PREDIKSI CUACA ME GGU AKA LOGIKA FUZZY U TUK KELAYAKA PELAYARA DI PELABUHA TA JU G PERAK SURABAYA (Prita Meilanitasari, Ir. Syamsul Arifin,MT) Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS Keputih Sukolilo, Surabaya 60111 Abstrak Di bidang pelayaran kebutuhan atas informasi cuaca sangatlah penting untuk menentukan kelayakan pelayaran. Pada penelitian ini digunakan metode logika fuzzy untuk peramalan cuaca maritim. Data yang digunakan adalah data yang diambil dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) pada range waktu 5 tahun dari tahun 2005 hingga 2009, dan data bulan Desember 2007 yang digunakan untuk validasi. Data tersebut digunakan sebagai masukan dari logika fuzzy yang terdiri dari tiga variabel dan satu keluaran untuk masing-masing logika fuzzy yaitu ketinggian gelombang atau kecepatan arus. Keluaran logika fuzzy kemudian digunakan untuk menentukan kelayakan pelayaran yang dilihat dari ketinggian gelombang dan kecepatan arus. Dari hasil peramalan ketinggian gelombang untuk 744 data pada bulan Desember 2007 didapatkan prosentase keakuratan data bila dibandingkan dengan data yang berasal dari BMKG adalah 80,20% untuk peramalan 1 jam ke depan, 78,40% untuk peramalan 3 jam ke depan, 77,40% untuk peramalan 6 jam ke depan, 72,30% untuk peramalan 12 jam ke depan, dan 63,60% untuk peramalan 24 jam ke depan dengan prosentase rata-rata sebesar 74,38%sedangkan untuk arus 98,79% untuk peramalan kecepatan arus 1 jam ke depan, 98,92% untuk peramalan 3 jam ke depan, 98,92% untuk peramalan 6 jam ke depan, 98,92% untuk peramalan 12 jam ke depan, dan 98,52% untuk peramalan 24 jam kemudian (keesokan harinya) dengan prosentase rata-rata sebesar 98,81%.Untuk kelayakan pelayaran pada bulan Desember 2007 didapatkan prosentase layak layar adalah sebesar 95,17%. Kata kunci : Fuzzy Takagi-Sugeno, kelayakan pelayaran. I PE DAHULUA Cuaca merupakan suatu kondisi udara di suatu tempat pada saat yang relatif singkat yang meliputi kondisi suhu, kelembaban, serta tekanan udara sebagai komponen utamanya. Pencarian metode untuk memprediksi cuaca adalah kegiatan yang akhir-akhir ini banyak dilakukan oleh peneliti terhadap atmosfer atau cuaca. Dikarenakan banyaknya tuntutan dari berbagai pihak yang membutuhkan informasi kondisi atmosfer yang lebih cepat, lengkap, dan akurat. Badan Meteorologi, Klimatologi dan Geofisika (BMKG) sebagai perusahaan negara yang bertugas sebagai pengamat cuaca mampu memprediksikan cuaca melalui metode konvensional baik itu metoda statistik maupun dinamik yang mencakup radius 5 – 10 km untuk 1 titik pengamatan di wilayah yang dapat diprediksikan. Selama ini, BMKG menggunakan metode matematis untuk peramalan. Pada penelitian sebelumnya telah dilakukan metode peramalan menggunakan fuzzy clustering (Syamsul Arifin,2007) yang mampu menghasilkan ketepatan sebesar 69% untuk data uji sebanyak 304 hari. Selanjutnya prediksi cuaca maritim menggunakan jaringan syaraf tiruan (Andre Kresnawan, 2008) yang menghasilkan ketepatan prediksi untuk arus laut sebesar 60,7%, gelombang laut sebesar 72,4%, dan prediksi curah hujan sebesar 26,122%. Kemudian prediksi cuaca maritim menggunakan metode ANFIS (Ardian Candra P, 2010) yang menghasilkan ketepatan prediksi 38,00% untuk curah hujan, 99,887% untuk arus laut, dan 99,913% untuk ketinggian gelombang laut. Adapun permasalahan yang dibahas adalah bagaimana merancang metode peramalan menggunakan metode logika fuzzy untuk menentukan kelayakan pelayaran khususnya di sekitar pelabuhan Tanjung Perak Surabaya.
