant, C. (2010). Designing the User Interface Strategies for Effective Human-Computer Interaction Fifth Edition. Pearson Addison Wesley.
Sri Kusumadewi, (2003). Artificial Intelligence (Teknik dan Aplikasinya), edisi pertama. Penerbit Graha Ilmu, Jakarta. Whitten, J. L., & Bentley, L. D. (2007). System Analysis and Design Methods Seventh Edition. New York: Mc Graw Hill. Yusuf, Y. (2005). Anatomi Banjir Kota Pantai Perspektif Geografi. Surakarta: Pustaka Cakrta Surakarta.
6
RIWAYAT PENULIS Maria Edwardus Herman Tri Rahmanto lahir di kota Semarang pada 17 November 1988.
Menamatkan Pendidikan S1 di Bina Nusantara dalam bidang Teknik Informatika pada tahun 2012. Chiedryan Dennisleo lahir di kota Tangerang pada 9 Agustus 1990. Menamatkan Pendidikan S1 di Bina Nusantara dalam bidang Teknik Informatika pada tahun 2012.
