T1 682009069 Full text

Visualisasi Informasi Wilayah Resiko Banjir

Berdasarkan Data Iklim Dengan Metode Fuzzy

(Studi Kasus Kabupaten Semarang)

Artikel Ilmiah

Peneliti :

Anderias Cornelys Nomleni (682009069) Dr. Sri Yulianto Joko Prasetyo, S.Si., M.Kom

.

Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Kristen SatyaWacana

Salatiga Juli 2016

i

Visualisasi Informasi Wilayah Resiko Banjir

Berdasarkan Data Iklim Dengan Metode Fuzzy

(Studi Kasus Kabupaten Semarang)

Artikel Ilmiah

Diajukan Kepada Fakultas Teknologi Informasi Untuk Memperoleh Gelar Sarjana Sistem Informasi

Peneliti :

Anderias Cornelys Nomleni (682009069) Dr. Sri Yulianto Joko Prasetyo, S.Si., M.Kom

.

Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Kristen SatyaWacana

Salatiga Juli 2016

1

1. Pendahuluan

Bencana merupakan suatu peristiwa alam atau lingkungan buatan manusia yang berpotensial merugikan kehidupan manusia harta, benda, atau aktivitas manusia [1]. Bencana alam (natural disaster) yang melanda suatu daerah dapat mengakibatkan terganggunya ketenangan dan pola hidup manusia, salah satu bencana alam yang hampir sering terjadi diberbagai belahan dunia adalah banjir.

Bencana banjir merupakan aspek interaksi antara manusia dengan alam yang timbul dari proses dimana manusia mencoba menggunakan alam yang bermanfaat dan menghindari alam yang merugikan manusia [2].

Indonesia merupakan salah satu Negara yang rentan terhadap bencana banjir, hal ini disebabkan kondisi wilayah serta kondisi geografis di indonesia yang rentan terhadap perubahan iklim, hal ini menjadi indikasi pemasalahan yang terjadi setiap tahun di berbagai wilayah Indonesia. Curah hujan sangat dipengaruhi oleh faktor iklim, maka debit aliran sungai akan mengikuti keadaan iklim (musim) yang berubah-ubah menurut waktu [3], setiap daerah memiliki tingkat terjadinya bencana banjir yang berbeda, hal-hal yang mempengaruhi terjadinya banjir di berbagai daerah antara lain perubahan iklim global yang menyebabkan tingginya curah hujan pada suatu Daerah Aliran Sungai (DAS), kondisi topografi yang memungkinkan terjadinya genangan air akibat elevasi wilayah tersebut berada di bawah elevasi muka air sungai, serta faktor lain dari manusia yang membuang sampah ke sungai yang menyebabkan terhambatnya aliran sungai akibat sampah.

Kabupaten semarang merupakan wilayah bagian utara provinsi jawa tengah, dan berada di sebelah selatan ibukota provinsi jawa tengah (kota semarang), luas wilayah kabupaten semarang seluruhnya kurang lebih 950,21 KM2, yang terbagi dalam 19 kecamatan dan 236 desa/kelurahan, suhu udara rata-rata kabupaten semarang bias dikatakan relative sejuk, hal ini memungkinkan karena jika ditiliki berdsarkan ketinggian wilayah dari permukaan laut, kabupaten semarang berada pada ketinggian 318 meter dpl hingga 1450 dpl.

Pada penelitian ini dilakukan pemetaan wilayah banjir berdasarkan data iklim guna mengetahui daerah yang memiliki kemungkinan terbesar untuk terjadinya banjir sehingga data tentang tingkat curah hujan yang tinggi dan daerah yang berpotensi banjir dapat dikelompokkan kedalam suatu tingkatan yang berpotensi banjir ataupun tingkat terjadinya banjir yang relatif sedang hingga kecil, wilayah kabupaten semarang dipilih karena memiliki potensi banjir cukup tinggi, penentuan tingkat kerentanan banjir dilakukan dengan menggunakan metode logika fuzzy tsukamoto dengan curah hujan, tinggi tempat, serta lamanya hari hujan sebagai acuan. penggunaan metode logika fuzzy tsukamoto dipilih karena memiliki peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi ciri utama dalam penalaran logika dengan logika fuzzy tersebut [4]. Salah satu cara untuk mencegah timbulnya korban jiwa serta korban materi yang lebih banyak akibat banjir adalah dengan mengetahui terlebih dahulu tingkat terjadinya banjir di suatu daerah sehingga dapat dilakukan tindakan pencegahan dengan memberikan peringatan akan adanya bahaya potensi banjir pada daerah tersebut.

