Studi Pustaka Validasi Model Logika Fuzzy

4.2 Studi Pustaka

Tahapan pertama dalam penelitian ini adalah studi pustaka. Tahapan studi pustaa ini adalah tahap mencari dan mengumpulkan literature yang berkaitan dengan penelitian ini baik melalui buku-buku maupun media elektronik seperti internet. Studi pustaka dilakukan untuk mengetahui hal-hal yang berkaitan dengan penelitian ini, diantaranya adalah mengenai unsur-unsur cuaca, hal-hal yang mempengaruhi perubahan cuaca, kaitan antara cuaca dan penerbangan, serta teori- teori tentang logika fuzzy dan permodelan menggunakan logika fuzzy. Selain mengumpulkan literatur berupa teori-teori yang menunjang penelitian ini, penulis juga mempelajari jurnal mengenai prediksi cuaca yang pernah ada sebelumnya sebagai dasar dari penelitian ini. 4.3 Identifikasi Masalah Identifikasi masalah sangat dibutuhkan untuk mengetahui permasalahan yang berhubungan dengan cuaca yang dibutuhkan untuk rekomendasi penerbangan. Proses identifikasi masalah ini akan membantu dalam proses pengumpulan data. Yaitu untuk mengetahui variabel cuaca apa saja yang dibutuhkan untuk memodelkan sistem prediksi cuaca.

4.4 Pengumpulan Data

Data yang digunakan pada penelitian ini berasal dari stasiun Meteorologi Kelas III Tanjungpinang yang diukur perhari selama satu tahun yaitu data pada bulan Maret 2010 hingga februari 2011. Data yang dimaksud adalah data enam variabel cuaca yang telah disebutkan pada bab sebelumnya yaitu suhu, kecepatan angin, kelembaban udara, tekanan udara, hujan dan jarak pandang. Data-data ini diambil melalui titik pengamatan 00º 92’ LU dan 104º 53’ BT dengan radius sejauh 10 km dan elevasi 18 meter. Keenam data tersebut dibagi menjadi data masukan dan data keluaran. Data masukan yang digunakan adalah variabel suhu, angin dan kelembaban untuk mendapatkan variabel keluaran hujan, sedangkan variabel keluaran kecepatan angin didapatkan dari variabel masukan yaitu variabel suhu dan tekanan udara. 4.5 Pengolahan Data Masukan dan Keluaran Model logika fuzzy dipengaruhi oleh data masukan dan data keluaran, atau biasa disebut dengan variabel masukan dan variabel keluaran. Dalam hal kelayakan cuaca untuk rekomendasi penerbangan, variabel cuaca yang paling berpengaruh adalah curah hujan dan kecepatan angin, maka kedua variabel tersebut yang akan dijadikan sebagai variabel keluaran dari logika fuzzy. Sedangkan hal-hal yang mempengaruhi kedua variabel tersebut seperti suhu udara, tekanan udara, kelembaban udara dan kecepatan angin menjadi variabel masukan bagi permodelan logika fuzzy ini. Pada pengolahan data masukan dan keluaran ini, dilakukan proses clusterisasi untuk mengelompokkan data dalam beberapa grup atau cluster. Informasi cluster ini akan membantu dalam pembangunan FIS Fuzzy Inference System tipe sugeno terbaik yang bisa memodelkan kelakuan hubunga data input-output dengan junlah rule minimum. Definisi sebuah rule diasosiasikan dengan suatu cluster data. Salah satu teknik fuzzy clustering adalah Fuzzy C Means FCM. Dalam teknik ini, tiap titik data dikelompokkan dalam suatu cluster dengan derajat keanggotaan tertentu. Untuk menggunakan teknik ini, biasanya sudah ditentukan jumlah cluster dalam keseluruhan data. Keluaran FCM ini bukan merupakan fuzzy inference system, namun merupakan deretan pusat cluster dan beberapa derajat keanggotaan untuk tiap-tiap data. Informasi ini dapat digunakan untuk membangun fuzzy inference system awal, terutama dalam mendefinisikan fungsi keanggotaan untuk merepresentasikan nilai fuzzy dari tiap cluster. Karena data yang akan dicluster jumlahnya sangat banyak, maka pada pembangunan logika fuzzy ini, pengelompokan data menggunakan metode fuzzy cluster means dilakukan dengan 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

Setelah permodelan menggunakan logika fuzzy didapatkan, langkah selanjutnya adalah validasi atau pengujian. Pengujian dilakukan untuk mengetahui apakah perancangan perancangan model prediksi cuaca yang dibuat telah sesuai dengan tujuan yang ingin dicapai. Pengujian ini dilakukan untuk keperluan analisa. Data prediksi hasil model logika fuzzy di validasi dengan data actual dari BMKG, dengan cara mencocokkan hasil keluaran dengan data actual. Data yang divalidasi adalah data rata- rata perhari. Apabila hasil keluaran sesuai dengan variabel linguistic data actual, maka prediksi pada hari tersebut bernilai tepat. 4.8 Pembuatan Software Prediktor Setelah mendapatkan permodelan dan telah diuji validitasnya, maka dilakukan pembuatan software yang digunakan sebagai simulator. Pembuatan software ini menggunakan GUIDE MATLAB 7.8. Software prediktor ini terdiri atas variabel- variabel yang mempengaruhi fungsi keluaran seperti suhu, tekanan, kelembaban, dan kecepatan angin. Dengan hasil keluaran berupa hasil prediksi hujan dan prediksi kecepatan angin baik dalam bentuk numeric maupun linguistic, serta rekomendasi apakah cuaca tersebut layak untuk dilakukan penerbangan. IV PEMBAHASAN Pada pembuatan prediksi cuaca berbasis logika fuzzy ini digunakan variabel masukan dan variabel keluaran yang digunakan untuk membangun logika fuzzy untuk pembangunan logika fuzzy. Variabel masukan untuk rekomendasi penerbangan yang digunakan dalam pembangunan logika fuzzy ini meliputi kondisi actual kecepatan angin knot, suhu C, kelembaban dan tekanan udara mb. Data yang digunakan untuk permodelan menggunakan data selama satu tahun, dimulai dari maret 2010 hingga februari 2011 di titik pengamatan 00º 92’ LU - 104º 53’ BT. Data yang digunakan berupa data rata-rata harian yang didapatkan dari stasiun meteorologi Kelas III Tanjungpinang.

4.1 Penerapan Konsep Logika Fuzzy