Penelitian ini menggunakan titik pengamatan 4,648136o S – 113,908806o E. Data yang diambil merupakan data dari BMKG Perak I. Diharapkan dengan menggunakan metode tersebut maka keluaran yang diharapkan dapat lebih baik bila dibandingkan dengan penelitian sebelumnya. II TEORI PE U JA G 2.1 Cuaca dan Iklim Cuaca dan iklim memiliki perbedaan definisi yang saling berhubungan. Iklim akan mempengaruhi cuaca di suatu tempat, sedangkan cuaca yang terjadi akan dipengaruhi iklim tempat tersebut. Pada dasarnya cuaca adalah keadaan udara pada saat tertentu dan di wilayah tertentu yang relatif sempit dan pada jangka waktu yang singkat. Cuaca itu terbentuk dari gabungan unsur cuaca dan jangka waktu cuaca bisa hanya beberapa jam saja. Sedangkan iklim merupakan keadaan cuaca rata-rata dalam waktu satu tahun yang penyelidikannya dilakukan dalam waktu yang lama (minimal 30 tahun) dan meliputi wilayah yang luas. Iklim terbentuk karena adanya revolusi serta rotasi bumi sehingga terjadi pergeseran semu harian matahari dan tahunan, dan karena adanya perbedaan lintang geografi dan lingkungan fisis. Perbedaan ini menyebabkan timbulnya penyerapan panas matahari oleh bumi sehingga besar pengaruhnya terhadap kehidupan di bumi. 2.2 Unsur – Unsur Cuaca dan Iklim Suhu atau temperatur udara adalah derajat panas dari aktivitas molekul dalam atmosfer. Alat untuk mengukur suhu atau temperatur udara atau derajat panas disebut Thermometer. Biasanya pengukuran suhu atau temperatur udara dinyatakan dalam skala Celcius (C), Reamur (R), dan Fahrenheit
(F).Untuk menghitung suhu udara di suatu tempat dapat digunakan rumus:
Tekanan udara adalah suatu gaya yang timbul akibat adanya berat dari lapisan udara. Besarnya tekanan udara di setiap tempat pada suatu saat berubah-ubah. Makin tinggi suatu tempat dari permukaan laut, makin rendah tekanan udaranya. Hal ini disebabkan karena makin berkurangnya udara yang menekan. Besarnya tekanan udara diukur dengan barometer dan dinyatakan dengan milibar (mb). Tekanan udara dapat dibedakan menjadi 3 macam, yaitu tekanan udara tinggi (lebih dari 1013 mb),tekanan udara rendah (kurang dari 1013 mb), dan tekanan di permukaan laut (sama dengan 1013 mb). Kelembaban udara adalah banyaknya uap air yang terkandung dalam massa udara pada saat dan tempat tertentu. Alat untuk mengukur kelembaban udara disebut psychrometer atau hygrometer. Kelembaban udara dapat dibedakan menjadi kelembaban mutlak atau kelembaban absolut, yaitu kelembaban yang menunjukkan berapa gram berat uap air yang terkandung dalam satu meter kubik (1 m3) udara, dan kelembaban nisbi atau kelembaban relatif, yaitu bilangan yang menunjukkan berapa persen perbandingan antara jumlah uap air yang terkandung dalam udara dan jumlah uap air maksimum yang dapat ditampung oleh udara tersebut.
Angin adalah gerak udara yang sejajar dengan permukaan bumi. Udara bergerak dari daerah bertekanan tinggi ke daerah bertekanan rendah. Angin adalah besaran vektor yang mempunyai arah dan kecepatan. Arah angin dinyatakan dalam derajat. Sebagai contoh arah 360o adalah arah Utara (U), arah 22,5o adalah arah Utara Timur Laut (UTL), dan sebagainya. Kecepatan angin dinyatakan dalam satuan meter per sekon, kilometer per jam atau knot (1 knot ≈ 0,51 m/s) dan diukur menggunakan anemometer. Kekuatan angin ditentukan oleh kecepatannya, makin cepat angin bertiup maka makin tinggi/besar kekuatannya. Pada tahun 1804 Beaufort seorang Laksamana Inggris telah membuat daftar kekuatan dan kecepatan angin yang digunakannya untuk pelayaran. Daftar tersebut dinamakan Skala Beaufort yang memiliki nilai 0 sampai 12. 2.3 Pengaruh Unsur Cuaca pada Permukaan Laut Pengaruh unsur-unsur cuaca pada permukaan laut terdapat pada ketinggian gelombang serta kecepatan arus laut yang ada di permukaan laut. Gelombang laut atau ombak merupakan gerakan air laut yang paling umum dan mudah kita amati. Gelombang yang dimaksudkan adalah gelombang yang dibangkitkan oleh angin. Gelombang Gelombang terjadi karena adanya gesekan angin di permukaan,oleh karena itu arah gelombang sesuai
dengan arah angin. Secara teori dapat dijelaskan bahwa ketika angin yang berhembus secara teratur dan terusmenerus di atas permukaan air laut akan membentuk riak permukaan yang bergerak searah dengan hembusan angin. Bila angin masih terus berhembus dalam waktu yang cukup panjang dan meliputi jarak permukaan laut yang cukup besar, maka riak air akan tumbuh menjadi gelombang. Pada saat yang bersamaan riak permukaan baru akan terbentuk di atas gelombang yang terbentuk, dan selanjutnya akan berkembang menjadi gelombang-gelombang baru tersendiri. Bila angin berhenti berhembus, sistem gelombang yang telah terbentuk akan melemah. Proses pelemahan gelombang akan mencapai waktu beberapa hari, yang bersamaan dengan hal itu gelombang-gelombang panjang sudah bergerak dan menempuh jarak ribuan kilometer, yang pada jarak yang cukup jauh dan tempat mulainya gelombang akan dapat diamati sebagai alun (swell). Alun biasnya mempunyai periode yang sangat panjang, dan bentuknya cukup beraturan. Sistem gelombang yang terbentuk secara lokal akan dipengaruhi oleh alun yang terbentuk dan tempat yang jauh. Arus laut atau sea current adalah gerakan massa air laut dari satu tempat ke tempat lain baik secara vertikal (gerakan ke atas) maupun secara horizontal (gerakan ke samping). Menurut letaknya arus dibedakan menjadi dua yaitu arus atas dan arus bawah. Arus atas adalah arus yang bergerak di permukaan laut. Arus ini dipengaruhi sebagian besar oleh kecepatan, kekuatan serta arah angin yang ada di permukaan 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. 