Académique Documents
Professionnel Documents
Culture Documents
ABSTRAK
Masyarakat di sektor pertanian dan kelautan khususnya sangat memerlukan informasi
tingkat curah hujan yang akan terjadi karena sangat berpengaruh kepada proses masa
tanam hingga hasil produksi yang akan didapat dan juga berpengaruh terhadap nelayan
yang ingin melaut. Sementara prakiraan cuaca yang diterbitkan BMKG ke masyarakat
masih berkisar pada prediksi musim tidak konsenterasi pada tingkat curah hujan, BMKG
memiliki data tingkat curah hujan namun belum dioptimalkan sebagai informasi prediksi
yang diharapkan.
Oleh karena itu diperlukan metode yang akurat sehinga dapat memberikan nilai akurasi
yang diharapkan dan dapat memberikan kontribusi dalam bidang pertanian, kelautan,
cepat tanggap darurat cuaca buruk dan tranportasi udara. Karena data curah hujan
termasuk data rentet waktu, sehingga dapat dianalisa dan diprediksi. Pada penelitian ini
akan dilakukan prediksi dengan pendekatan statistik dan softcomputing menggunakan
Adaptive Neuro Fuzzy Inference System (ANFIS).
Kata Kunci : Curah hujan, ANFIS, Membership Function.
perpaduan antara jaringan syaraf tiruan wilayah tertentu di Indonesia, yaitu Pujon
dan sistem fuzzy yang dikenal sebagai dan daerah Wagir. Metode averaging
sistem neuro-fuzzy. dilaksanakan untuk menemukan
perkiraan ensemble dari ANFIS dan
Dengan demikian semestinya data curah
ARIMA model. Di dalam studi,
hujan termasuk data rentet waktu,
Gaussian, Gbell, dan fungsi Segitiga
sehingga data dapat dianalisa dan
digunakan sebagai fungsi keanggotaan di
diprediksi dengan pendekatan statistik
ANFIS. Akurasi perkiraan adalah
dan atau softcomputing menggunakan
dibandingkan dengan individu terbaik
Adaptive Neuro Fuzzy Inference System.
ARIMA dan ANFIS. Berdasarkan akar
[2]
berarti kesalahan persegi (RMSE) di
Penelitian terkait tentang curah hujan dataset pengujian, Hasil penelitian
pada rentet waktu banyak dilakukan oleh menunjukkan bahwa metode ANFIS
beberapa peneliti dengan menggunakan individu menghasilkan perkiraan pada
algoritma yang berbeda dan parameter data bulanan curah hujan Pujon lebih
yang berbeda. akurat sedangkan model ARIMA
menghasilkan perkiraan data curah hujan
Menerapkan dengan data yang digunakan bulanan yang baik Wagir.
adalah data curah hujan harian yang
dibagi ke dalam 3 kelompok (in-sample Jadi dapat disimpulkan bahwa Adaptive
I, in-sample II, out-sample). In-sample I Neural-Fuzzy Inference System (ANFIS)
digunakan sebagai data pelatihan untuk telah dikenal dan dipakai luas sebagai
model tunggal ARIMA, ANFIS, dan algoritma prediksi data rentet waktu.
Wavelet. Sesudah diuji diperolehlah Karena itu penelitian ini akan
MAE-nya secara beruntun yakni 10,55; menggunakan Adaptive Neural-Fuzzy
7,81; dan 6,35 yang berarti Wavelet dan Inference System (ANFIS) sebagai
ANFIS memiliki keakuratan yang lebih pendekatan untuk menganalisis akurasi
baik dari pada ARIMA. Selanjutnya hasil dengan beberapa membership function
peramalan Wavelet dan ANFIS dijadikan dalam mendapatkan hasil prediksi rentet
input pada ANFIS Optimal. In-sample II waktu curah hujan yang benar.
digunakan sebagai data pelatihan untuk
RUMUSAN MASALAH
model Wavelet, ANFIS, dan ANFIS
Optimal. MAE yang diperoleh masing- Berdasarkan identifikasi masalah diatas
masingnya adalah 11,06; 8,36; dan 8,82 maka rumusan masalah pada penelitian
sedangkan untuk nilai error maksimalnya ini adalah “Bagaimana menganalisis
adalah 300,17; 233,18; dan 178,50. Dari Akurasi Algoritma Adaptive Neuro
hasil penelitian tersebut dapat dilihat Fuzzy Inference System (ANFIS) Untuk
bahwa ANFIS Optimal dapat Memprediksi Curah Hujan Dengan
menurunkan nilai error secara signifikan Analisa Membership Function Pada Data
dibandingkan metode lainnya. Fithriah Multivariate Time Series”.
Musadat, Zahir Zainuddin, Merna
Baharuddin [3] TUJUAN PENELITIAN
Suhartono, Ria Faulina, Dwi Ayu Lusia, Tujuan dari penelitian ini memudahkan
Bambang W. Otok, Sutikno, Heri proses penarikan kesimpulan hasil
Kuswanto [4] mengusulkan sebuah akurasi prediksi curah hujan dengan
metode ensemble berdasarkan ANFIS metode Adaptive Neuro Fuzzy Inference
(Adaptive Neuro Fuzzy Inference System (ANFIS) dengan analisa
System) dan ARIMA (Autoregressive membership function.
Integrated Moving Average) untuk TARGET LUARAN DAN MANFAAT
peramalan Data curah hujan bulanan di PENELITIAN
”Technologia” Vol 9, No.1, Januari – Maret 2018 20
Selesai
”Technologia” Vol 9, No.1, Januari – Maret 2018 21
Aturan Ke-1
IF suhu RENDAH dengan kelembaban
RENDAH maka curah hujan termasuk
hujan RINGAN
Aturan Ke-2
IF suhu RENDAH dengan kelembaban
SEDANG maka curah hujan termasuk
hujan RINGAN
Aturan Ke-3
IF suhu RENDAH dengan kelembaban
TINGGI maka curah hujan termasuk
hujan SEDANG
Gambar Himpunan Fuzzy Suhu dengan
MF Trimf Aturan Ke-4
b. Kelembaban IF suhu SEDANG dengan kelembaban
RENDAH maka curah hujan termasuk
Himpunan keanggotaan fuzzy hujan RENDAH
pada variabel kelembaban ada 3 yakni
rendah, sedang dan tinggi. Dengan fungsi Aturan Ke-5
keanggotaan sebagai berikut
IF suhu SEDANG dengan kelembaban
SEDANG maka curah hujan termasuk
hujan SEDANG
Aturan Ke-6
IF suhu SEDANG dengan kelembaban
TINGGI maka curah hujan termasuk
hujan SEDANG
Aturan Ke-7
IF suhu TINGGI dengan kelembaban
RENDAH maka curah hujan termasuk
hujan SEDANG
Aturan Ke-8
IF suhu TINGGI dengan kelembaban
RENDAH maka curah hujan termasuk
Gambar Himpunan Fuzzy Lembab hujan LEBAT
dengan MF Trimf
Aturan Ke-9
Dalam implementasi ANFIS ada
beberapa operator yang digunakan untuk IF suhu TINGGI dengan kelembaban
pengujian ini. Ada 9 aturan yang RENDAH maka curah hujan termasuk
dijabarkan seperti dibawah ini hujan LEBAT
”Technologia” Vol 9, No.1, Januari – Maret 2018 23