Prediksi Curah Hujan Menggunakan Weighted Evolving Fuzzy Neural Network (WEFuNN)
PREDIKSI CURAH HUJAN MENGGUNAKAN WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFuNN) SKRIPSI NURYULIANA 091402010 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
PREDIKSI CURAH HUJAN MENGGUNAKAN WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFuNN) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi NURYULIANA 091402010 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
PERSETUJUAN
Judul : PREDIKSI CURAH HUJAN MENGGUNAKAN WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFuNN)
Kategori : SKRIPSI Nama : NURYULIANA Nomor Induk Mahasiswa : 091402010 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, 25 Juni 2015
Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dr. Erna Budhiarti Nababan, M.IT M. Fadly Syahputra, B.Sc, M.Sc.IT NIP. - NIP. 19830129 200912 1003 Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, M. Anggia Muchtar, ST., MM.IT.
NIP 19800110 200801 1 010
PERNYATAAN
Prediksi Curah Hujan Menggunakan Weighted Evolving Fuzzy Neural Network (WEFuNN)
SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 25 Juni 2015 Nuryuliana 091402010
PENGHARGAAN
Alhamdulillah, segala puji dan syukur penulis ucapkan atas kehadirat Allah SWT beserta Nabi besar Muhammad SAW yang telah memberikan rahmat, hidayah-Nya, segala daya dan upaya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Program Studi S-1 Teknologi Informasi Universitas Sumatera Utara, Ucapan terima kasih yang sebesar-besarnya penulis sampaikan kepada:
1. Kedua orang tua penulis, orang yang paling berharga dalam hidup penulis, ayahanda Alon Sutarman dan alm. ibunda Mariani yang telah membesarkan, mendidik, memberi dukungan, doa dan motivasi tanpa henti. Serta kepada abang-abang penulis Onggo Supiko dan Muhali Wirangga yang selalu ada membantu penulis dan orang-orang yang berperan sebagai orang tua penulis paklek Aulia, bulek Tumini, bulek Jumpriana, dan om Jentra Sinaga.
2. Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak Muhammad Anggia Muchtar, ST., MM. IT. dan Bapak Muhammad Fadly Syahputra, B.Sc, M.Sc.IT, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi.
3. Bapak Muhammad Fadly Syahputra, B.Sc, M.Sc.IT selaku pembimbing pertama dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku pembimbing kedua, yang telah banyak meluangkan waktunya dan memberikan masukan-masukan yang bermanfaat bagi penulis dalam menyelesaikan skripsi ini.
4. Bapak Muhammad Anggia Muchtar, ST., MM. IT dan Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc yang telah bersedia menjadi dosen pembanding dan memberikan saran-saran yang baik bagi penulis dalam menyelesaikan skripsi ini.
5. Kepada Raisha, Khadijah, Yunisya, Ade, Fanny, Ibnu, Ammar, Reza, Ridzuan, Fadli Rizky, Julia, Hani, Ardiansyah, Fadli Rachman, Dezi, Kurniawan, Yogi yang selalu mendukung, membantu dan memberikan motivasi kepada penulis dalam menyelesaikan skripsi ini. Serta teman-teman yang mendukung dan membantu penulis Donni, Endah, Andika, Fahkrur, Audiary, Ria, Irna dan seluruh teman-teman lainnya yang tidak dapat disebutkan satu persatu.
6. Kepada Ibu Mega, Abang Manaf dan Kak Umi yang selaku bagian tata usaha
Program Studi S1 Teknologi Informasi yang telah membimbing dan membantu penulis dari awal proposal sampai sidang.
Sekali lagi penulis mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang membantu dalam penyelesaian tugas akhir ini yang tidak dapat disebutkan. Terima kasih atas masukan, saran, dan motivasi yang diberikan. Semoga Allah SWT membalas dengan nikmat yang berlimpah.
ABSTRAK
Pada era globalisasi ini, rangkaian aktivitas manusia dituntut untuk memiliki sistem perencanaan yang efektif. Curah hujan sebagai salah satu kondisi cuaca yang dapat mempengaruhi aktifitas manusia memerlukan sistem prediksi yang akurat. Weighted
Evolving Fuzzy Neural Network (WEFuNN) merupakan metode yang memiliki
prinsip mengolah data dengan banyak kemungkinan dirasa sesuai untuk diterapkan pada sistem prediksi curah hujan. Tingkat keakuratan prediksi diukur dengan menggunakan MAPE (Mean Absolute Percentage Error). Hasil prediksi WEFuNN menunjukkan bahwa dengan MAPE untuk curah hujan dari tanggal 1 Januari 2011 s.d.
