relatif sempit pada jangka waktu yang singkat. Cuaca terbentuk dari gabungan
unsure cuaca dan jangka waktu cuaca bisa hanya beberapa jam saja. Misalnya pagi hari,
siang hari, sore hari atau malam hari dan keadaannya bisa berbeda-beda untuk setiap
tempat serta setiap jamnya. Di Indonesia keadaan cuaca selalu diumumkan untuk
jangka waktu sekitar 24 jam melalui prediksi cuaca yang dikembangkan oleh Badan
Meteorologi Klimatologi dan Geofisika BMKG, Departemen Perhubungan.
Iklim adalah keadaan cuaca rata-rata dalam
waktu satu
tahun yang
penyelidikannya dilakukan dalam waktu yang lama ± minimal 30 tahun dan meliputi
wilayah yang luas.
2.2 Informasi Cuaca untuk Penerbangan
Cuaca penerbangan adalah cuaca yang diperuntukkan khusus untuk dunia
penerbangan, baik untuk saat lepas landas, mendarat maupun selama penerbangan.
Informasi cuaca ini diberikan setiap waktu pada saat pesawat akan merencanakan
penerbangan
yang disesuaikan
dengan jadwal penerbangan. Informasi cuaca pada
saat lepas landas, selama perjalanan dan mendarat meliputi beberapa unsure cuaca,
yaitu angin, jarak pandang, tekanan udara, dan suhu.
2.3 Instrument Landing System ILS
ILS adalah
sebuah alat
bantu pendaratan yang bekerja untuk memberikan
panduan secara akurat pada garis tengah landas
pacu, sudut
pendaratan dan
memberikan informasi
jarak kepada
penerbang untuk melakukan pendaratan dalam segala cuaca. Instrument Landing
System, dalam
kerjanya merupakan
gabungan dari beberapa peralatan pemancar gelombang radio yang membentuk satu
konfigurasi sistem dengan fungsi dan kegunaan yang berbeda. Peralatan ILS terdiri
dari: Localizer, Glide Path, Inner Marker, Middle Marker, dan Out Marker.
Dalam pemanfaatan peralatan ILS pada dunia penerbangan secara umum,
terbagi menjadi 3 tiga kategori dimana tiap kategori menentukan kemampuan ILS dalam
menunutun atau memberikan panduan pada pesawat terbang saat melakukan pendekatan
terhadap landasan pacu runway dan pendaratan.
2.4 Prediksi Cuaca
Prediksi cuaca merupakan rangkuman informasi kondisi cuaca harian hingga
mingguan, sedangkan
prediksi iklim
umumnya merupakan unsur – unsur iklim yang umumnya untuk wilayah Indonesia
adalah prediksi hujan bulanan atau prediksi hujan yang berlangsung dalam satu musim.
Dengan demikian jenis prediksi cuaca dan iklim dibedakan dalam kurun waktu dan
jenis unsur yang diprakirakan, dimana prediksi cuaca lebih banyak menyebutkan
hampir semua unsur cuaca dan prediksi iklim umumnya berkisar pada kuantitas curah
hujan dan awal musim.
Prediksi cuaca dan iklim merupakan bagian dari sistem informasi yang digunakan
untuk melihat kondisi alam untuk waktu mendatang harian hingga mingguan disebut
prediksi cuaca, bulananmusimantahunan disebut prediksi bulananmusimantahunan
yang
merupakan hasil
analisis dan
pengolahan data baik dari data yang lalu yang umumnya disebut data iklim maupun
data yang terakhir. Suatu sistem prediksi cuaca dan iklim menjadi suatu rentetan hasil
pengamatan cuaca yang terus – menerus, selanjutnya pengumpulan data untuk di olah
dengan menggunakan persamaan matematika dan hasil olahan terakhir berupa angka yang
menunjukkan unsure cuaca atau iklim tertentu hujan, angin, suhu, kelembapan,
dsb.
Pada hakekatnya, sistem informasi cuaca atau iklim merupakan cara yang
dilakukan untuk mengoptimalkan usaha pemantauan, pengumpulan, analisis data,
hingga menjadi bentuk evaluasi atau prediksi cuaca
dan iklim
sedemikian hingga
merupakan suatu usaha manusia untuk melihat perkembangan kondisi udara yang
lalu, sekarang, dan yang akan dating khususnya dalam kaitan mengantisipasi
kondisi ekstrem yang umumnya merugikan harta benda dan jiwa manusia.