2

2. Tinjauan Pustaka

Penggunaan logika fuzzy dipilih karena memberi ruang dan bahkan mengeksploitasi toleransi terhadap ketidakpresisian seperti penelitian yang

berjudul “Prediksi Curah Hujan menggunakan Fuzzy logic” menuliskan, kepulauan maritime Indonesia yang berada di wilayah tropik memiliki curah hujan tahunan yang tinggi, curah hujan semakin tinggi di daerah pegunungan. Curah hujan yang tinggi di wilayah tropik pada umumnya dihasilkan dari proses konveksi dan pembentukan awan hujan panas. Pada dasarnya curah hujan dihasilkan dari gerakan massa udara lembab keatas.

Penggunaan Fuzzy Tsukamoto pada penelitian yang berjudul “Investigasi Daerah Rawan Banjir Di Kota Surabaya Dengan Menggunakan Metode Fuzzy”

menghasilkan sebuah aplikasi guna mengantisipasi kemungkinan terjadinya banjir, penggunaan fuzzy berperan penting dalam menentukan nilai value parameter yang digunakan sehingga menghasilkan informasi tentang kerawanan banjir.

Penggunaan Fuzzy Tsukamoto pada penelitian yang berjudul “Studi Inferensi Fuzzy Tsukamoto Untuk Penentuan Faktor Pembebanan Trafo PLN” menghasilkan sebuah solusi guna memelihara trafo PLN sehingga pemeliharaan trafo dapat berjalan dengan baik dan menghemat biaya pemeliharaan, penggunaan metode defuzzifikasi aturan Tsukamoto pada sistem pakar trafo PLN sangat bergantung dari perancangan fungsi keanggotaan dan basis aturan fuzzy yang digunakan.

Konsep fuzzy logic diperkenalkan oleh Prof. Lotfi Zadeh dari universitas California di Berkeley pada tahun 1965, secara umum fuzzy logic adalah sebuah metodologi berhitung dengn variable kata-kata (linguistic variable), sebagai pengganti berhitung dengan bilangan [7]. Penggunan Fuzzy logic merupakan konsep yang sempurna yang biasa dipakai untuk memecahkan semua masalah. Fuzzifikasi merupakan suatu proses pengubahan himpunan non fuzzy (crisp) kedalam himpunan fuzzy, masukan bukan fuzzy (crisp) dipetakan kedalam bentuk himpunan fuzzy sesuai dengn variasi semesta pembicaraan masukan. Fungsi keanggotaan (membership function) adalah komponen yang penting. Sedangkan perbedaan pada penelitian yang dilakukan adalah membahas tentang pembagian wilayah beresiko banjir serta penggunaan logika Fuzzy Tsukamoto dalam pengolahan data yang terdiri dari curah hujan, tinggi daerah, dan lama hari hujan. Metode Tsukamoto mengaplikasikan penalaran monoton pada setiap aturannya. Kalau pada penalaran monoton, sistem hanya memiliki satu aturan, pada metode tsukamoto, sistem terdiri atas beberapa aturan. Karena menggunakan konsep dasar penalaran monoton, pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus dipresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang menoton. Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Proses agregasi antar aturan dilakukan, dan hasil akhirnya diperoleh dengan menggunakan defuzzy konsep rata-rata berbobot.

