4.2 Pembangunan Model Prediksi Logika
Fuzzy dengan MATLAB
4.2.1 Pengolahan dan Pengelompokan Data
Dari penjelasan
sebelumnya, disebutkan bahwa pembentukan fungsi
keanggotaan menggunakan kurva gaussian. Kurva gaussian membutuhkan masukan
berupa nilai standar deviasi yang didapatkan dari keseluruhan data serta nilai titik tengah
yang didapatkan dari hasil fuzzy clustering menggunakan fuzzy C-Means.
Pada
pembangunan logika
fuzzy ini,
pengelompokan data menggunakan metode fuzzy cluster means yang dilakukan dengan
menggunakan matlab,
yaitu dengan
menuliskan syntax pada editor matlab. Teknik
fuzzy cluster
means ini
diimplementasikan dalam fungsi fcm pada matlab.
a.
Pengolahan dan Pengelompokan Data untuk Prediksi Hujan
Pada prediksi hujan ini digunakan tiga variabel masukan yaitu variabel suhu,
kecepatan angin dan kelembaban. Pembagian kelompok untuk variabel suhu dibagi
menjadi tiga cluster, yaitu cluster rendah, sedang dan tinggi. Untuk variabel kecepatan
angin dibagi menjadi tiga cluster yaitu cluster sedang, kencang dan sangat kencang.
Variabel masukan kelembaban juga dibagi menjadi tiga cluster yaitu cluster sedang,
rendah dan tinggi.
Berdasarkan data yang diperoleh dari hasil clustering, didapatkan nilai standar
deviasi dan titik tengah sebagai berikut. Tabel 4.4 Hasil Clustering, standar deviasi
dan titik tengah untuk prediksi hujan
No Variabel
Fungsi Standar
Titik Keanggotaan
Deviasi Tengah
1 Suhu C
Rendah 1.075
25.21 Sedang
1.075 26.72
Tinggi 1.075
27.93 2
Kecepatan Sedang
1.444 5.564
Angin Kencang
1.444 7.212
knot Sangat Kencang
1.444 9.186
3 Kelembaban
Rendah 4.593
80.55 Rh
Sedang 4.593
85.99 Tinggi
4.593 92.37
b.
Pengolahan dan Pengelompokan Data untuk Prediksi Angin
Pada prediksi angin ini digunakan dua variabel masukan yaitu variabel suhu dan
tekanan udara. Variabel suhu dibagi menjadi lima cluster yaitu sangat rendah, rendah,
sedang, tinggi, dan sangat tinggi. Begitu juga dengan variabel tekanan udara yang dibagi
menjadi lima cluster yaitu sangat kecil, kecil, sedang, besar, dan sangat besar.
Berdasarkan data yang diperoleh dari hasil clustering, didapatkan nilai standar
deviasi dan titik tengah sebagai berikut. Tabel 4.5 Hasil Clustering, standar deviasi
dan titik tengah untuk prediksi angin
No Variabel
Fungsi Standar
Titik Keanggotaan
Deviasi Pusat
1 Suhu C
Sangat Rendah 1.075
24.55 Rendah
1.075 25.87
Sedang 1.075
26.78 Tinggi
1.075 27.66
Sangat Tinggi 1.075
28.52 2
Tekanan Sangat Kecil
1.328 1007
Udara mb Kecil
1.328 1009
Sedang 1.328
1010 Besar
1.328 1011
Sangat Besar 1.328
1012
4.2.2 Pembentukan Fungsi Keanggotaan
Kategori