2.5 Konsep Logika Fuzzy
Pada dasarnya, teori himpunan fuzzy merupakan perluasan dari teori himpunan
klasik. Teori himpunan fuzzy pertama kali diperkerkenalkan oleh Lotfi A. Zadeh pada
tahun 1995. Pada teori himpunan klasik crisp, keberadaan suatu elemen pada
himpunan A hanya akan memiliki dua kemungkinan keanggotaan, yaitu menjadi
anggota A atau tidak menjadi anggota A Chak, 1998.
Suatu nilai
yang menunjukkan
seberapa besar tingkat keanggotaan suatu elemen x dalam suatu himpunan A, sering
dikenal dengan nama nilai keanggotaan, dinotasikan dengan µ
A
x. Dalam himpunan klasik, hanya ada dua derajat keanggotaan,
yaitu µ
A
x=0 dan µ
A
x=1. Sedangkan dalam himpunan fuzzy, fungsi karakteristik
µ
A
= µ
A
x dimungkinkan mempunyai derajat keanggotaan keanggotaan antara 0 dan 1.
Contoh: Variabel temperatur, terbagi menjadi 5
himpunan fuzzy, yaitu: DINGIN, SEJUK, NORMAL, HANGAT,
dan PANAS. Gambar 7.4
gambar 2. 1 Himpunan fuzzy pada variabel temperatur.
2.5.1 Alasan Digunakannya Logika Fuzzy
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:
1. Konsep logika fuzzy mudah dimengerti.
Konsep matematis
yang mendasari
penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap
data-data yang tidak tepat. 4.
Logika fuzzy
mampu memodelkan
fungsi-fungsi nonlinear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan
mengaplikasikan pengalaman-
pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan
teknik-teknik kendali
secara konvensional.
7. Logika fuzzy didasarkan pada bahasa
alami.
2.5.2 Struktur Dasar Logika Fuzzy
gambar 2. 2 Blok Diagram Logika Fuzzy Berdasarkan gambar 2.2, dalam
system logika fuzzy terdapat beberapa tahapan operasional yang meliputi:
1. Fuzzifikasi
Fuzzifikasi adalah suatu proses pengubahan nilai tegas yang ada ke
dalam fungsi keanggotaan. 2.
Penalaran Inference Machine Mesin
penalaran adalah
proses implikasi dalam menalar nilai masukan
guna penentuan nilai keluaran sebagai bentuk pengambilan keputusan. Salah
satu model penalaran yang banyak dipakai adalah penalaran max-min.
Dalam penalaran ini, proses pertama yang
dilakukan adalah
melakukan operasi min sinyal keluaran lapisan
fuzzifikasi, yang diteruskan dengan operasi max untuk mencari nilai
keluaran
yang selanjutnya
akan didefuzzifikasikan
sebagai bentuk
keluaran.
3. Aturan Dasar Rule Based
Aturan dasar rule based pada control logika fuzzy merupakan suatu
bentuk aturan relasi “Jika-Maka”atau “if- then” seperti berikut ini:
if x is A then y is B
dimana A dan B adalah linguistic values yang
didefinisikan dalam
rentang variabel X dan Y. Pernyataan “x is A”
disebut antecedent
atau premis.
Pernyataan “y is B” disebut consequent atau kesimpulan.
4. Defuzzifikasi
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh
dari komposisi aturan-aturan fuzzy, sedangkan
output yang
dihasilkan merupakan suatu bilangan pada domain
himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam
range tertentu, maka harus dapat diambil suatu nilai crisp tertentu.
2.5.3 Fuzzy Clustering
Salah satu penerapan logika fuzzy adalah
dalam clustering
atau pengelompokan. Fuzzy clustering adalah
bagian dari
pattern recognition
atau pengenalan
pola. Fuzzy
clustering memainkan peran yang paling penting dalam
pencarian struktur dalam data Klir, 1995. Fuzzy clustering adalah salah satu
teknik untuk menentukan cluster optimal dalam suatu ruang vektor yang didasarkan
pada bentuk normal Euclidian untuk jarak antar vektor Kusumadewi, 2004.