30 November 2012 menghasilkan nilai rata-rata error sebesar 0.235% dan nilai akurasi sebesar 96.148%. Berdasarkan hasil tersebut, sistem prediksi curah hujan menggunakan WEFuNN dapat dikatakan efisien dikarenakan memiliki tingkat rata- rata error yang sangat rendah dan tingkat akurasi yang tinggi. Kata Kunci : Weighted Evolving Fuzzy Neural Network (WEFuNN), Curah Hujan, Sistem Prediksi
RAINFALL PREDICTION USING WEIGHTED EVOLVING FUZZY
NEURAL NETWORK
ABSTRACT
Nowadays, human activities required an effective design system. One of the weather conditions that can influences human activities and need a good prediction system is rainfall. Weighted Evolving Fuzzy Neural Network (WEFuNN) is a method that can process data with many possibilities is suitable to use in rainfall prediction system. The accuracy of the prediction system is measure using MAPE (Mean Absolute Percentage Error). The result of WEFuNN show that MAPE for the rainfall from
st January 1 2011 until November 30 2012 is 0.235% and the accuracy is 96.148%.
Based on that result, the rainfall prediction system using WEFuNN is efficient cause has lower error level and higher accuracy level. Keyword : Weighted Evolving Fuzzy Neural Network (WEFuNN), Rainfall, Prediction System.
DAFTAR ISI
Hal PERSETUJUAN iii
PERNYATAAN iv
PENGHARGAAN v
ABSTRAK vi
ABSTRACT vii
DAFTAR ISI viii
DAFTAR TABEL Ix
DAFTAR GAMBAR x
BAB 1 PENDAHULUAN
1
1.1
1 Latar Belakang
1.2
3 Rumusan Masalah
1.3
3 Batasan Masalah
1.4
3 Tujuan Penelitian
1.5
3 Manfaat Penelitian
1.6
4 Metodologi Penelitian
1.7
5 Sistematika Penulisan
BAB 2 LANDASAN TEORI
6
2.1
6 Prediksi Curah Hujan
2.2
7 Intensitas Curah Hujan
2.3
8 Logika Fuzzy
2.3.1 Himpunan Fuzzy
9
2.3.2 Fungsi Keanggotaan
9
2.3.3 Sistem Inferensi Fuzzy
14
2.3.3.1 Model Fuzzy Mamdani
15
2.3.3.2 Model Fuzzy Sugeno
16
2.3.3.3 Model Fuzzy Tsukamoto
17
2.4
18 Evolving Connection System (ECOS)
2.5
20 Weighted Evolving Fuzzy Neural Network
2.5.1 Arsitektur Weighted Evolving Fuzzy Neural Network
20
2.5.2 Parameter Weighted Evolving Fuzzy Neural Network
21
2.5.3 Algoritma Weighted Evolving Fuzzy Neural Network
22
2.6 Penelitian Terdahulu
23 BAB 3 ANALISIS DAN PERANCANGAN SISTEM
28
3.1
28 Data Yang Digunakan
3.2
31 Analisis Sistem
3.2.1 Analisis Masalah
31
3.2.2 Analisis Perancangan Sistem
31
3.2.3 Arsitektur Umum
36
3.2.4 Diagram Aktivitas
37
3.3
42 Perancangan Sistem
42
3.3.1 Rancangan Form Login
3.3.2
43 Rancangan Menu Utama
3.3.2.1 Rancangan Form Hasil Prediksi
43
3.3.2.2 Rancangan Form Data Klimatologi
44
45
3.3.3 Rancangan Form Laporan Data Prediksi
3.3.4
45 Rancangan Form Laporan Data Klimatologi
3.3.5
46 Rancangan Form Grafik
BAB 4 IMPLEMENTASI DAN PENGUJIAN
47
4.1
47 Implementasi Sistem
4.1.1
47 Spesifikasi Perangkat Lunak dan Perangkat Keras
4.1.2
48 Implementasi Perancangan Antarmuka Sistem