Misalkan ada variable masukan, yaitu x dan y, serta satu variable keluaran yaitu Z. Variabel x terbagi atas 2 himpunan yaitu A1dan A2, variabel y terbagi atas

3

2 himpunan yaitu B1 dan B2, sedangkan 2 variabel keluaran Z terbagi atas 2

himpunan yaitu C1 dan C2 . Tentu saja himpunan C1 dan C2 harus merupakan

himpunan yang bersifat monoton. Diberikan 2 aturan sebagai berikut : IF x is A1 and y is B2 THEN z is C1

IF x is A2 and y is B1 THEN z is C2

Diagram blok proses inferensi dengan metode Tsukamoto (Jang, 1997) dapat dilihat pada gambar 1

Gambar 1. Inferensi menggunakan metode Tsukamoto (Jang, 1997)

-predikat untuk aturan pertama dan kedua, masing-masing adalah 1 dan 2. Dengan menggunakan penalaran monoton, diperoleh nilai Z1 pada aturan

pertama, dan Z2 pada aturan kedua. Terakhir dengan menggunakan aturan

terbobot, diperoleh hasil akhir dengan formula sebagai berikut :

Berdasarkan kriteria Integral Square Error (ISE), Integral Time Square Error (ITSE), Integral Absolute Error (IAE) dan Integral Time Absolute Error (ITAE) yang terdapat pada indeks performansi kesalahan, fungsi keanggotaan tipe segitiga menghasilkan sistem respon yang lebih optimal jika dibandingkan dengan tipe-tipe yang lain yaitu dengan ditandai oleh nilai indeks performansi kesalahan minimal [9]

Google menyediakan layanan API (Application Programming Interface) yang memungkinkan aplikasi client untuk melihat, menyimpan dan memperbaharui data-data peta dalam bentuk Data API Google feed dengan menggunakan model data fitur (letak, garis dan bentuk) dalam peta. Aplikasi ini diberi nama Google Maps API (GMaps API). Peta yang ditampilkan diambil dari layanan Google Maps.

4

3. Metode Penelitian

Penelitian yang dilakukan, diselesaikan melalui tahapan penelitian yang terbagi dalam empat tahapan, yaitu: 1) Analisis permasalahan, pengumpulan literatur, dan perumusan masalah; 2) Perancangan sistem; 3) Implementasi dan pengujian sistem, serta analisis hasil pengujian; dan 4) Penulisan laporan hasil penelitian. Tahapan penelitian tersebut dapat dilihat pada gambar 2.

Gambar 2. Tahapan Peneltian []

Gambar 2. Tahapan Penelitian[10]

Tahapan penelitian pada gambar 2, dapat dijelaskan sebagai berikut :

Tahap pertama: analisis permasalahan, pengumpulan literatur, dan perumusan masalah. Pada tahap ini dilakukan penetapan permasalahan yaitu pernyataan yang bersifat umum terhadap permasalahan yang akan diamati. Misalnya bagaimana menentukan wilayah yang beresiko banjir di kabupaten semarang menggunakan logika fuzzy tsukamoto serta penggunaan Gmaps.API. Langkah selanjutnya pada tahap ini yaitu melakukan pencarian dan pengumpulan literatur yang terkait dengan permasalahan baik berupa buku, artikel, majalah, jurnal, dan situs internet, data-data yang didapat diambil berdasarkan buku

“Kabupaten Semarang Dalam Angka” yang ada di BPS kabupaten semarang,

penggunaannya diambil dari tahun 2009-2015 dan informasi tambaha juga didapat dari BPBD atau Badan Penanggulangan Bencana Daerah berupa buku yang berjudul Pemantauan dan Penyebarluasan Informasi Potensi Bencana Alam Kabupaten Semarang. Bahan dan data yang didapatkan dari literatur tersebut dapat dimanfaatkan untuk mengembangkan penelitian untuk mengatasi permasalahan yang terkait. Langkah selanjutnya pada tahap ini yaitu perumusan masalah, yaitu menguraikan permasalahan beserta solusi yang dapat membantu mengatasi permasalahan tersebut.

Tahap kedua: Desain, tahap penerjemahan dari data yang dianalisis ke dalam bentuk yang mudah dimengerti oleh pengguna, desain harus

Perancangan Sistem meliputi Metode Perancangan Sistem (Metode Prototype), Model Perancangan Sistem (UML),

Perancangan Antarmuka.