2.4 Kelayakan Pelayaran Indonesia adalah negara martim karena sebagian wilayahnya merupakan perairan. Transportasi laut menjadi alternatif untuk perjalanan antar pulau. Terdapat sebuah lembaga negara yang berada di bawah departemen perhubungan yang bertugas untuk menangani masalah pengawasan transportasi laut (kapal) dan ketertiban dalam hal kebandaran yang dinamakan Syahbandar. Syahbandar berada di bawah pengawasan Badan Administrasi Pelayaran. Syahbandar memberikan pengawasan kapal untuk menjamin kelancaran pelayaran dari dan menuju pelabuhan. Berdasarkan pengetahuan dari Syahbandar pelabuhan Tanjung Perak surabaya, kelayakan pelayaran dilihat dari dua faktor, yaitu faktor dalam dan faktor luar. Faktor dalam berasal dari badan kapal itu sendiri. Baik itu berupa kesiapan dari awak kapal, meneliti muatan kapal, dokumen dan sertifikat kapal. Sedangkan faktor luar dipengaruhi oleh cuaca perairan, dalam hal ini untuk pelayaran. Cuaca di perairan yang mempengaruhi pelayaran diantaranya adalah ketinggian gelombang, kecepatan arus, kecepatan angin dan cuaca buruk. Ketinggian gelombang adalah variabel yang paling berpengaruh pada faktor
kelayakan pelayaran. Tiap-tiap kapal (dilihat dari Gross Tonnase) berbeda faktor kelayakannya. Selain itu dapat dilihat pula dari besar kecilnya muatan. 2.5 Logika Fuzzy Teori logika fuzzy dikenal himpunan fuzzy yang merupakan pengelompokan sesuatu berdasarkan variabel bahasa yang dinyatakan dalam fungsi keanggotaan. Di alam semesta pembicaraan U, fungsi keanggotaan dari suatu himpunan fuzzy tersebut bernilai antara 0.0 sampai dengan 1.0. 2.5.1 Himpunan Fuzzy
Gambar 2.1 Blok Diagram Logika Fuzzy Berdasarkan gambar di atas, dalam sistem logika fuzzy terdapat beberapa tahapan operasional yang meliputi Fuzzifikasi yaitu suatu proses pengubahan nilai tegas yang ada ke dalam fungsi keanggotaan,Penalaran (Inference Machine) adalah proses implikasi dalam menalar nilai masukan guna panentuan nilai keluaran sebagai bentuk Pengambil Keputusan. Salah satu model penalaaran yang banyak dipakai adalah penalaran max-min. Aturan Dasar (Rule Based) KLFpada kontrol logika fuzzy merupakan suatu bentuk aturan relasi “Jika-Maka” atau “If-then” seperti pada pernyataan “JIKA”X=A DAN “JIKA”Y=B “MAKA”Z=C. Yang terakhir adalah Defuzzifikasi yang merupakan proses pemetaan himpunan fuzzy ke himpunan tegas. Proses ini merupakan kebalikan dari proses fuzzyfikasi. Proses defuzzifikasi deikspresikan sebagai Z*=defuzzifier (Z). 2.5.2
Fuzzy Clustering Fuzzy clustering digunakan untuk mengelompokkan data. Data yang jumlahnya ratusan bahkan ribuan dapat dikelompokkan sesuai dengan jumlah cluster. Sehingga dapat diketahui nilai minimum, maksimum, serta pusat clusternya. Dari situ dapat diketahui pola fungsi keanggotaannya. Dalam hal ini proses pengelompokan menggunakan software MATLAB 7.8.0 menggunakan bahasa pemrograman sehingga mendapatkan nilai-nilai yang dibutuhkan. 2.5.3
Fungsi Keanggotaan Fungsi keanggotaan (membership function ) dari himpunan fuzzy adalah suatu fungsi yang menyatakan keanggotaan dari suatu himpunan nilai nilai. Penentuan nilai nilai diperoleh dari rule / kaidah fuzzy yang menggunakan metoda implikasi. Ada dua metode untuk mendefinisikan keanggotaan himpunan fuzzy, pertama secara numerik dinyatakan sebagai suatu nilai vektor yang besarnya tergantung dari level diskritnya. Kedua secara fungsional dinyatakan dalam bentuk fungsi keanggotaan kontinyu (continue
support). Jenis jenis fungsi keanggotaan dalam operasi fuzzy, yaitu bentuk , bell, gaussian, Trapesoidal, S dan T ( triangular). Fungsi keanggotaan bantu T paling banyak digunakan karena bentuk T hanya menggunakan garis lurus\fungsi linier untuk mendapatkan nilai kuantisasi atau inversi dari nilai kuantisasi dengan menetukan nilai pada sumbu koordinat X dan Y. Pada MATLAB 7.8.0 digunakan fuzzy toolbox untuk memudahkan menentukan fungsi keanggotaan dimana nilai minimum, maksimum, serta titik tengah telah diketahui sebelumnya menggunakan fuzzy clustering. Fungsi keanggotaan yang digunakan menggunakan bentuk gaussian untuk semua masukan dan keluaran. Hal ini dikarenakan variabel yang digunakan yaitu variabel cuaca sifatnya kontinu, dan kurva gaussian adalah bentuk fungsi keanggotaan yang memiliki tingkat kehalusan dan nilainya tidak nol di semua titik. Kurva ini cocok digunakan untuk variabel cuaca (Fuzzy Logic Toolbox User’s Guide. MathWorks.Inc,2002)
Gambar 2.2 Kurva Gaussian Secara matematis fungsi keanggotaan pada gambar 2.2 tersebut berarti:
2.5.4 Fuzzy Inference Systems Fuzzy inference merupakan sebuah proses yang digunakan untuk memformulasikan masukan serta keluaran menggunakan logika fuzzy. Prosesnya menggunakan segala hal yang berkaitan dengan logika fuzzy seperti yang telah disebutkan sebelumnya yaitu fungsi keanggotaan, operasi logika fuzzy, serta aturan jika-maka. Terdapat dua macam fuzzy inference system yaitu tipe Sugeno dan tipe Mamdani. Keduanya dibedakan atas dasar keluaran yang diinginkan. Untuk tipe mamdani keluaran yang diinginkan bersifat linguistik. Sedangkan untuk tipe Sugeno keluaran yang diharapkan adalah bersifat numerik. fuzzy inference system dalam hal ini digunakan untuk mengklasifikasikan data. U ntuk memanggil fuzzy inference system menggunakan MATLAB 7.8.0 menggunakan syntax fuzzy.
