Prediksi Banjir Dengan Mengunakan Weighted Evolving Fuzzy Neural Network (WEFUNN)
PREDIKSI BANJIR DENGAN MENGUNAKAN WEIGHTED EVOLVING
FUZZY NEURAL NETWORK (WEFUNN)
SKRIPSI
REZA ELFANDRA SIREGAR
091402098
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
PREDIKSI BANJIR DENGAN MENGGUNAKAN WEIGHTED EVOLVING FUZZY
NEURAL NETWORK (WEFUNN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana
Teknologi Informasi
REZA ELFANDRA SIREGAR
091402098
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: PREDIKSI BANJIR DENGAN MENGGUNAKAN
WEIGHTED EVOLVING FUZZY NEURAL
NETWORK (WEFUNN)
Kategori
: SKRIPSI
Nama
: REZA ELFANDRA SIREGAR
Nomor Induk Mahasiswa
: 091402098
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS
SUMATERA UTARA
Diluluskan di
Medan, Juni 2014
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Erna Budhiarti Nababan, MIT
NIP
M. Fadly Syahputra, B.Sc, M.Sc.IT
NIP 19830129 200912 1 003
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST.MM.IT
NIP 1980010 200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
PREDIKSI BANJIR DENGAN 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, Juni 2014
Reza Elfandra Siregar
091402098
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan
rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai
syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1
Teknologi Informasi Universitas Sumatera Utara.
1. Ucapan terima kasih penulis sampaikan kepada Bapak Muhammad Fadly
Syahputra, B.Sc, M.Sc.IT. selaku pembimbing satu dan Ibu Dr. Erna Budhiarti
Nababan, MIT selaku pembimbing dua yang telah banyak meluangkan waktu,
pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
2. Ucapan terima kasih juga ditujukan kepada Bapak Romi Fadillah Rahmat,
B.Comp.Sc, M.Sc dan Ibu Sarah Purnamawati, S.T, M.Sc yang telah bersedia
menjadi dosen pembanding.
3. Ucapan terima kasih juga ditujukan kepada 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.
4. Skripsi ini terutama penulis persembahkan untuk Orang tua dan keluarga penulis
yang telah memberikan dukungan dan motivasi, ibunda Hj Elfiani Munir yang
selalu menjadi panutan dan memberikan semangat kepada penulis. Untuk abang
penulis Dodi Alfan Siregar dan kakak penulis Erin Padilla Siregar yang selalu
memberikan dorongan semangat kepada penulis.
5. Terima kasih penulis ucapkan kepada teman-teman yang selalu memberikan
dukungan, Alvin, Ridzuan, Ammar, Ade, Ibnu, Fadli, Iqbal, seluruh angkatan
09, teman-teman di lantai 3, serta teman-teman mahasiswa Teknologi Informasi
lainnya yang tidak dapat penulis sebutkan satu persatu. Semoga Allah SWT
membalas kebaikan kalian dengan nikamat yang berlimpah.
Universitas Sumatera Utara
v
ABSTRAK
Banjir merupakan salah satu bencana alam yang sangat merugikan masyarakat. Oleh
karena itu, diperlukan suatu pendekatan untuk dapat memprediksi banjir di masa
depan. Data yang digunakan adalah data dari data tinggi permukaan air Daerah Aliran
Sungai Asam Kumbang Belawan. Data tersebut berdasarkan data runtun waktu.
Metode Weighted Evolving Fuzzy Neural Network (WEFuNN) merupakan
pengembangan dari metode Evolving Fuzzy Neural Network (EFuNN) yang memiliki
struktur Hybird dari metode Fuzzy Inference System dan Jarigan Syaraf Tiruan dengan
menerapkan prinsip Evolving Connectionist System (ECOS) di dalam jaringan. Hasil
pendekatan nilai sebenarnya dengan mengunakan metode WEFuNN dari tanggal 1
Januari 2011 sampai dengan 31 Desember 2012 menghasilkan tingkat error sebesar
0.23 % dan untuk hasil prediksi pada tanggal 1 Januari 2013 memberikan nilai
keakuratan sebesar ±80 % dari data sebenarnya bersumber dari Direktorat Jendral
Sumber Daya Air Balai Wilayah Sungai Sumatera II.
Kata kunci : weighted evolving fuzzy neural network, evolving fuzzy neural network,
evolving connectionist system, fuzzy inference system, Banjir
Universitas Sumatera Utara
vi
FLOOD PREDICTION USING WEIGHTED EVOLVING
FUZZY NEURAL NETWORK (WEFUNN)
ABSTRACT
Flood is one of the nature disaster that cause many losses in society. Therefore in the
research approach is required to predict nature disaster such as flood in the future..
Data used is water surface level watershed Asam Kumbang Belawan. Data based on
time series. Method weighted evovling fuzzy neural network (WEFuNN) is developed
method from Evolving Fuzzy Neural Network (EFuNN) has a hybird structure from
fuzzy inference system and neural network which is applying principle evolving
connectionist system (ECOS) in the network. for an approach actual data result with
method weighted evovling fuzzy neural network (WEFuNN) from January 1st 2011 to
December 31st 2012 yield of 0,23 % rate error. And for flood prediction result for
January 1st 2013 give an approach yield of ±80 % compare to actual data source form
Direktorat Jendral Sumber Daya Air Balai Wilayah Sungai Sumatera II.
