9
Gambar 2.1 Macam-macam Bentuk DAS Machairiyah, 2007
2.2 Teknik peramalan
Teknik peramalan Forecasting merupakan nilai prediksi yang diambil dari data masa lalu dari sebuah variabel yang sudah diketahui atau beberapa kumpulan variabel
yang saling berhubungan untuk mengestimasi nilai prediksi di masa yang akan datang. Data dalam teknik peramalan ini berdasarakan kepada suatu keahlian
penilaian yang didasari pada pengalaman atau data historis. Tujuan dari teknik peramalan ini adalah untuk mengetahui jumlah permintaan yanag akan terjadi di masa
yang akan datang berdasarkan pada variabel perminataan Syafii Edyan, 2013.
2.3 Logika Fuzzy
Fuzzy dapat diartikan sebagai kabur atau samar-samar suatu nilai dapat bernilai benar atau bernilai salah secara bersamaan. Logika fuzzy diperkenalkan oleh Prof. lotfi
Zadeh tahun 1965. Logika fuzzy merupakan suatu logika yang memilih nilai kesamaan Fuzzyness antara benar atau salah, logika fuzzy memiliki derajat keanggotaan dalam
rentang 0 sampai 1. Logika fuzzy menunjukan sampai sejauh mana sebuah nilai itu benar dan sejauh mana sebuah nilai itu salah Nasution, 2012.
Logika fuzzy merupakan suatu cara untuk memetahkan suatu ruang input ke dalam ouput, memiliki nilai kontinu dan fuzzy dinyatakan dalam derajat keanggotaan atau
Universitas Sumatera Utara
10 derajat dari kebenaran. Logika fuzzy digunakan untuk menerjemahkan besaran yang
diekpresikan mengunakan bahasa Nasution, 2012.
Kelebihan dari logika fuzzy adalah mampu memproses penalaran secara bahasa sehingga dalam proses pembuatannya tidak memerlukan persamaan matematika dan
suatu objek yang akan dikendalikan Nasution, 2012.
2.3.1 Himpunan Fuzzy
Himpunan Fuzzy Merupakan suatu kelompok yang dimana mewakili suatu kondisi tertentu untuk suatu variabel fuzzy. Contoh : untuk variabel umur yaitu Muda, Tua dan
Parobaya Amiruddin,2011. Grafik Himpnan fuzzy dapat dilihat pada gambar 2.2
Gambar 2.2 Contoh grafik himpunan fuzzy pada variabel umur Amiruddin,2011
Didalam Himpunan fuzzy terdapat 2 atribut yaitu linguistik dan numeris. Linguistik merupakan pemberian nama suatu kelompok yang mewakili kondisi tertentu dengan
mengunakan bahasa alami seperti : muda, tua dan parobaya dan numeris merupakan nilai yang menunjukan suatu ukuran pada variabel seperti : 20, 40, dan 35.Amiruddin,2011
2.3.2 Fungsi Keanggotaan fuzzy
Fungsi Keanggotaan Member Function merupakan sebuah kurva yang pemetaannya melalui titik-titik input data ke dalam nilai keanggotaan derajat keanggotaan yang di
dalamnya terdapat nilai 0 sampai 1 Amiruddin, 2011. Salah satu cara untuk mendapatkan nilai kenaggotaan adalah dengan cara pendekataan fungsi, ada beberapa
Universitas Sumatera Utara
11 fungsi untuk menentukan sebuah nilai keanggotaan yaitu linear, kurva segitiga, kurva
trapesium dan metode lainnya Amiruddin, 2011 :
1. Representasi Linear
Representasi Linear adalah pemetaan input ke derajat keanggotaanya digambarkan dalam garis lurus. Ada 2 dua jenis fuzzy linear yaitu linear naik
dan linear turun. Linear naik memiliki derajat keanggotaan nol 0 bergerak ke kanan menuju ke derajat keanggotaan yang lebih tinggi. Gambar Representasi
Linear naik dapat dilihat pada gambar 2.3
Gambar 2.3 Grafik fungsi keanggotaan pada representasi linier naik
Fungsi Keanggotaan: [ ] {
2.1
Linear turun adalah garis kurva yang dimulai dari domain tetinggi dari sisi sebelah kiri bergerak menurun ke domain derajat keanggotaan yang lebih
rendah. Gambar Representasi Linear turun dapat dilihat pada gambar 2.4
Gambar 2.4 Grafik fungsi keanggotaan pada representasi linier turun
1
a b
Derajat Keanggotaan
µ[X]
1
a b
Derajat Keanggotaan
µ[X]
domain
Universitas Sumatera Utara
12 Fungsi Keanggotaan:
[ ] { 2.2
2. Representasi Kurva Segitiga
Kurva Segitiga adalah gabungan antara 2 dua garis linear. Gambar Representasi Kurva Segitiga dapat dilihat pada gambar 2.5
Gambar 2.5 Grafik fungsi keanggotaan pada representasi kurva segitiga
Fungsi Keanggotaan: [ ] {
2.3
3. Representasi Kurva Trapesium
Kurva Trapesium adalah meneyerupai bentuk segitiga, tapi ada beberapa titik yang memiliki nilai keanggotaan bernilai 1 satu. Gambar Representasi Kurva
Trapesium dapat dilihat pada gambar 2.6
Gambar 2.6 Grafik fungsi keanggotaan pada representasi kurva trapesium
1
a b
Derajat Keanggotaan
µ[X]
domain c
1
a b
Derajat Keanggotaan
µ[X]
domain c
d
Universitas Sumatera Utara
13 Fungsi Keanggotaan:
[ ] { 2.4
2.3.3 Sistem Inferensi Fuzzy
Sistem inferensi fuzzy merupakan suatu komputasi yang didasari pada teori himpunan fuzzy, aturan fuzzy berbentuk IF
– THEN dan penalaran fuzzy. Untuk proses sederhana dari sistem inferensi fuzzy yaitu sistem akan menerima input kemudian input dikirim
ke basis pengetahuan yang berisi n aturan fuzzy. Fire strength dicari pada setiap aturan. Apabila jumlah aturan lebih dari satu, maka dilakukan agregasi dari semua
aturan kemudian hasil tersebut akan dilakukan defuzzy untuk mendapat nilai output sistem kusumadewi Hartati, 2010. Diagram blok sistem inferensi fuzzy dapat
dilihat pada gambar 2.7
Gambar 2.7 Diagram blok sistem inferensi fuzzy Kusumadewi hartati, 2010
2.4 Artifical Neural Network ANN Jaringan Syaraf tiruan
Kategori