Gambar 2.3 fuzzy inference system Metode fuzzy yang digunakan adalah metode fuzzy Takagi-Sugeno. Hal ini dikarenakan keluaran sistem fuzzy pada proses peramalan cuaca tersebut adalah berupa konstanta atau dapat berupa persamaan. Metode ini diawali dengan pembentukan himpunan fuzzy pada variabel masukan, dimana pada variabel masukan menggunakan kurva gaussian sebagai fungsi keanggotaannya. Sedangkan untuk keluaran dari logika fuzzy Takagi-Sugeno dapat berupa persamaan linear atau berupa konstanta. Tergantung dari hasil iterasi mana yang lebih baik hasil keluarannya. Kemudian yang dibentuk adalah komposisi aturan (Rule-Base). Secara umum bentuk model aturan fuzzy Takagi-Sugeno menggunakan bentuk aturan IF-THEN untuk model fuzzy TakagiSugeno orde nol (keluaran berupa konstanta) adalah: IF((x1 is A1) AND (x2 is A2) AND (x3 is A3) .... (xn is An)) THEN z=k
bahwa mulai terbentuk badai dengan frekuensi yang tinggi menghasilkan semacam spektrum dengan titik puncak pada frekuensi yang relatif tinggi. Badai yang berhembus dalam jangka waktu yang lama akan mempengaruhi kondisi di laut. Terutama pada permukaan lautnya. Setelah angin berhenti bertiup, pembentukan gelombang dengan frekuensi rendah (swell) mulai terbentuk. Swell terbentuk dari spektrum dengan frekuensi yang rendah. Jika swell yang berasal dari satu badai bergabung dengan swell yang berasal dari badai-badai yang lain maka gelombang dengan frekuensi yang berasal dari dua titik puncak kemungkinan akan terbentuk. Lebih jelasnya dapat dilihat pada gambar 2.8 yaitu grafik spektrum gelombang laut dengan satu titik puncak. Gelombang yang dibangkitkan oleh angin biasa direpresentasikan dengan jumlahan dari banyak komponen gelombang. Dimana amplitudo gelombang (Ai) i berhubungan dengan fungsi densitas spektral gelombang (S(ωi)) (>ewman,1977):
Hubungan antara ketinggian gelombang dan kecepatan angin permukaan adalah:
Kecepatan arus yang digunakan merupakan kecepatan arus yang dibangkitkan dari angin. Walau kecepatan arus juga dipengaruhi oleh perbedaan suhu dan perbedaan isobar, namun di Indonesia sendiri yang perbedaan isobarnya tidak terlalu signifikan tidak begitu berpengaruh.
Sedangkan untuk model fuzzy Takagi-Sugeno orde satu (keluaran berupa persamaan linear) adalah: IF((x1 is A1) AND (x2 is A2) AND (x3 is A3) .... (xn is An)) THEN z=p1*x1 +p2*x2 +p3*x3+ ...+pn*xn + q Kelebihan yang dimiliki oleh logika fuzzy Sugeno-Takagi dibandingkan dengan logika fuzzy jenis lain adalah fuzzy Sugeno-Takagi lebih efisien secara kumputational, bekerja lebih baik dalam hal linearitas, dapat bekerja dengan 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. 2.6
Hubungan antara Angin, Gelombang laut, dan Arus laut Ketinggian gelombang laut dan kecepatan arus laut yang dijadikan keluaran pada logika fuzzy disebabkan karena kecepatan angin. Gelombang yang dibangkitkan oleh angin dimulai dari munculnya gelombang kecil di permukaan air laut. Gelombang ini kemudian gelombang ini akan menarik gaya yang menyebabkan terjadinya gelombang pendek. Gelombang pendek ini terus tumbuh sampai akhirnya pecah dan energinya hilang. Hal ini menunjukkan
Hubungan antara kecepatan kecepatan arus laut permukaan adalah:
angin
dan
Vtω(0) = 0.02 V10 III METODOLOGI PE ELITIA Sebagai dasar penelitian mengenai kelayakan pelayaran yang hubungannya dengan cuaca adalah penelitian-penelitian yang telah dilakukan sebelumnya. Data yang digunakan merupakan data unsur cuaca yang berasal dari data sekunder yang dimiliki oleh BMKG Kelas II Perak II Surabaya yang diukur per jam selama lima tahun yang dimulai dari tahun 2005 sampai tahun 2009. Data yang dimaksud adalah data masukan yang berupa kecepatan angin. Sedangkan data keluaran yang berupa data gelombang laut, dan arus laut didapatkan dari BMKG Kelas II Perak II Surabaya dengan pengamatan yang berdasarkan jalur pelayaran dari Surabaya menuju Banjarmasin pada titik pengamatan 4,648136o S – 113,908806o E yang mencakup radius ±50 km.
memudahkan menentukan kelas dan akan digunakan pada pembentukan fungsi keanggotaan pada Fuzzy Inference System (FIS) menggunakan Fuzzy Toolbox.
Gambar 3.1 Alur Penelitian 3.1 Perancangan Logika Fuzzy Perancangan logika fuzzy untuk penelitian ini dimulai dari proses pengelompokan (cluster) yang menggunakan fuzzy C Means yang kemudian digunakan FIS editor untuk perancangannya.