AnalisisPermasalahan, Pengumpulan Literatur, dan Perumusan Masalah

Implementasi dan Pengujian Sistem, serta Analisis Hasil Pengujian

5

didokumentasikan dengan baik dan menjadi bagian konfigurasi perangkat lunak. Model perancangan sistem menggunakan diagram Unified Modelling Language (UML) misalnya perancangan use case diagram, activity diagram, sequence diagram, dan class diagram.Perancangan antarmuka yaitu merancang tampilan antarmuka dari sistem yang berfungsi sebagai penghubung interaksi antara pengguna dengan sistem.

Tahap ketiga: implementasi dan pengujian sistem, serta analisis hasil pengujian, yaitu mengimplementasikan aplikasi yang sudah dibuat kemudian dilakukan pengujian alfa dan beta. Pada pengujian alfa dilakukan analisis apakah aplikasi SIG yang telah dibuat sudah sesuai dengan yang diharapkan atau tidak, jika belum sesuai maka akan dilakukan perbaikan. Sedangkan pada pengujian beta dilakukan analisis apakah aplikasi dapat menyelesaikan permasalahan atau tidak..

Tahap keempat, penulisan laporan hasil penelitian, yaitu mendokumentasikan proses penelitian yang sudah dilakukan dari tahap awal hingga akhir ke dalam tulisan, yang nantinya akan menjadi laporan hasil penelitian.

Sistem aplikasi dirancang dengan menggunakan UML (Unified Modelling Language). Use case diagram mendeskripsikan rangkaian kegiatan yang dijalankan oleh aplikasi dan menggambarkan hubungan antara masing-masing aktor dengan setiap proses yang digambarkan melalui setiap use case. Setiap use case menggambarkan sebuah proses yang terdapat dalam sistem yang akan dikembangkan. Use case diagram pada penelitian ini dapat dilihat pada Gambar 3.

6

4.

Hasil dan Pembahasan

Algoritma yang digunakan dalam sistem ini adalah logika fuzzy tsukamoto, logika fuzzy tsukamoto digunakan unutk menentukan wilayah resiko banjir pada kabupaten semarang. Indikator atau komponen yang digunakan adalah curah hujan, hari hujan, dan ketinggian tempat. Pembentukan himpunan fuzzy dapat dilihat dari penentuan variabel dan semesta pembicaraan pada tabel 1 yang diketahui terdiri dari tiga variabel input yaitu curah hujan, hari hujan, dan tinggi tempat untuk menetukan kerentanan potensi banjir. Setiap varibel input dibagi menjadi dua atau lebih himpunan fuzzy. Himpunan fuzzy digunakan untuk mewakili kondisi tertentu dalam suatu variabel fuzzy. Dari setiap himpunan fuzzy yang terbentuk masing-masing mempunyai domain yang nilainya terdapat dalam semesta pembicara. Untuk lebih jelasnya dapat dilihat pada tabel 1 berikut :

Tabel 1. Himpunan fuzzy

Himpunan Fuzzy

Fungsi Nama variabel Nama Himpunan Fuzzy Semesta Pembicaraan Domain

Input

Curah Hujan

Rendah

348-5234

348-2791

Sedang 1569,5-3401,75

Tingggi 2791-5234

Hari Hujan

Rendah

24-226

24-125

Sedang 74,5-150,25

Tingggi 125-226

Tinggi Tempat Rendah 318-1450 318-884

Tingggi 1167-1450

Setelah pembentukan himpunan fuzzy, langkah selanjutnya adalah pembentukan fungsi keanggotaan. Fungsi keanggotaan merupakan pemetaan titik input data dalam himpunan fuzzy kedalam nilai atau derajat keanggotaannya yang memiliki interval dari 0 hingga 1. Penggunaan fungsi keanggotaaan curah hujan, hari hujan, dan tinggi tempat ditunjukkan pada persamaan dibawah :

Fungsi keanggotaan untuk curah hujan rendah ditunjukkan pada persamaan 1.

