Click here to load reader

Visualisasi Informasi Wilayah Resiko Banjir Berdasarkan ... · PDF file Visualisasi Informasi Wilayah Resiko Banjir Berdasarkan Data Iklim Dengan Metode Fuzzy (Studi Kasus Kabupaten

  • View
    2

  • Download
    0

Embed Size (px)

Text of Visualisasi Informasi Wilayah Resiko Banjir Berdasarkan ... · PDF file Visualisasi Informasi...

  • 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

    KM 2,

    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 yai

Search related