Metode clustering yang digunakan dalam penelitian ini adalah fuzzy c-means.
Metode ini pertama kali dikenalkan oleh Jim Bezdek pada tahun 1981 Kusumadewi,
2004. Fuzzy c-means adalah salah satu teknik pengklusteran data yang mana
keberadaan tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotan.
2.5.4 Fungsi Keanggotaan
Fungsi Keanggotaan membership function
adalah suatu
kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya sering juga
disebut dengan derajat keanggotaan yang memiliki interval antara 0 sampai 1. Salah
satu cara yang dapat digunakan untuk mendapatkan
nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada
beberapa fungsi yang biasa digunakan, namun fungsi keanggotaan yang digunakan
dalam penelitian ini adalah kurva Gaussian. Grafik fungsi gaussian adalah sebagai
berikut:
gambar 2. 3 Kurva Gaussian Secara matematis, notasi fungsi Gaussian
adalah: ; , =
2.5.5 Inferensi Fuzzy
Inferensi fuzzy merupakan suatu proses penalaran yang didasarkan pada teori
himpunan fuzzy , aturan fuzzy berbentuk IF- THEN. Ada beberapa metode yang sering
digunakan untuk melakukan proses inferensi atau penalaran fuzzy, yaitu metode Mamdani
dan metode Takagi-Sugeno. Dalam hal ini, pembangunan logika fuzzy menggunakan
metode Takagi-Sugeno.
Metode ini diperkenalkan oleh Takagi- Sugeno Kang pada tahun 1985. Metode ini
diawali dengan pembentukan himpunan fuzzy pada variabel masukan, dimana pada
variabel
masukan menggunakan
kurva gaussian sebagai fungsi keanggotaannya.
Secara umum, bentuk model aturan fuzzy Takagi-Sugeno menggunakan bentuk aturan
IF-THEN. Ada dua model untuk system inferensi fuzzy Takagi-Sugeno, yaitu:
1.
Model Fuzzy Sugeno Orde-Nol Secara umum bentuk model fuzzy
SUGENO Orde-Nol adalah: IF x
1
is A
1
• x
2
is A
2
• x
3
is A
3
• ...... • x
n
is A
n
THEN z=k
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah suatu
konstanta tegas sebagai konsekuen.
2. Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy SUGENO Orde-Satu adalah:
IF x
1
is A
1
• ...... • x
n
is A
n
THEN z = p
1
x
1
+ … + p
n
x
n
+ q
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan pi adalah suatu
konstanta tegas ke-i dan q juga merupakan konstanta dalam konsekuen.
2.5.6 Defuzzifikasi
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu
himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip tertentu
sebagai output. Metode defuzzifikasi yang digunakan dalam penelitian ini adalah weight
average.
Pada metode wight average ini mengambil
nilai rata-rata
dengan menggunakan pembobotan berupa derajat
keanggotaaan, sehingga z didefinisikan
sebagai:
∗
=
∑
…2.18
Dimana z adalah nilai crisp dan µz adalah derajat keanggotaan dari nilai crisp z.
2.6 Fuzzy Toolbox MATLAB
Agar dapat menggunakan fungsi- fungsi
logika fuzzy
yang ada
pada MATLAB, maka harus diinstallkan terlebih
dahulu TOOLBOX FUZZY. Fuzzy logic toolbox memberikan fasilitas Graphical User
Interface GUI untuk mempermudah dalam membangun suatu sistem fuzzy. Ada 5 GUI
tools
yang dapat
digunakan untuk
membangun, mengedit, dan mengobservasi sistem penalaran fuzzy Gambar 2.9, yaitu:
1. Fuzzy Inference System FIS Editor; 2. Membership Function Editor;
3. Rule Editor; 4. Rule Viewer;
5. Surface Viewer.
gambar 2. 4 Fuzzy Inference System.
III METODOLOGI PENELITIAN 4.1
Alur Penelitian
Pada bab ini akan dibahas mengenai metodologi dan prosedur yang digunakan
dalam penelitian ini. Berikut ini adalah alur penelitian yang digunakan sebagai dasar
dalam melaksanakan penelitian.
Gambar 3.1 Alur Penelitian
4.2 Studi Pustaka