Gambar 3.2 Diagram Kelayakan Pelayaran Variabel kelayakan cuaca didapatkan dari data cuaca yang berasal dari BMKG. Variabel cuaca yang dibutuhkan dapat dilihat dari kebutuhan untuk kelayakan pelayaran. Untuk faktor kelayakan pelayaran sendiri yang paling berpengaruh adalah ketinggian gelombang laut, dan kecepatan arus laut. Kedua variabel tersebut digunakan untuk keluaran logika fuzzy. Sedangkan variabel yang mempengaruhi ketinggian gelombang dan arus laut dapat berupa kecepatan angin, ketinggian gelombang aktual (H(t)), ketinggian gelombang sebelumnya (H(t-1)), kecepatan arus laut aktual (Cu(t)), dan kecepatan arus sebelumnya (Cu(t-1)) yang akan digunakan sebagai masukan. Karena Hs dan Vtw ≈ V10 maka sesuai dengan dasar pemikiran yang telah didapatkan,penulisan variabel pembentuk ketinggian gelombang dan kecepatan arus adalah sebagai berikut (Georgios Sylaios,dkk,2008): Hs (t+1) = f(V10(t),H(t),H(t-1)) Vtw(t+1) = f(V10(t), Vtw(t),Vtw(t-1)) Variabel cuaca yang didapatkan dari BMKG Perak I dan II selama lima tahun kemudian dikelompokkan menggunakan Fuzzy C-Means untuk
3.2 Penentuan Fungsi Keanggotaan Fungsi keanggotaan (membership function) digunakan untuk menunjukkan hasil prediksi. Penggunaan fungsi keanggotaan didasarkan pada bentuk kurva. Pemilihan jenis kurva yaitu trimf, trapmf, gbellmf, gaussmf, gauss2mf, pimf, sigmf, smf, zmf,dsigmf serta psigmf dan komponen-komponen kurva didasarkan pada karakteristik data. Kurva yang dipakai pada simulasi kelayakan cuaca pada pelayaran ini menggunakan kurva gaussmf. Hal ini dikarenakan penggunaan kurva gaussian digunakan untuk data yang sifatnya kontinu. Cuaca adalah sesuatu yang kontinu. Dalam artian perubahan cuaca berkisar tiap satu tahun sesuai dengan perubahan musim. Fuzzyfikasinya juga lebih halus. Walaupun gaussian set range yang diberikan lebh lebar (Polkinghorne,Roberts,Burns dkk, Winwood,1994). Pembentukan fungsi keanggotaan menggunakan Fuzzy Inference System Editor (FIS Editor) tipe Sugeno-Takagi karena keluaran yang diinginkan adalah berupa numerik.
Gambar 3.3 Tampilan FIS Editor pada MATLAB untuk Logika Fuzzy tipe Sugeno-Takagi dengan 3 masukan dan 1 keluaran 3.3 Penentuan Aturan (Rule Base) Data yang telah dikelompokkan berdasarkan fuzzy clustering kemudian dibuat aturan yang disebut aturan jika – maka (If – then) dengan contoh bentuk aturan untuk prediksi kecepatan arus dan ketinggian gelombang adalah seperti berikut: Cu(t+1)f : IF (U(t) is CA and Cu(t) is Cu1 and Cu(t-1) is Cu1 THEN Cu(t+1) = (fr(U(t), Cu(t),Cu(t-1)) H(t+1)f : IF (U(t) is CA and H(t) is CR and H(t-1) is CR THEN Cu(t+1) = (fr(U(t), H(t),H(t-1)) 3.4
Validasi Logika Fuzzy Setelah pemodelan menggunakan logika fuzzy didapatkan, langkah selanjutnya adalah validasi atau pengujian. Pengujian logika fuzzy ini menggunakan data terbaru yaitu data bulan Desember tahun 2007 yang berjumlah 744 data yang diambil per jam. Hasil prediksi akan dibadingkan dengan keadaan sebenarnya. Dengan demikian akan terlihat besar prosentase keakurasian logika yang telah dibuat.
3.5
Simulasi dan Analisa Setelah pemodelan didapatkan dan telah diuji validitasnya, a, maka dibuatlah simulator yang berbentuk software menggunakan Visual Basic 6.0. Software kelayakan pelayaran ini terdiri atas informasi-informasi informasi yang mengenai variabel-variabel variabel yang mempengaruhi ketinggian gelombang dan kecepatan arus laut yaitu kecepatan an angin, dengan keluaran yaitu kecepatan arus laut, ketinggian gelombang, serta kelayakan pelayaran. Untuk analisis digunakan perbandingan beberapa model cuaca untuk prediksi kelayakan pelayaran yang terdiri dari unsur-unsur unsur cuaca yaitu ketinggian gelombang dan kecepatan arus laut. Software simulasi dapat dilihat pada gambar 3.4 berikut.
.1 Ketinggian Gelombang Laut 4.1 Data yang digunakan untuk pengecekan ketepatan prediksi ketinggian gelombang laut merupakan data satu bulan yaitu pada bulan Desember 2007 yang terdiri dari data per satu jam yang berjumlah 744 data. Data yang didapatkan dari BMKG B yang merupakan data hasil penggunaan software WindWave kemudian dibandingkan dengan data hasil pemodelan menggunakan logika fuzzy dengan cara merubah data yang berupa numerik menjadi linguistik yang telah ditentukan sebelumnya berdasarkan skala Beaufort Beaufor yang berlaku. Sehingga didapatkan prosentase ketepatan atau keakuratan yang merupakan perbandingan antara hasil pemodelan menggunakan logika fuzzy dan data yang didapatkan dari BMKG.
