Visualisasi Informasi Wilayah Resiko Banjir

Berdasarkan Data Iklim Dengan Metode Fuzzy

(Studi Kasus Kabupaten Semarang)

Artikel Ilmiah

Peneliti :

Anderias Cornelys Nomleni (682009069)

Dr. Sri Yulianto Joko Prasetyo, S.Si., M.Kom.

Program Studi Sistem Informasi

Fakultas Teknologi Informasi

Universitas Kristen SatyaWacana

Salatiga

Juli 2016

i

Visualisasi Informasi Wilayah Resiko Banjir

Berdasarkan Data Iklim Dengan Metode Fuzzy

(Studi Kasus Kabupaten Semarang)

Artikel Ilmiah

Diajukan Kepada

Fakultas Teknologi Informasi

Untuk Memperoleh Gelar Sarjana Sistem Informasi

Peneliti :

Anderias Cornelys Nomleni (682009069)

Dr. Sri Yulianto Joko Prasetyo, S.Si., M.Kom.

Program Studi Sistem Informasi

Fakultas Teknologi Informasi

Universitas Kristen SatyaWacana

Salatiga

Juli 2016

ii

iii

iv

v

vi

1

1. Pendahuluan

Bencana merupakan suatu peristiwa alam atau lingkungan buatan manusia

yang berpotensial merugikan kehidupan manusia harta, benda, atau aktivitas

manusia [1]. Bencana alam (natural disaster) yang melanda suatu daerah dapat

mengakibatkan terganggunya ketenangan dan pola hidup manusia, salah satu

bencana alam yang hampir sering terjadi diberbagai belahan dunia adalah banjir.

Bencana banjir merupakan aspek interaksi antara manusia dengan alam

yang timbul dari proses dimana manusia mencoba menggunakan alam yang

bermanfaat dan menghindari alam yang merugikan manusia [2].

Indonesia merupakan salah satu Negara yang rentan terhadap bencana

banjir, hal ini disebabkan kondisi wilayah serta kondisi geografis di indonesia

yang rentan terhadap perubahan iklim, hal ini menjadi indikasi pemasalahan yang

terjadi setiap tahun di berbagai wilayah Indonesia. Curah hujan sangat

dipengaruhi oleh faktor iklim, maka debit aliran sungai akan mengikuti keadaan

iklim (musim) yang berubah-ubah menurut waktu [3], setiap daerah memiliki

tingkat terjadinya bencana banjir yang berbeda, hal-hal yang mempengaruhi

terjadinya banjir di berbagai daerah antara lain perubahan iklim global yang

menyebabkan tingginya curah hujan pada suatu Daerah Aliran Sungai (DAS),

kondisi topografi yang memungkinkan terjadinya genangan air akibat elevasi

wilayah tersebut berada di bawah elevasi muka air sungai, serta faktor lain dari

manusia yang membuang sampah ke sungai yang menyebabkan terhambatnya

aliran sungai akibat sampah.

Kabupaten semarang merupakan wilayah bagian utara provinsi jawa

tengah, dan berada di sebelah selatan ibukota provinsi jawa tengah (kota

semarang), luas wilayah kabupaten semarang seluruhnya kurang lebih 950,21

KM2,

yang terbagi dalam 19 kecamatan dan 236 desa/kelurahan, suhu udara rata-

rata kabupaten semarang bias dikatakan relative sejuk, hal ini memungkinkan

karena jika ditiliki berdsarkan ketinggian wilayah dari permukaan laut, kabupaten

semarang berada pada ketinggian 318 meter dpl hingga 1450 dpl.

Pada penelitian ini dilakukan pemetaan wilayah banjir berdasarkan data

iklim guna mengetahui daerah yang memiliki kemungkinan terbesar untuk

terjadinya banjir sehingga data tentang tingkat curah hujan yang tinggi dan daerah

