menggunakan bantuan matlab, yaitu dengan menuliskan syntax pada editor matlab.
4.6
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. Blok diagram untuk perancangan logika fuzzy
dapat terlihat pada gambar 3.3.
Gambar 3. 2 Diagram Perancangan Rekomendasi Penerbangan
3.6.1 Penentuan Fungsi Keanggotaan
Fungsi keanggotaan membership function digunakan untuk menunjukkan
hasil prediksi.
Penggunaan fungsi
keanggotaan didasarkan pada bentuk kurva. Kurva yang digunakan pada fungsi
keanggotaan untuk
perancangan rekomendasi penerbangan ini adalah kurva
Gaussian. Pemilihan kurva Gaussian ini dikarenakan penggunaan kurva Gaussian
sesuai untuk data yang sifatnya kontinyu dan data-data alami seperti keadaan cuaca.
Pembentukan fungsi keanggotaan ini menggunakan Fuzzy Inference System Editor
FIS Editor tipe Takagi Sugeno karena kita menginginkan
keluaran yang
berupa numerik.
Penggunaan Fuzzy
Toolbox digunakan untuk memudahkan penggunaan
logika fuzzy pada MATLAB 7.8.0. Contoh tampilan FIS Editor pada MATLAB dapat
dilihat pada gambar berikut:
3.6.2 Penetuan Aturan Rule Based
Data yang telah dikelompokkan berdasarkan fuzzy clustering kemudian
dibuat aturan yang disebut aturan jika maka if – then. Sebuah aturan fuzzy tunggal
berbentuk seperti berikut:
if x is A then y is B
Aturan ini digunakan untuk dijadikan sebagai patokan untuk kondisi variabel
masukan tertentu maka akan didapatkan variabel keluaran yang nilainya tertentu pula.
Pembuatan
aturan didasarkan
pada kepakaran serta pengamatan data yang
berupa kebiasaan di alam. Pada aturan ini terdiri dari kumpulan
aturan peramalan cuaca yang berbasis logika fuzzy untuk menyatakan kondisi cuaca yang
terjadi. Penyusunan
aturan sangat
berpengaruh pada presisi model, pada tahap pengambilan
keputusan ditentukan
berdasarkan rancangan rule base. Pada model perancangan prediksi hujan terdapat
27 rule, sedangkan pada model perancangan prediksi angin terdapat 9 rule.
Pada pembuatan
aturan ini,
menggunakan bantuan Rule Editor pada MATLAB. Rule Editor merupakan bagian
dari FIS Editor yang ada pada fuzzyToolbox untuk memberikan aturan pada fuzzy
sehingga didapatkan nilai keluaran yang sesuai.
3.6.3 Inferensi Fuzzy
Proses inferensi fuzzy adalah proses pengambilan keputusan untuk mendapatkan
sinyal logika fuzzy berdasarkan rancangan basis aturan yang telah dibuat. Nilai masukan
yang teramati diolah untuk diidentifikasi aturan mana yang akan digunakan. Teknik
pengambilan keputusan yang digunakan adalah metode Takagi Sugeno. Alasan
menggunakan metode ini adalah karena metode ini lebih fleksibel jika dibandingkan
dengan metode Mamdani, sehingga cocok untuk peramalan. Dalam metode Takagi
Sugeno, penerapannya menggunakan aturan operasi AND, hal ini karena semua variabel
masukan saling mempengaruhi.
Tahap ini
merupakan tahap
pengambilan keputusan,
dimana nilai
masukan yang berupa kecepatan angin, suhu, kelembaban dan tekanan masih berupa
himpunan crisp yang nantinya akan diubah menjadi himpunan fuzzy dengan fungsi
keanggotaan yang berbeda untuk tiap variabel. Dengan mengacu pada basis aturan
yang telah dibuat, diperoleh nilai fuzzy berdasarkan nilai fuzzy masing-masing
variabel masukan. 3.6.4 Defuzzifikasi
Defuzzifikasi adalah
proses pengkonversian setiap hasil dari inference
system yang diekspresikan dalam bentuk fuzzy set ke satu bilangan real. Hasil
konversi tersebut merupakan keluaran yang diambil oleh system logika fuzzy. Karena
itu, pemilihan metode defuzzifikasi yang sesuai juga turut mempengaruhi system
kendali logika fuzzy dakam menghasilkan respon yang optimum. Dalam pembangunan
logika fuzzy ini, metode defuzzifikasi yang digunakan adalah weight average rata-rata
terbobot. Metode ini mengambil nilai rata- rata dengan menggunakan pembobotan
berupa derajat keanggotaan.
4.7 Validasi Model Logika Fuzzy