4.1.3
51 Implementasi Data
4.2
52 Pengujian Sistem
4.2.1
53 Rencana Pengujian Sistem
4.2.2
54 Hasil Pengujian Sistem
4.2.3
58 Pengujian Kinerja Sistem
4.2.4
63 Pelatihan Data
4.2.5
64 Pengujian Data
BAB 5 KESIMPULAN DAN SARAN
66
5.1
66 Kesimpulan
5.2
66 Saran DAFTAR PUSTAKA
67
DAFTAR TABEL
59 Tabel 4.5 Nilai Normalisasi Curah Hujan
63 Tabel 4.11 Pengujian Tingkat Akurasi Prediksi
62 Tabel 4.10 Parameter dan Hasil Pengujian Data Curah Hujan
61 Tabel 4.9 Hasil Pengujian Sistem Untuk Data Curah Hujan
60 Tabel 4.8 Hasil Denormalisasi
60 Tabel 4.7 Hasil Prediksi Curah Hujan
59 Tabel 4.6 Nilai Fuzzy Input dan Fuzzy Output
54 Tabel 4.4 Data Curah Hujan
Hal
53 Tabel 4.3 Hasil Pengujian
52 Tabel 4.2 Rencan Pengujian
30 Tabel 4.1 Rangkuman Data Curah Hujan
25 Tabel 3.1 Rangkuman Data Curah Hujan
8 Tabel 2.3 Penelitian terdahulu
8 Tabel 2.2 Ukuran, massa dan kecepatan jatuh butir hujan
Tabel 2.1 Keadaan curah hujan dan intensitas curah hujan65
DAFTAR GAMBAR
19 Gambar 2.15 Arsitektur WEFuNN
43 Gambar 3.13 Rancangan Form Data Klimatologi
42 Gambar 3.12 Rancangan Form Hasil Prediksi
41 Gambar 3.11 Rancangan Form Login
41 Gambar 3.10 Diagram Aktivitas Laporan Grafik
40 Gambar 3.9 Diagram Aktivitas Laporan Data Klimatologi
40 Gambar 3.8 Diagram Aktivitas Laporan Hasil Prediksi
39 Gambar 3.7 Diagram Aktivitas untuk Pengaturan Parameter Prediksi
38 Gambar 3.6 Diagram Aktivitas untuk Pengaturan Data Klimatologi
37 Gambar 3.5 Diagram Aktivitas Prediksi Curah Hujan
36 Gambar 3.4 Diagram Aktivitas Untuk Login
34 Gambar 3.3 Arsitektur Umum
32 Gambar 3.2 Himpunan Fuzzy untuk Data Curah Hujan
20 Gambar 3.1 Algoritma WEFuNN untuk Prediksi Curah Hujan
17 Gambar 2.14 Proses Interaksi ECOS
Hal
17 Gambar 2.13 Sistem Inferensi Fuzzy Tsukamoto
16 Gambar 2.12 Sistem inferensi Fuzzy Sugeno
15 Gambar 2.11 Defuzzifikasi dari sistem inferensi fuzzy mamdani
15 Gambar 2.10 Sistem Inferensi Fuzzy Mamdani
13 Gambar 2.9 Fuzzy Inference System
13 Gambar 2.8 Himpunan fuzzy untuk Kurva Trapesium
12 Gambar 2.7 Kurva Trapesium
12 Gambar 2.6 Himpunan fuzzy untuk Kurva Segitiga
11 Gambar 2.5 Kurva Segitiga
11 Gambar 2.4 Himpunan Fuzzy untuk Temperature Turun
10 Gambar 2.3 Representasi Linear Turun
10 Gambar 2.2 Himpunan Fuzzy untuk Temperature Naik
Gambar 2.1 Representasi Linear Naik44
Gambar 3.14 Rancangan Form Laporan Data Prediksi45 Gambar 3.15 Rancangan Form Laporan Data Klimatologi
46 Gambar 3.16 Rancangan Form Grafik
46 Gambar 4.1 Tampilan Login
48 Gambar 4.2 Tampilan Cetak
49 Gambar 4.3 Tampilan Data Prediksi Curah Hujan
49 Gambar 4.4 Tampilan Data Klimatologi
50 Gambar 4.5 Form Tambah
50 Gambar 4.6 Tampilan Grafik
51 Gambar 4.7 Grafik Hasil Prediksi
61 Gambar 4.8 Grafik Hasil Pelatihan (Rule Node)
64 Gambar 4.9 Grafik Hasil Pelatihan (Error)
64 Gambar 4.10 Grafik Hasil Pengujian
65