Gambar 4.2 Perbandingan antara Ketinggian Gelombang Sebenarnya (hitam) (hit dengan Hasil Pemodelan Logika Fuzzy untuk 1 jam kemudian (kuning) Gambar 3.4 Tampilan software simulator prediksi gelombang dan kecepatan arus laut untuk kelayakan pelayaran IV A ALISIS DATA DA PEMBAHASA Logika fuzzy yang digunakan menggunakan bentuk fungsi keanggotaan berupa Gaussian. Gaussian Untuk mendapatkan bentuk Gaussian pada fuzzy toolbox diperlukan nilai titik tengah dan standar deviasi masing-masing masing fungsi keanggotaan. Nilai tersebut didapatkan dari hasil clustering menggunakan fuzzy CMeans.. Sedangkan untuk mendapatkan nilai keluaran dari logika fuzzy digunakan bantuan software Simulink. Simulink Tampilan pada Simulink yang terdiri dari masukan, logika fuzzy dan keluaran dapat dilihat pada gambar 4.1.
Gambar 4.3 Perbandingan antara Ketinggian Gelombang Sebenarnya (hitam) dengan Hasil Pemodelan Logika Fuzzy untuk 3 jam kemudian (merah)
Ketinggia Gambar 4.4 Perbandingan antara Ketinggian Gelombang Sebenarnya (hitam) dengan Hasil Pemodelan Logika Fuzzy untuk 6 jam kemudian (hijau) Gambar 4.1 Tampilan pada Simulink
Gambar 4.5 Perbandingan antara Ketinggian Gelombang Sebenarnya (hitam) dengan Hasil Pemodelan Logika Fuzzy untuk 12 jam kemudian (biru)
Gambar 4.6 Perbandingan antara Ketinggian Gelombang Sebenarnya (hitam) dengan Hasil Pemodelan Logika Fuzzy untuk 24 jam kemudian (abuabu)
Gambar 4.8 Perbandingan antara Ketinggian Gelombang Sebenarnya (biru) dengan Hasil Pemodelan Logika Fuzzy untuk 3 jam kemudian (merah)
Gambar 4.9 Perbandingan antara Ketinggian Gelombang Sebenarnya (biru) dengan Hasil Pemodelan Logika Fuzzy untuk 6 jam kemudian (abu-abu)
Tabel 4.1 Hasil perbandingan antara data ketinggian gelombang yang berasal dari BMKG dengan data ketinggian gelombang hasil pemodelan mengguankan logika fuzzy (m) No
Waktu Prediksi
Jumlah data validasi
Jumlah data yang memiliki kesamaan fungsi keanggotaan
Prosentase Keakuratan
1
1 Jam Kemudian
744
480
64,50%
2
3 Jam Kemudian
744
459
61,70%
3
6 Jam Kemudian
744
448
60,20%
4
12 Jam Kemudian
744
427
57,40%
5
24 Jam Kemudian
744
388
52,20%
Prosentase Rata-Rata
59,20%
4.2 Kecepatan Arus Laut Sama halnya dengan pemodelan ketinggian gelombang, data yang digunakan untuk pemodelan menggunakan logika fuzzy adalah data per jam yang berjumlah 744 yang berasal dari bulan Desember tahun 2007.
Gambar 4.10 Perbandingan antara Ketinggian Gelombang Sebenarnya (biru) dengan Hasil Pemodelan Logika Fuzzy untuk 12 jam kemudian (hijau)
Gambar 4.11 Perbandingan antara Ketinggian Gelombang Sebenarnya (biru) dengan Hasil Pemodelan Logika Fuzzy untuk 24 jam kemudian (merah)
Tabel 4.2 Hasil perbandingan antara data kecepatan arus yang berasal dari BMKG dengan data kecepatan arus hasil pemodelan mengguankan logika fuzzy (m/s)
Gambar 4.7 Perbandingan antara Ketinggian Gelombang Sebenarnya (biru) dengan Hasil Pemodelan Logika Fuzzy untuk 1 jam kemudian (hitam)
Jumlah data yang memiliki kesamaan fungsi keanggotaan
No
Waktu Prediksi
Jumlah data validasi
1
1 Jam Kemudian
744
691
92,88%
2
3 Jam Kemudian
744
664
89,25%
3
6 Jam Kemudian
744
651
87,50%
4
12 Jam Kemudian
744
629
84,54%
5
24 Jam Kemudian
744
588
79,03%
Prosentase Rata-Rata
86,64%
Prosentase Keakuratan
4.3 Kelayakan Pelayaran Aturan mengenai kelayakan pelayaran diatur di dalam UU Pelayaran no 17 tahun 2008. Di dalam UU tersebut terdapat persyaratan untuk kapal dapat berlayar. Namun di dalam UU tersebut tidak terdapat penjelasan khusus mengenai kondisi cuaca yang baik untuk pelayaran. Di bidang pelayaran saat ini,aturanaturan khusus mengenai keadaan cuaca untuk pelayaran tidak tertulis secara khusus di dalam suatu aturan, walau hal tersebut sangat penting. Namun, untuk keselamatan pelayaran sendiri, dinas perhubungan memiliki suatu badan yang dinamakan Syahbandar yang bertugas untuk menjalankan dan melakukan pengawasan terhadap dipenuhinya ketentuan peraturan perundang-undangan untuk menjamin keselamatan dan keamanan pelayaran (UU >o.17 th 2008). Syahbandarlah yang memberikan perijinan berlayar untuk kapal-kapal yang berlabuh dan bersandar. Faktor cuaca untuk kelayakan pelayaran pada penelitian ini didasarkan dari pengalaman pakar saja yaitu orang yang berwenang di bidang keSyahbandaran. Dari pakar didapatkan kondisi laut yang paling berpengaruh dalam dinamika kapal adalah kecepatan angin, ketinggian gelombang, dan kecepatan arus laut (Bp Bambang Supriyanto.Kabag keSyahbandaran). Adapun ketentuan kapal dinyatakan layak untuk berlayar dinyatakan dalam tabel 4.2 berikut: Tabel 4.2 Variabel kelayakan pelayaran No