_ch Rendah [P]

{

, 348 ≤ P ≤ 2791 (1)

Fungsi keanggotaan untuk curah hujan sedang ditunjukkan pada persamaan 2

_ch Sedang [P] {

7

Fungsi keanggotaan untuk curah hujan tinggi ditunjukkan pada persamaan 3

_ch Tinggi [P] {

(3)

Fungsi keanggotaan hari hujan. Domain himpunan fuzzy terdiri dari rendah (24-125), sedang (74.5-150.25), tinggi (125-226)

Fungsi keanggotaan untuk hari hujan rendah ditunjukkan pada persamaan 4

_hh Rendah [r] {

,

28 ≤ r ≤ 125 (4)

r ≤ 125

Fungsi keanggotaan hari hujan sedang ditunjukkan pada persamaan 5

hh Sedang [P]

{

(5)

Fungsi keanggotaan hari hujan tinggi ditunjukkan pada persamaan 6

_hh Tinggi [P] {

(6)

Fungsi keanggotaan tinggi tempat. Domain himpunan fuzzy terdiri dari rendah (318-884), dan tinggi (1167-1450).

Fungsi keanggotaan untuk tinggi tempat rendah ditunjukkan pada persamaan 7

tt Rendah [q] {

–

8

Fungsi Keanggotaan untuk tinggi tempat tinggi ditunjukkan pada persamaan 8

_ch Tinggi [q] {

, 1167 ≤ q ≤ 1450 (8)

q ≤ 1167

Fungsi keanggotaan potensi banjir. Domain himpunan fuzzy terdiri dari rendah (1), sedang (1.5), dan tinggi (3).

Fungsi Keanggotaan untuk potensi banjir rendah ditunjukkan pada persamaan 9

_pb Rendah [s] {

(9)

Fungsi Keanggotaan untuk potensi banjir sedang ditunjukkan pada persamaan 10

pb Sedang [s]

{ (10)

Fungsi Keanggotaan untuk potensi banjir tinggi ditunjukkan pada persamaan 11

pb Tinggi [s] {

9

Hasil pembahasan web dapat dilihat pada gambar 4, dibawah ini :

Gambar 4. Tampilan web.

Hasil pemetaan kabupaten semarang dapat dilihat pada gambar 4.1 di bawah ini :

Gambar 4.1 Tampilan peta kabupaten semarang

Pada Gambar 4 dan 4.1 menjelaskan gambaran web yang digunakan dalam menampilkan peta kabupaten semarang, hasil yang ditampilkan yaitu seluruh kecamamtan yang ada di kabupaten semarang dalam bentuk peta menggunakan Gmaps dari google, dengan menggunakan API BirdTheme yang merupakan salah satu aplikasi pendukung dari google, peta dapat dimunculkan setelah terlebih dahulu melalui proses rendering yang kemudian hasil rendering tersebut dirubah menjadi data dalam bentuk javascript yang kemudian data dimasukan kedalam database guna menampilkan peta-peta tersebut.

Informasi tampilan peta salah satu kecamatan yang terdapat di web dapat dilihat pada gambar 4.2 di bawah ini :

10

.

Gambar 4.2 Tampilan salah satu kecamatan.

Gambar 4.2 menjelaskan tentang fitur yang ada pada web pemetaan kabupaten semarang dimana pengguna dapat mengetahui informasi yang ada pada suatu daerah yang terdiri dari tinggi tempat, curah hujan, hari hujan, dan tingkat kerentanan banjir, dengan memilih daerah yang ingin diketahui.

Perhitungan fuzzy di dalam web akan dijelaskan pada gambar 4.3 dan 4.4 dibawah ini :

11

Gambar 4.4 Perhitungan fuzzy 2.