yang berpotensi banjir dapat dikelompokkan kedalam suatu tingkatan yang

berpotensi banjir ataupun tingkat terjadinya banjir yang relatif sedang hingga

kecil, wilayah kabupaten semarang dipilih karena memiliki potensi banjir cukup

tinggi, penentuan tingkat kerentanan banjir dilakukan dengan menggunakan

metode logika fuzzy tsukamoto dengan curah hujan, tinggi tempat, serta lamanya

hari hujan sebagai acuan. penggunaan metode logika fuzzy tsukamoto dipilih

karena memiliki peranan derajat keanggotaan sebagai penentu keberadaan elemen

dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat

keanggotaan atau membership function menjadi ciri utama dalam penalaran logika

dengan logika fuzzy tersebut [4]. Salah satu cara untuk mencegah timbulnya

korban jiwa serta korban materi yang lebih banyak akibat banjir adalah dengan

mengetahui terlebih dahulu tingkat terjadinya banjir di suatu daerah sehingga

dapat dilakukan tindakan pencegahan dengan memberikan peringatan akan

adanya bahaya potensi banjir pada daerah tersebut.

2

2. Tinjauan Pustaka

Penggunaan logika fuzzy dipilih karena memberi ruang dan bahkan

mengeksploitasi toleransi terhadap ketidakpresisian seperti penelitian yang

berjudul “Prediksi Curah Hujan menggunakan Fuzzy logic” menuliskan,

kepulauan maritime Indonesia yang berada di wilayah tropik memiliki curah

hujan tahunan yang tinggi, curah hujan semakin tinggi di daerah pegunungan.

Curah hujan yang tinggi di wilayah tropik pada umumnya dihasilkan dari proses

konveksi dan pembentukan awan hujan panas. Pada dasarnya curah hujan

dihasilkan dari gerakan massa udara lembab keatas.

Penggunaan Fuzzy Tsukamoto pada penelitian yang berjudul “Investigasi

Daerah Rawan Banjir Di Kota Surabaya Dengan Menggunakan Metode Fuzzy”

menghasilkan sebuah aplikasi guna mengantisipasi kemungkinan terjadinya

banjir, penggunaan fuzzy berperan penting dalam menentukan nilai value

parameter yang digunakan sehingga menghasilkan informasi tentang kerawanan

banjir.

Penggunaan Fuzzy Tsukamoto pada penelitian yang berjudul “Studi

Inferensi Fuzzy Tsukamoto Untuk Penentuan Faktor Pembebanan Trafo PLN”

menghasilkan sebuah solusi guna memelihara trafo PLN sehingga pemeliharaan

trafo dapat berjalan dengan baik dan menghemat biaya pemeliharaan, penggunaan

metode defuzzifikasi aturan Tsukamoto pada sistem pakar trafo PLN sangat

bergantung dari perancangan fungsi keanggotaan dan basis aturan fuzzy yang

digunakan.

Konsep fuzzy logic diperkenalkan oleh Prof. Lotfi Zadeh dari universitas

California di Berkeley pada tahun 1965, secara umum fuzzy logic adalah sebuah

metodologi berhitung dengn variable kata-kata (linguistic variable), sebagai

pengganti berhitung dengan bilangan [7]. Penggunan Fuzzy logic merupakan

konsep yang sempurna yang biasa dipakai untuk memecahkan semua masalah.

Fuzzifikasi merupakan suatu proses pengubahan himpunan non fuzzy (crisp)

kedalam himpunan fuzzy, masukan bukan fuzzy (crisp) dipetakan kedalam bentuk

himpunan fuzzy sesuai dengn variasi semesta pembicaraan masukan. Fungsi

keanggotaan (membership function) adalah komponen yang penting. Sedangkan

perbedaan pada penelitian yang dilakukan adalah membahas tentang pembagian

wilayah beresiko banjir serta penggunaan logika Fuzzy Tsukamoto dalam

pengolahan data yang terdiri dari curah hujan, tinggi daerah, dan lama hari hujan.

Metode Tsukamoto mengaplikasikan penalaran monoton pada setiap aturannya.

Kalau pada penalaran monoton, sistem hanya memiliki satu aturan, pada metode

tsukamoto, sistem terdiri atas beberapa aturan. Karena menggunakan konsep dasar

penalaran monoton, pada metode Tsukamoto, setiap konsekuen pada aturan yang

berbentuk IF-THEN harus dipresentasikan dengan suatu himpunan fuzzy dengan

fungsi keanggotaan yang menoton. Output hasil inferensi dari tiap-tiap aturan

diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Proses

agregasi antar aturan dilakukan, dan hasil akhirnya diperoleh dengan

menggunakan defuzzy konsep rata-rata berbobot.