Keadaan Laut maksimal
GT Kapal
Ketinggian Gelombang
Kecepatan Arus
1
0-7
Glassy
Slow
2
7 - 175
Smooth
Slight
3
175 - 500
Moderate
average
4
500 - 5000
Rough
fast
5
5000 - 10000
Very Rough
very fast
Tabel 4.3 Hasil Kelayakan Pelayaran Waktu Prediksi
GT Kapal
[1]
[2]
1 jam
3 jam
6 jam
12 jam
24 jam
0 -7 7-175 175-500 500-5000 5000 - 10000 0 -7 7-175 175-500 500-5000 5000 - 10000 0 -7 7-175 175-500 500-5000 5000 - 10000 0 -7 7-175 175-500 500-5000 5000 - 10000 0 -7 7-175 175-500 500-5000 5000 - 10000
Jumlah Waktu Layak Berlayar Data Data BMK Pemodelan G [4] [3] 2 0 393 236 588 571 646 657 744 744 11 0 396 234 589 571 642 657 744 744 11 0 396 231 589 571 642 657 744 744 11 0 396 225 589 571 642 657 744 744 11 0 396 213 589 571 642 657 744 744
Kesama an Kelayak an [5]
Prose ntase (%)
RataRata (%)
[6]
[7]
0 0 236 100 571 100 646 98,33 744 100 0 0 234 100 571 100 642 97,72 744 100 0 0 231 100 569 99,65 639 97,26 744 100 0 0 225 100 563 98,6 633 96,35 744 100 0 0 212 100 551 96,5 625 95,13 744 100 Rata-Rata (%)
79,67
79,54
79,38
78,99
78,23
79,16
4.5 Pembahasan Variabel kelayakan pelayaran yang digunakan dalam penelitian ini meliputi kondisi aktual kecepatan angin (knot), kecepatan arus (m/s) dan ketinggian gelombang (m). Data yang digunakan untuk proses pemodelan menggunakan data time series selama 5 tahun dimulai dari tahun 2005 hingga tahun 2009 di titik pengamatan 4,648136o S – 113,908806o E tepatnya di Laut Jawa di jalur pelayaran Surabaya-Banjarmasin. Data yang digunakan berupa data harian yang merupakan rata-rata dari data per jam yang didapatkan dari BMKG Perak II Surabaya. Pada tahap peramalan menggunakan logika fuzzy, digunakan data time series berdasarkan jurnal oleh Georgios Sylaios, Frederic Bouchette, VassiliosA.Tsihrintzis, dan Clea Denamiel yang berjudul A fuzzy inference system for wind-wave modelling (2008) menggunakan tiga masukan untuk satu keluaran berupa peramalan kecepatan arus (Cu(t+1)) yang berupa kecepatan angin aktual (U(t)), kecepatan arus aktual (Cu(t)), serta kecepatan arus sebelumnya (Cu(t-1)). Sedangkan untuk keluaran berupa ketinggian gelombang (H(t+1)) menggunakan masukan berupa kecepatan angin aktual (U(t)),ketinggian gelombang aktual (H(t)), dan ketinggian gelombang sebelumnya (H(t-1)). Pada peramalan untuk ketinggian gelombang, nilai yang didapatkan dari hasil pemodelan menggunakan logika fuzzy kemudian di bahasakan sesuai dengan fungsi keanggotaan yang telah ditentukan sebelumnya. Data sebenarnya dengan data hasil peramalan mengenai ketinggian gelombang kemudian dibandingkan dan dibuat presentase keakuratannya. Data yang digunakan untuk pengecekan adalah data per jam selama satu bulan yaitu pada bulan Desember 2007. Adapun prosentase keakuratan untuk ketinggian gelombang pada bulan Desember 2007 dengan jumlah data 744 adalah
64,50% untuk peramalan 1 jam ke depan, 61,70% untuk peramalan 3 jam ke depan, 60,20% untuk peramalan 6 jam ke depan, 57,40% untuk peramalan 12 jam ke depan, dan 52,20% untuk peramalan 24 jam ke depan dengan prosentase rata-rata sebesar 59,20%. Sama halnya dengan peramalan kecepatan arus yang menggunakan data per jam selama satu bulan yaitu pada bulan Desember 2007. Data hasil keluaran dari logika fuzzy kemudian dibahasakan sesuai dengan fungsi keanggotaan yang telah ditentukan sebelumnya. Hasil pemodelan kemudian dibahasakan dan menggunakan cara yang sama dengan penentuan prosentase ketinggian gelombang didapatkan nilai prosentase keakuratan sebesar 92,88% untuk
peramalan kecepatan arus 1 jam ke depan, 89,25% untuk peramalan 3 jam ke depan, 87,50% untuk peramalan 6 jam ke depan, 84,54% untuk peramalan 12 jam ke depan, dan 79,03% untuk peramalan 24 jam kemudian (keesokan harinya) dengan prosentase rata-rata sebesar 86,64%. Prosentase ketinggian gelombang dan kecepatan arus didapatkan dari mencocokkan keadaan cuaca sesuai