Dalam gambar 4.3 dan 4.4 tentang perhitungan fuzzy yang dibentuk dalam sebuah tabel yang akan dinyatakan dalam pernyataan JIKA-MAKA, pengguna harus memasuki laman administrator dimana harus menggunakan username dan password untuk mengakses laman tersebut, dalam halaman ini terdapat informasi yang berisi data tahunan 5 series dari setiap kabupaten yang ada di kabupaten semarang serta informasi tingkat kerentanan banjir disetiap kabupaten, data-data ini yang digunakan untuk mengetahui tingkat kerentanan banjir di tiap kabupaten, data-data tersebut terdiri dari tinggi tempat, curah hujan dan hari hujan yang kemudian akan menentukan tingkat kerentanan yang dibagi dalam 3 kategori yaitu tinggi, sedang, dan rendah, guna mendapat hasil tingkat kerentanan terdapat pengujian alfa dan variabel Z yang nantinya akan menghasilkan tingkat kerentanan banjir pada suatu daerah.

5.

Kesimpulan

Berdasarkan hasil pengujian yang telah dilakukan metode logika fuzzy tsukamoto dapat digunakan dalam sebagai metode dalam melakukan pemetaan wilayah banjir di kabupaten semarang.

Penggunaan data series 5 tahunan dalam melakukan penentuan wilayah banjir terbukti efektif sehingga pengambilan tindakan dapat dilakukan guna mencegah terjadinya kerugian yang lebih besar di masa mendatang.

Nilai kesalahan yang dilakukan dalam menentukan wilayah banjir relatif kecil, berdsarkan table uji penentuan wilayah banjir data masukan parameter-parameter penentuan wilayah banjir dinyatakan sebagai nilai tegas (crisp).

Penggunaan Gmaps.API memudahkan dalam pembentukan peta, sehingga hasil yang didapat lebih up to date karena penggunaan peta yang lebih modern.

12

6.

Daftar Pustaka

[1]. Harta, M., Sri. 2009. Pemetaan Resiko Bencana Banjir Diwilayah Gresik Utara. Tugas Akhir. Jurusan Perencanan Wilayah dan Kota. Institut Teknologi Sepuluh Novermber. Surabaya. Tidak Dipublikasikan.

[2]. Suwadi. 1999. Identifikasi dan Pemetaan Kawasan Rawan Banjir disebagian Kotamadya Semarang Dengan Menggunakan Sistem Informasi Geografi. Tesis. Program Pascasarjana.Institut Pertanian Bogor. Bogor.

[3]. Seyhan, E.2001.Dasar-dasar Hidrologi.Yogyakarta.Gadjah Mada University.Press

[4]. Sri Kusumadewi, 2003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta

[5]. Thamrin, Fanoeel, Eko Sediyono, Suhartono, 2012, Studi Inferensi Fuzzy Tsukamoto Untuk Penentuan Faktor Pembebanan Trafo PLN, Jurnal Sistem Informasi Bisnis, 01.

[6]. Winardo, Arya Bima, Arna Fariza, Yuliana Setiowati, Investigasi Daerah Rawan Banjir Di Kota Surabaya Dengan Menggunakan Metode Fuzzy

[7]. N. Agus, 2009, Belajar Cepat Fuzzy Logic Menggunakan Matlab, Penerbit : Andi, Yogyakarta.

[8]. Jang, J-S, R, Chuen-Tsai Sun, 1995, Neuro-Fuzzy Modeling And Control, Proceedings Of The IEEE, Vol. 83, No. 3, March.

[9]. Suratno, 2011, Pengaruh Perbedaan Tipe Fungsi Keanggotaan Pada Pengendali Logika Fuzzy Terhadap Tanggapan Waktu Sistem Orde Dua Secara Umum, Semarang : Teknik Elektro, Universitas Diponegoro. [10]. Hasibuan, Zainal, A., 2007, Metodologi Penelitian Pada Bidang Ilmu

Komputer Dan Teknologi Informasi : Konsep, Teknik, dan Aplikasi, Jakarta: Ilmu Komputer Universitas Indonesia.

[11]. Kusumadewi, Sri, Sri Hartati, Agus Harjoko, dkk.2006. Fuzzy Multi-Attribute Decission Making (Fuzzy MADM).Yogyakarta: Graha Ilmu.