Misalkan ada variable masukan, yaitu x dan y, serta satu variable keluaran

yaitu Z. Variabel x terbagi atas 2 himpunan yaitu A1 dan A2, variabel y terbagi atas

3

2 himpunan yaitu B1 dan B2, sedangkan 2 variabel keluaran Z terbagi atas 2

himpunan yaitu C1 dan C2 . Tentu saja himpunan C1 dan C2 harus merupakan

himpunan yang bersifat monoton. Diberikan 2 aturan sebagai berikut :

IF x is A1 and y is B2 THEN z is C1

IF x is A2 and y is B1 THEN z is C2

Diagram blok proses inferensi dengan metode Tsukamoto (Jang, 1997) dapat

dilihat pada gambar 1

Gambar 1. Inferensi menggunakan metode Tsukamoto (Jang, 1997)

-predikat untuk aturan pertama dan kedua, masing-masing adalah 1 dan

2. Dengan menggunakan penalaran monoton, diperoleh nilai Z1 pada aturan

pertama, dan Z2 pada aturan kedua. Terakhir dengan menggunakan aturan

terbobot, diperoleh hasil akhir dengan formula sebagai berikut :

Berdasarkan kriteria Integral Square Error (ISE), Integral Time Square

Error (ITSE), Integral Absolute Error (IAE) dan Integral Time Absolute Error

(ITAE) yang terdapat pada indeks performansi kesalahan, fungsi keanggotaan tipe

segitiga menghasilkan sistem respon yang lebih optimal jika dibandingkan dengan

tipe-tipe yang lain yaitu dengan ditandai oleh nilai indeks performansi kesalahan

minimal [9]

Google menyediakan layanan API (Application Programming Interface)

yang memungkinkan aplikasi client untuk melihat, menyimpan dan

memperbaharui data-data peta dalam bentuk Data API Google feed dengan

menggunakan model data fitur (letak, garis dan bentuk) dalam peta. Aplikasi ini

diberi nama Google Maps API (GMaps API). Peta yang ditampilkan diambil dari

layanan Google Maps.

4

3. Metode Penelitian

Penelitian yang dilakukan, diselesaikan melalui tahapan penelitian yang

terbagi dalam empat tahapan, yaitu: 1) Analisis permasalahan, pengumpulan

literatur, dan perumusan masalah; 2) Perancangan sistem; 3) Implementasi dan

pengujian sistem, serta analisis hasil pengujian; dan 4) Penulisan laporan hasil

penelitian. Tahapan penelitian tersebut dapat dilihat pada gambar 2.

Gambar 2. Tahapan Peneltian []

Gambar 2. Tahapan Penelitian[10]

Tahapan penelitian pada gambar 2, dapat dijelaskan sebagai berikut :

Tahap pertama: analisis permasalahan, pengumpulan literatur, dan

perumusan masalah. Pada tahap ini dilakukan penetapan permasalahan yaitu

pernyataan yang bersifat umum terhadap permasalahan yang akan diamati.

Misalnya bagaimana menentukan wilayah yang beresiko banjir di kabupaten

semarang menggunakan logika fuzzy tsukamoto serta penggunaan Gmaps.API.

Langkah selanjutnya pada tahap ini yaitu melakukan pencarian dan pengumpulan

literatur yang terkait dengan permasalahan baik berupa buku, artikel, majalah,

jurnal, dan situs internet, data-data yang didapat diambil berdasarkan buku

“Kabupaten Semarang Dalam Angka” yang ada di BPS kabupaten semarang,

penggunaannya diambil dari tahun 2009-2015 dan informasi tambaha juga didapat

dari BPBD atau Badan Penanggulangan Bencana Daerah berupa buku yang

berjudul Pemantauan dan Penyebarluasan Informasi Potensi Bencana Alam

Kabupaten Semarang. Bahan dan data yang didapatkan dari literatur tersebut

dapat dimanfaatkan untuk mengembangkan penelitian untuk mengatasi

permasalahan yang terkait. Langkah selanjutnya pada tahap ini yaitu perumusan

masalah, yaitu menguraikan permasalahan beserta solusi yang dapat membantu

mengatasi permasalahan tersebut.