dengan fungsi keanggotaan antara keadaan cuaca yang didapatkan dari BMKG dengan keadaan cuaca hasil pemodelan menggunakan logika fuzzy. Hasil keluaran logika fuzzy yang berupa bahasa (linguistik) kemudian digunakan sebagai masukan untuk penentuan kelayakan pelayaran. Sebagaimana sesuai dengan tabel 4.5 yang merupakan variabel penentu kelayakan pelayaran, dan tabel 4.6 yang berupa tabel hasil kelayakan pelayaran. Pada tabel 4.6 didapatkan nilai rata-rata untuk prosentase data kelayakan pelayaran adalah sebesar 76,16%. Maksudnya adalah pada bulan Desember 2007, keadaan cuaca di laut yang meliputi ketinggian gelombang dan kecepatan arus laut sesuai untuk 76,16% kapal yang pengelompokannya didasarkan pada jumlah GT kapal atau dengan kata lain 76,16% kapal dinyatakan layak berlayar. Sedangkan menurut data dari Syahbandar pada bulan Desember 2007 tidak terjadi penundaan pelayaran atau dapat dikatakan prosentase kelayakan pelayaran menurut Syahbandar pada bulan Desember 2007 adalah 100%. Hal ini dikarenakan Syahbandar hanya memberikan peringatan untuk kapal-kapal yang ukurannya diatas 500 GT. Sedangkan untuk kapal-kapal nelayan yang berukuran lebih kecil tidak diprediksikan. Lain dengan penelitian ini dimana kapal-kapal dengan GT di bawah 500 ikut diprediksikan kelayakannya. V KESIMPULA Pelaksanaan tugas akhir ini telah dilakukan pengujian data serta validasi tentang prediksi cuaca menggunakan logika fuzy. Kesimpulan yang dapat diambil adalah sebagai berikut : • Hubungan antara kecepatan angin, kecepatan arus laut dan ketinggian gelombang adalah linear atau sebanding. • Kecepatan angin mempengaruhi kecepatan arus dan ketinggian gelombang yang akan datang. • Prosentase kecocokan data antara data yang berasal dari BMKG dengan data hasil pemodelan fuzzy untuk data sebanyak 744 pada bulan Desember 2007 adalah sebagai berikut: • Untuk ketinggian gelombang 80,20% untuk peramalan 1 jam ke depan, 78,40% untuk peramalan 3 jam ke depan, 77,40% untuk peramalan 6 jam ke depan, 72,30% untuk peramalan 12 jam ke depan, dan 63,60% untuk peramalan 24 jam ke depan dengan prosentase rata-rata sebesar 74,38%. • Untuk kecepatan arus laut 98,79% untuk peramalan kecepatan arus 1 jam ke depan, 98,92% untuk peramalan 3 jam ke depan, 98,92% untuk peramalan 6 jam ke depan, 98,92% untuk peramalan 12 jam ke depan, dan 98,52% untuk peramalan 24 jam ke depan dengan prosentase rata-rata sebesar 98,81%. • Untuk kelayakan pelayaran didapatkan nilai rata-rata untuk prosentase data kelayakan pelayaran adalah sebesar 95,17% untuk keadaan cuaca di laut yang
meliputi ketinggian gelombang dan kecepatan arus laut sesuai untuk 95,17% kapal yang pengelompokannya didasarkan pada jumlah GT kapal atau dengan kata lain 95,17% kapal dinyatakan layak berlayar. DAFTAR PUSTAKA Arifin, Syamsul. 2009. Design and Development of Weather Forcast Simulators for Surabaya City by Using >eural >etwork. Arifin, Syamsul. 2009. Sistem Logika Fuzzy sebagai Peramal Cuaca di Indonesia, studi kasus: Kota Surabaya Candra, Ardian. 2010. Tugas Akhir: Perancangan Model Adaptive >uro Fuzzy Inference System untuk Memprediksi Cuaca Maritim. Teknik Fisika-FTI-ITS Surabaya Fossen,thor.I.1994.Guidance and Control of Ocean Vehicles. Chichester: John Wiley & Sons.Ltd Georgios Sylaios, Frederic Bouchette, VassiliosA.Tsihrintzis, dan Clea Denamiel .2008. A fuzzy inference system for wind-wave modelling. Kresnawan, Andre. 2009. Tugas Akhir: Penerapan model Jaringan Syaraf Tiruan untuk Memprediksi Gangguan Cuaca maritim. Teknik Fisika-FTI-ITS Surabaya Kusumadewi,Sri. 2002. Analisis dan Desain Sistem Fuzzy Menggunakan ToolBox Matlab. Yogyakarta: Graha Ilmu MathWorks,Inc. 2002. Fuzzy Logic Toolbox User’s Guide. Natick: The MathWorks,Inc. Sarjani. 2009. Cuaca dan Iklim. [pdf], http://elcom.umy.ac.id/elschool/muallimin_muh ammadiyah/file.php/1/materi/Geografi/CUACA %20DAN%20IKLIM.pdf , (diakses Februari 2010). Tjasyono,Bayong. 1999. Klimatologi Umum. Bandung: Penerbit ITB Waldopo. 2008. Perairan Darat dan Laut. [pdf], http://elcom.umy.ac.id/elschool/muallimin_muh ammadiyah/file.php/1/materi/Geografi/PERAIR AN%20DARAT%20DAN%20LAUT.pdf , (diakses Februari 2010). Biodata Penulis: Nama : Prita Meilanitasari TTL : Blitar, 16 Mei 1988 Alamat: Jl Gebang Lor 39 Sby Email :
[email protected] Riwayat Pendidikan: • SDN Babadan 1 Wlingi • SMPN 1 Blitar • SMAN 1 Blitar • Teknik Fisika – FTI – ITS