[12]. Kusumadewi, S., Purnomo. H. 2010. Aplikasi Fuzzy Logic Untuk Pendukung Keputusan. Yogyakarta. Graha Ilmu.

7

Fungsi keanggotaan untuk curah hujan tinggi ditunjukkan pada persamaan 3

_ch Tinggi [P] {

(3)

Fungsi keanggotaan hari hujan. Domain himpunan fuzzy terdiri dari rendah (24-125), sedang (74.5-150.25), tinggi (125-226)

Fungsi keanggotaan untuk hari hujan rendah ditunjukkan pada persamaan 4 _hh Rendah [r] {

,

28 ≤ r ≤ 125 (4)

r ≤ 125

Fungsi keanggotaan hari hujan sedang ditunjukkan pada persamaan 5

hh Sedang [P]

{

(5)

Fungsi keanggotaan hari hujan tinggi ditunjukkan pada persamaan 6

_hh Tinggi [P] {

(6)

Fungsi keanggotaan tinggi tempat. Domain himpunan fuzzy terdiri dari rendah (318-884), dan tinggi (1167-1450).

Fungsi keanggotaan untuk tinggi tempat rendah ditunjukkan pada persamaan 7

tt Rendah [q] {

–

8

Fungsi Keanggotaan untuk tinggi tempat tinggi ditunjukkan pada persamaan 8

_ch Tinggi [q] {

, 1167 ≤ q ≤ 1450 (8)

q ≤ 1167

Fungsi keanggotaan potensi banjir. Domain himpunan fuzzy terdiri dari rendah (1), sedang (1.5), dan tinggi (3).

Fungsi Keanggotaan untuk potensi banjir rendah ditunjukkan pada persamaan 9

_pb Rendah [s] {

(9)

Fungsi Keanggotaan untuk potensi banjir sedang ditunjukkan pada persamaan 10

pb Sedang [s]

{

(10)

Fungsi Keanggotaan untuk potensi banjir tinggi ditunjukkan pada persamaan 11

pb Tinggi [s] {

9

Hasil pembahasan web dapat dilihat pada gambar 4, dibawah ini :

Gambar 4. Tampilan web.

Hasil pemetaan kabupaten semarang dapat dilihat pada gambar 4.1 di bawah ini :

Gambar 4.1 Tampilan peta kabupaten semarang

Pada Gambar 4 dan 4.1 menjelaskan gambaran web yang digunakan dalam menampilkan peta kabupaten semarang, hasil yang ditampilkan yaitu seluruh kecamamtan yang ada di kabupaten semarang dalam bentuk peta menggunakan

Gmaps dari google, dengan menggunakan API BirdTheme yang merupakan salah

satu aplikasi pendukung dari google, peta dapat dimunculkan setelah terlebih dahulu melalui proses rendering yang kemudian hasil rendering tersebut dirubah menjadi data dalam bentuk javascript yang kemudian data dimasukan kedalam database guna menampilkan peta-peta tersebut.

Informasi tampilan peta salah satu kecamatan yang terdapat di web dapat dilihat pada gambar 4.2 di bawah ini :

10

.

Gambar 4.2 Tampilan salah satu kecamatan.

Gambar 4.2 menjelaskan tentang fitur yang ada pada web pemetaan kabupaten semarang dimana pengguna dapat mengetahui informasi yang ada pada suatu daerah yang terdiri dari tinggi tempat, curah hujan, hari hujan, dan tingkat kerentanan banjir, dengan memilih daerah yang ingin diketahui.

Perhitungan fuzzy di dalam web akan dijelaskan pada gambar 4.3 dan 4.4 dibawah ini :

11

Gambar 4.4 Perhitungan fuzzy 2.