Tahap kedua: Desain, tahap penerjemahan dari data yang dianalisis ke

dalam bentuk yang mudah dimengerti oleh pengguna, desain harus

Perancangan Sistem meliputi Metode Perancangan Sistem

(Metode Prototype), Model Perancangan Sistem (UML),

Perancangan Antarmuka.

AnalisisPermasalahan, Pengumpulan Literatur, dan

Perumusan Masalah

Implementasi dan Pengujian Sistem,

serta Analisis Hasil Pengujian

Penulisan Laporan Hasil Penelitian

5

didokumentasikan dengan baik dan menjadi bagian konfigurasi perangkat lunak.

Model perancangan sistem menggunakan diagram Unified Modelling Language

(UML) misalnya perancangan use case diagram, activity diagram, sequence

diagram, dan class diagram.Perancangan antarmuka yaitu merancang tampilan

antarmuka dari sistem yang berfungsi sebagai penghubung interaksi antara

pengguna dengan sistem.

Tahap ketiga: implementasi dan pengujian sistem, serta analisis hasil

pengujian, yaitu mengimplementasikan aplikasi yang sudah dibuat kemudian

dilakukan pengujian alfa dan beta. Pada pengujian alfa dilakukan analisis apakah

aplikasi SIG yang telah dibuat sudah sesuai dengan yang diharapkan atau tidak,

jika belum sesuai maka akan dilakukan perbaikan. Sedangkan pada pengujian beta

dilakukan analisis apakah aplikasi dapat menyelesaikan permasalahan atau tidak..

Tahap keempat, penulisan laporan hasil penelitian, yaitu

mendokumentasikan proses penelitian yang sudah dilakukan dari tahap awal

hingga akhir ke dalam tulisan, yang nantinya akan menjadi laporan hasil

penelitian.

Sistem aplikasi dirancang dengan menggunakan UML (Unified Modelling

Language). Use case diagram mendeskripsikan rangkaian kegiatan yang

dijalankan oleh aplikasi dan menggambarkan hubungan antara masing-masing

aktor dengan setiap proses yang digambarkan melalui setiap use case. Setiap use

case menggambarkan sebuah proses yang terdapat dalam sistem yang akan

dikembangkan. Use case diagram pada penelitian ini dapat dilihat pada Gambar 3.

Gambar 3. Use Case Diagram.

6

4. Hasil dan Pembahasan

Algoritma yang digunakan dalam sistem ini adalah logika fuzzy tsukamoto,

logika fuzzy tsukamoto digunakan unutk menentukan wilayah resiko banjir pada

kabupaten semarang. Indikator atau komponen yang digunakan adalah curah

hujan, hari hujan, dan ketinggian tempat. Pembentukan himpunan fuzzy dapat

dilihat dari penentuan variabel dan semesta pembicaraan pada tabel 1 yang

diketahui terdiri dari tiga variabel input yaitu curah hujan, hari hujan, dan tinggi

tempat untuk menetukan kerentanan potensi banjir. Setiap varibel input dibagi

menjadi dua atau lebih himpunan fuzzy. Himpunan fuzzy digunakan untuk

mewakili kondisi tertentu dalam suatu variabel fuzzy. Dari setiap himpunan fuzzy

yang terbentuk masing-masing mempunyai domain yang nilainya terdapat dalam

semesta pembicara. Untuk lebih jelasnya dapat dilihat pada tabel 1 berikut :

Tabel 1. Himpunan fuzzy

Himpunan Fuzzy

Fungsi Nama variabel Nama Himpunan Fuzzy Semesta Pembicaraan Domain

Input

Curah Hujan

Rendah

348-5234

348-2791

Sedang 1569,5-3401,75

Tingggi 2791-5234

Hari Hujan

Rendah

24-226

24-125

Sedang 74,5-150,25

Tingggi 125-226

Tinggi Tempat Rendah

318-1450 318-884

Tingggi 1167-1450

Setelah pembentukan himpunan fuzzy, langkah selanjutnya adalah

pembentukan fungsi keanggotaan. Fungsi keanggotaan merupakan pemetaan titik

input data dalam himpunan fuzzy kedalam nilai atau derajat keanggotaannya yang

memiliki interval dari 0 hingga 1. Penggunaan fungsi keanggotaaan curah hujan,

hari hujan, dan tinggi tempat ditunjukkan pada persamaan dibawah :

