PREDIKSI CUACA ME GGU AKA LOGIKA FUZZY U TUK …

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 – 113,908806

o 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 terus-

menerus 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 Takagi-

Sugeno orde nol (keluaran berupa konstanta) adalah:

IF((x1 is A1) AND (x2 is A2) AND (x3 is A3) .... (xn is

An)) THEN z=k

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

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.

Hubungan antara kecepatan angin dan

kecepatan arus laut permukaan adalah:

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 – 113,908806

o E yang mencakup radius

±50 km.

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

memudahkan menentukan kelas dan akan digunakan

pada pembentukan fungsi keanggotaan pada Fuzzy

Inference System (FIS) menggunakan Fuzzy Toolbox.

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, maka dibuatlah simulator yang berbentuk

software menggunakan Visual Basic 6.0. Software

kelayakan pelayaran ini terdiri atas informasi

yang mengenai variabel-variabel yang mempengaruhi

ketinggian gelombang dan kecepatan arus laut yaitu

kecepatan 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 cuaca yaitu ketinggian

gelombang dan kecepatan arus laut. Software simulasi

dapat dilihat pada gambar 3.4 berikut.

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

bentuk fungsi keanggotaan berupa Gaussian

mendapatkan bentuk Gaussian pada

diperlukan nilai titik tengah dan standar deviasi

masing-masing fungsi keanggotaan. Nilai tersebut

didapatkan dari hasil clustering menggunakan

Means. Sedangkan untuk mendapatkan nilai keluaran

dari logika fuzzy digunakan bantuan software Simulink

Tampilan pada Simulink yang terdiri dari masukan,

logika fuzzy dan keluaran dapat dilihat pada gambar

4.1.

Gambar 4.1 Tampilan pada Simulink

Setelah pemodelan didapatkan dan telah diuji

a, maka dibuatlah simulator yang berbentuk

software menggunakan Visual Basic 6.0. Software

kelayakan pelayaran ini terdiri atas informasi-informasi

variabel yang mempengaruhi

ketinggian gelombang dan kecepatan arus laut yaitu

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

unsur cuaca yaitu ketinggian

Software simulasi

Gambar 3.4 Tampilan software simulator prediksi

gelombang dan kecepatan arus laut untuk kelayakan

IV A ALISIS DATA DA PEMBAHASA

Logika fuzzy yang digunakan menggunakan

Gaussian. Untuk

pada fuzzy toolbox

diperlukan nilai titik tengah dan standar deviasi

masing fungsi keanggotaan. Nilai tersebut

menggunakan fuzzy C-

. Sedangkan untuk mendapatkan nilai keluaran

software Simulink.

yang terdiri dari masukan,

logika fuzzy dan keluaran dapat dilihat pada gambar

Simulink

4.1 Ketinggian Gelombang Laut

Data yang digunakan untuk pengecekan

ketepatan prediksi ketinggian gelombang laut

merupakan data satu bulan yaitu pada bulan

2007 yang terdiri dari data per satu jam yang berjumlah

744 data. Data yang didapatkan dari B

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 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 (hit

Pemodelan Logika Fuzzy untuk 1 jam kemudian

(kuning)


Gelombang Sebenarnya (hitam) dengan Hasil


(merah)

Gambar 4.4 Perbandingan antara Ketinggia



(hijau)

.1 Ketinggian Gelombang Laut

Data yang digunakan untuk pengecekan

ketepatan prediksi ketinggian gelombang laut

merupakan data satu bulan yaitu pada bulan Desember

yang terdiri dari data per satu jam yang berjumlah

744 data. Data yang didapatkan dari BMKG 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

yang berlaku. Sehingga didapatkan prosentase

ketepatan atau keakuratan yang merupakan

perbandingan antara hasil pemodelan menggunakan

logika fuzzy dan data yang didapatkan dari BMKG.

Perbandingan antara Ketinggian



(kuning)




(merah)




(hijau)




(biru)



Pemodelan Logika Fuzzy untuk 24 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.


Gelombang Sebenarnya (biru) dengan Hasil Pemodelan

Logika Fuzzy untuk 1 jam kemudian (hitam)



Logika Fuzzy untuk 3 jam kemudian (merah)



Logika Fuzzy untuk 6 jam kemudian (abu-abu)



Logika Fuzzy untuk 12 jam kemudian (hijau)



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)

No Waktu Prediksi

Jumlah

data

validasi

Jumlah data yang

memiliki kesamaan

fungsi keanggotaan

Prosentase

Keakuratan

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%

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,aturan-

aturan 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 ke-

Syahbandaran. Dari pakar didapatkan kondisi laut yang

paling berpengaruh dalam dinamika kapal adalah

kecepatan angin, ketinggian gelombang, dan kecepatan

arus laut (Bp Bambang Supriyanto.Kabag ke-

Syahbandaran). Adapun ketentuan kapal dinyatakan

layak untuk berlayar dinyatakan dalam tabel 4.2

berikut:

Tabel 4.2 Variabel kelayakan pelayaran

No GT Kapal Keadaan Laut maksimal

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

[1]

GT Kapal

[2]

Jumlah Waktu Layak

Berlayar

Kesama

an

Kelayak

an

[5]

Prose

ntase

(%)

[6]

Rata-

Rata

(%)

[7]

Data

BMK

G

[3]

Data

Pemodelan

[4]

1 jam 0 - 7 2 0 0 0 79,67

7-175 393 236 236 100

175-500 588 571 571 100

500-5000 646 657 646 98,33

5000 - 10000 744 744 744 100

3 jam 0 - 7 11 0 0 0 79,54

7-175 396 234 234 100

175-500 589 571 571 100

500-5000 642 657 642 97,72

5000 - 10000 744 744 744 100

6 jam 0 - 7 11 0 0 0 79,38

7-175 396 231 231 100

175-500 589 571 569 99,65

500-5000 642 657 639 97,26

5000 - 10000 744 744 744 100

12 jam 0 - 7 11 0 0 0 78,99

7-175 396 225 225 100

175-500 589 571 563 98,6

500-5000 642 657 633 96,35

5000 - 10000 744 744 744 100

24 jam 0 - 7 11 0 0 0 78,23

7-175 396 213 212 100

175-500 589 571 551 96,5

500-5000 642 657 625 95,13

5000 - 10000 744 744 744 100

Rata-Rata (%) 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 – 113,908806

o 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 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,



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

Documents

PREDIKSI CUACA ME GGU AKA LOGIKA FUZZY U TUK …