Dalam gambar 4.3 dan 4.4 tentang perhitungan fuzzy yang dibentuk dalam sebuah tabel yang akan dinyatakan dalam pernyataan JIKA-MAKA, pengguna harus memasuki laman administrator dimana harus menggunakan username dan password untuk mengakses laman tersebut, dalam halaman ini terdapat informasi yang berisi data tahunan 5 series dari setiap kabupaten yang ada di kabupaten semarang serta informasi tingkat kerentanan banjir disetiap kabupaten, data-data ini yang digunakan untuk mengetahui tingkat kerentanan banjir di tiap kabupaten, data-data tersebut terdiri dari tinggi tempat, curah hujan dan hari hujan yang kemudian akan menentukan tingkat kerentanan yang dibagi dalam 3 kategori yaitu tinggi, sedang, dan rendah, guna mendapat hasil tingkat kerentanan terdapat pengujian alfa dan variabel Z yang nantinya akan menghasilkan tingkat kerentanan banjir pada suatu daerah.

5.

Kesimpulan

Berdasarkan hasil pengujian yang telah dilakukan metode logika fuzzy tsukamoto dapat digunakan dalam sebagai metode dalam melakukan pemetaan wilayah banjir di kabupaten semarang.

Penggunaan data series 5 tahunan dalam melakukan penentuan wilayah banjir terbukti efektif sehingga pengambilan tindakan dapat dilakukan guna mencegah terjadinya kerugian yang lebih besar di masa mendatang.

Nilai kesalahan yang dilakukan dalam menentukan wilayah banjir relatif kecil, berdsarkan table uji penentuan wilayah banjir data masukan parameter-parameter penentuan wilayah banjir dinyatakan sebagai nilai tegas (crisp).

Penggunaan Gmaps.API memudahkan dalam pembentukan peta, sehingga hasil yang didapat lebih up to date karena penggunaan peta yang lebih modern.

12

6.

Daftar Pustaka

[1]. Harta, M., Sri. 2009. Pemetaan Resiko Bencana Banjir Diwilayah Gresik Utara. Tugas Akhir. Jurusan Perencanan Wilayah dan Kota. Institut Teknologi Sepuluh Novermber. Surabaya. Tidak Dipublikasikan.

[2]. Suwadi. 1999. Identifikasi dan Pemetaan Kawasan Rawan Banjir disebagian Kotamadya Semarang Dengan Menggunakan Sistem Informasi Geografi. Tesis. Program Pascasarjana.Institut Pertanian Bogor. Bogor.

[3]. Seyhan, E.2001.Dasar-dasar Hidrologi.Yogyakarta.Gadjah Mada University.Press

[4]. Sri Kusumadewi, 2003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta

[5]. Thamrin, Fanoeel, Eko Sediyono, Suhartono, 2012, Studi Inferensi Fuzzy Tsukamoto Untuk Penentuan Faktor Pembebanan Trafo PLN, Jurnal Sistem Informasi Bisnis, 01.

[6]. Winardo, Arya Bima, Arna Fariza, Yuliana Setiowati, Investigasi Daerah Rawan Banjir Di Kota Surabaya Dengan Menggunakan Metode Fuzzy

[7]. N. Agus, 2009, Belajar Cepat Fuzzy Logic Menggunakan Matlab, Penerbit : Andi, Yogyakarta.

[8]. Jang, J-S, R, Chuen-Tsai Sun, 1995, Neuro-Fuzzy Modeling And Control, Proceedings Of The IEEE, Vol. 83, No. 3, March.

[9]. Suratno, 2011, Pengaruh Perbedaan Tipe Fungsi Keanggotaan Pada Pengendali Logika Fuzzy Terhadap Tanggapan Waktu Sistem Orde Dua Secara Umum, Semarang : Teknik Elektro, Universitas Diponegoro. [10]. Hasibuan, Zainal, A., 2007, Metodologi Penelitian Pada Bidang Ilmu

Komputer Dan Teknologi Informasi : Konsep, Teknik, dan Aplikasi, Jakarta: Ilmu Komputer Universitas Indonesia.

[11]. Kusumadewi, Sri, Sri Hartati, Agus Harjoko, dkk.2006. Fuzzy Multi-Attribute Decission Making (Fuzzy MADM).Yogyakarta: Graha Ilmu.

[12]. Kusumadewi, S., Purnomo. H. 2010. Aplikasi Fuzzy Logic Untuk Pendukung Keputusan. Yogyakarta. Graha Ilmu.