Fungsi keanggotaan untuk curah hujan rendah ditunjukkan pada

persamaan 1.

ch Rendah [P] {

, 348 ≤ P ≤ 2791 (1)

Fungsi keanggotaan untuk curah hujan sedang ditunjukkan pada

persamaan 2

ch Sedang [P] {

(2)

7

Fungsi keanggotaan untuk curah hujan tinggi ditunjukkan pada

persamaan 3

ch Tinggi [P] {

(3)

Fungsi keanggotaan hari hujan. Domain himpunan fuzzy terdiri dari

rendah (24-125), sedang (74.5-150.25), tinggi (125-226)

Fungsi keanggotaan untuk hari hujan rendah ditunjukkan pada persamaan 4

hh Rendah [r] {

, 28 ≤ r ≤ 125 (4)

r ≤ 125

Fungsi keanggotaan hari hujan sedang ditunjukkan pada persamaan 5

hh Sedang [P]

{

(5)

Fungsi keanggotaan hari hujan tinggi ditunjukkan pada persamaan 6

hh Tinggi [P] {

(6)

Fungsi keanggotaan tinggi tempat. Domain himpunan fuzzy terdiri dari

rendah (318-884), dan tinggi (1167-1450).

Fungsi keanggotaan untuk tinggi tempat rendah ditunjukkan pada

persamaan 7

tt Rendah [q] {

–

, (7)

8

Fungsi Keanggotaan untuk tinggi tempat tinggi ditunjukkan pada

persamaan 8

ch Tinggi [q] {

, 1167 ≤ q ≤ 1450 (8)

q ≤ 1167

Fungsi keanggotaan potensi banjir. Domain himpunan fuzzy terdiri dari

rendah (1), sedang (1.5), dan tinggi (3).

Fungsi Keanggotaan untuk potensi banjir rendah ditunjukkan pada

persamaan 9

pb Rendah [s] {

(9)

Fungsi Keanggotaan untuk potensi banjir sedang ditunjukkan pada

persamaan 10

pb Sedang [s]

{

(10)

Fungsi Keanggotaan untuk potensi banjir tinggi ditunjukkan pada

persamaan 11

pb Tinggi [s] {

(11)

9

Hasil pembahasan web dapat dilihat pada gambar 4, dibawah ini :

Gambar 4. Tampilan web.

Hasil pemetaan kabupaten semarang dapat dilihat pada gambar 4.1 di bawah

ini :

Gambar 4.1 Tampilan peta kabupaten semarang

Pada Gambar 4 dan 4.1 menjelaskan gambaran web yang digunakan dalam

menampilkan peta kabupaten semarang, hasil yang ditampilkan yaitu seluruh

kecamamtan yang ada di kabupaten semarang dalam bentuk peta menggunakan

Gmaps dari google, dengan menggunakan API BirdTheme yang merupakan salah

satu aplikasi pendukung dari google, peta dapat dimunculkan setelah terlebih

dahulu melalui proses rendering yang kemudian hasil rendering tersebut dirubah

menjadi data dalam bentuk javascript yang kemudian data dimasukan kedalam

database guna menampilkan peta-peta tersebut.

Informasi tampilan peta salah satu kecamatan yang terdapat di web dapat dilihat

pada gambar 4.2 di bawah ini :

10

. Gambar 4.2 Tampilan salah satu kecamatan.

Gambar 4.2 menjelaskan tentang fitur yang ada pada web pemetaan

kabupaten semarang dimana pengguna dapat mengetahui informasi yang ada pada

suatu daerah yang terdiri dari tinggi tempat, curah hujan, hari hujan, dan tingkat

kerentanan banjir, dengan memilih daerah yang ingin diketahui.

Perhitungan fuzzy di dalam web akan dijelaskan pada gambar 4.3 dan 4.4 dibawah

ini :

Gambar 4.3 Perhitungan fuzzy 1

11

Gambar 4.4 Perhitungan fuzzy 2.

Dalam gambar 4.3 dan 4.4 tentang perhitungan fuzzy yang dibentuk dalam sebuah

tabel yang akan dinyatakan dalam pernyataan JIKA-MAKA, pengguna harus

memasuki laman administrator dimana harus menggunakan username dan

password untuk mengakses laman tersebut, dalam halaman ini terdapat informasi

yang berisi data tahunan 5 series dari setiap kabupaten yang ada di kabupaten

semarang serta informasi tingkat kerentanan banjir disetiap kabupaten, data-data

ini yang digunakan untuk mengetahui tingkat kerentanan banjir di tiap kabupaten,

data-data tersebut terdiri dari tinggi tempat, curah hujan dan hari hujan yang

kemudian akan menentukan tingkat kerentanan yang dibagi dalam 3 kategori yaitu

tinggi, sedang, dan rendah, guna mendapat hasil tingkat kerentanan terdapat

pengujian alfa dan variabel Z yang nantinya akan menghasilkan tingkat

kerentanan banjir pada suatu daerah.

5. Kesimpulan

Berdasarkan hasil pengujian yang telah dilakukan metode logika fuzzy

tsukamoto dapat digunakan dalam sebagai metode dalam melakukan pemetaan

wilayah banjir di kabupaten semarang.

Penggunaan data series 5 tahunan dalam melakukan penentuan wilayah banjir

terbukti efektif sehingga pengambilan tindakan dapat dilakukan guna mencegah

terjadinya kerugian yang lebih besar di masa mendatang.

Nilai kesalahan yang dilakukan dalam menentukan wilayah banjir relatif kecil,

berdsarkan table uji penentuan wilayah banjir data masukan parameter-parameter

penentuan wilayah banjir dinyatakan sebagai nilai tegas (crisp).

Penggunaan Gmaps.API memudahkan dalam pembentukan peta, sehingga

hasil yang didapat lebih up to date karena penggunaan peta yang lebih modern.

12

6. Daftar Pustaka

[1]. Harta, M., Sri. 2009. Pemetaan Resiko Bencana Banjir Diwilayah Gresik

Utara. Tugas Akhir. Jurusan Perencanan Wilayah dan Kota. Institut

Teknologi Sepuluh Novermber. Surabaya. Tidak Dipublikasikan.

[2]. Suwadi. 1999. Identifikasi dan Pemetaan Kawasan Rawan Banjir disebagian

Kotamadya Semarang Dengan Menggunakan Sistem Informasi Geografi.

Tesis. Program Pascasarjana.Institut Pertanian Bogor. Bogor.

[3]. Seyhan, E.2001.Dasar-dasar Hidrologi.Yogyakarta.Gadjah Mada

University.Press

[4]. Sri Kusumadewi, 2003, Artificial Intelligence (Teknik dan Aplikasinya),

Graha Ilmu, Yogyakarta

[5]. Thamrin, Fanoeel, Eko Sediyono, Suhartono, 2012, Studi Inferensi Fuzzy

Tsukamoto Untuk Penentuan Faktor Pembebanan Trafo PLN, Jurnal Sistem

Informasi Bisnis, 01.

[6]. Winardo, Arya Bima, Arna Fariza, Yuliana Setiowati, Investigasi Daerah

Rawan Banjir Di Kota Surabaya Dengan Menggunakan Metode Fuzzy

[7]. N. Agus, 2009, Belajar Cepat Fuzzy Logic Menggunakan Matlab, Penerbit :

Andi, Yogyakarta.

[8]. Jang, J-S, R, Chuen-Tsai Sun, 1995, Neuro-Fuzzy Modeling And Control,

Proceedings Of The IEEE, Vol. 83, No. 3, March.

[9]. Suratno, 2011, Pengaruh Perbedaan Tipe Fungsi Keanggotaan Pada

Pengendali Logika Fuzzy Terhadap Tanggapan Waktu Sistem Orde Dua

Secara Umum, Semarang : Teknik Elektro, Universitas Diponegoro.

[10]. Hasibuan, Zainal, A., 2007, Metodologi Penelitian Pada Bidang Ilmu

Komputer Dan Teknologi Informasi : Konsep, Teknik, dan Aplikasi, Jakarta:

Ilmu Komputer Universitas Indonesia.

[11]. Kusumadewi, Sri, Sri Hartati, Agus Harjoko, dkk.2006. Fuzzy Multi-

Attribute Decission Making (Fuzzy MADM).Yogyakarta: Graha Ilmu.

[12]. Kusumadewi, S., Purnomo. H. 2010. Aplikasi Fuzzy Logic Untuk

Pendukung Keputusan. Yogyakarta. Graha Ilmu.