Keyword : weighted evolving fuzzy neural network, evolving fuzzy neural network,
fuzzy, evolving connectionist system, fuzzy inference system, flood.
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal.
ii
ii
iv
v
vi
vii
ix
x
PERSETUJUAN
PERNYATAAN
UCAPAN TERIMA KASIH
ABSTRAK
ABSTRACT
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
BAB 1 PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Penelitian
1.7 Sistematika Penulisan
1
1
3
3
4
4
4
5
BAB 2 LANDASAN TEORI
2.1 Daerah Aliran Sungai (DAS)
2.2 Teknik Peramalan
2.3 Logika Fuzzy
2.3.1 Himpunan fuzzy
2.3.2 Fungsi Keanggotaan fuzzy
2.3.3 Sistem Inferensi fuzzy
2.4 Artifical Neural Network (ANN) / Jaringan Syaraf Tiruan
2.5 Evolving Connection System (ECOS)
2.6 Weighted Evolving Fuzzy Neural Network
2.7 Teknik Prediksi Terdahulu
7
7
9
9
10
10
13
13
14
16
16
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
3.1 Data yang Digunakan
3.2. Metode Penelitian
3.3 Perancangan Sistem
3.3.1 Use case diagram
3.3.2 Use case spesifikasi
3.3.3 Data flow diagram
3.3.4 Perancangan menu sistem
3.3.5 Perancangan tampilan antarmuka
3.3.5.1 Rancangan tampilan halaman Home
3.3.5.2 Rancangan tampilan halaman data tinggi permukaan air
3.3.5.3 Rancangan tampilan halaman prediksi
3.3.5.4 Rancangan tampilan halaman hasil prediksi
3.3.5.5 Rancangan tampilan halaman profil administrator
21
21
22
27
27
28
34
36
36
36
37
38
39
40
Universitas Sumatera Utara
viii
3.3.5.6 Rancangan halaman pengaturan tinggi permukaan air
3.3.5.7 Rancangan tampilan halaman pengaturan Parameter
41
42
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem
4.1.1 Spesifikasi perangkat keras dan perangkat lunak
4.1.2 Implementasi perancangan antarmuka
4.1.3 Implementasi data
4.2 Pengujian Sistem
4.2.1 Rencana pengujian sistem
4.2.2 Kasus dan hasil pengujian sistem
4.2.3 Pengujian kinerja sistem
4.2.4 Data Pelatihan
4.2.5 Data Pengujian
44
44
44
45
51
52
52
53
57
62
68
BAB 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan
5.2 Saran
69
69
69
DAFTAR PUSTAKA
LAMPIRAN KODE PROGRAM
70
73
Universitas Sumatera Utara
ix
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu
Tabel 3.1 Rangkuman Data Tinggi Permukaan Air pada wilayah DAS Asam
Kumbang
Tabel 3.2 Use Case Data Tinggi Permukaan Air
Tabel 3.3 Use Case Prediksi Banjir
Tabel 3.4 Use Case Tutorial Penggunaan Aplikasi
Tabel 3.5 Use Case Profil Administrator
Tabel 3.6 Use Case Pengaturan Data Tinggi Permukaan Air
Tabel 3.7 Use Case Pengaturan Parameter
Tabel 4.1 Rangkuman Data Tinggi Permukaan Air pada wilayah DAS Asam
Kumbang
Tabel 4.2 Rencana Pengujian Sistem
Tabel 4.3 Hasil Pengujian Login
Tabel 4.4 Hasil Pengujian Data Tinggi Permukaan Air
Tabel 4.5 Hasil Pengujian Prediksi
Tabel 4.6 Hasil Pengujian Hasil Prediksi
Tabel 4.7 Hasil Pengujian Profil Administrator
Tabel 4.8 Hasil Pengujian Pengaturan Data Tinggi Permukaan Air
Tabel 4.9 Hasil Pengujian Pengaturan Parameter
Tabel 4.10 Data Tinggi Permukaan Air pada wilayah DAS Asam Kumbang
Tabel 4.11 Nilai Normalisasi
Tabel 4.12 Nilai Member Function Triangle
Tabel 4.13 Nilai Hasil dan Prediksi
Tabel 4.14 Nilai Denormalisasi
Tabel 4.15 Parameter Hasil Prediksi
Hal.
20
21
29
29
30
30
32
33
52
53
53
54
55
55
56
56
57
57
58
58
60
61
63
Universitas Sumatera Utara
x
DAFTAR GAMBAR
Hal.
Gambar 2.1 Macam-macam bentuk DAS (Machairiyah, 2007)
9
Gambar 2.2 Contoh Grafik Himpunan Fuzzy Pada variabel umur(Amiruddin, 2011) 10
Gambar 2.3 Grafik Fungsi Keanggotaan pada Representasi Linear naik (Amiruddin,
2011)
11
Gambar 2.4 Grafik Fungsi Keanggotaan pada Representasi Linear turun (Amiruddin,
2011)
11
Gambar 2.5 Grafik Fungsi Keanggotaan pada Representasi Kurva Segitiga
(Amiruddin, 2011)
12
Gambar 2.6 Grafik Fungsi Keanggotaan pada Representasi Kurva Trapesium
(Amiruddin, 2011)
12
Gambar 2.7 Diagram blok sistem inferensi fuzzy
13
Gambar 2.8 Arsitektur ECOS (kasabov,2007)
16
Gambar 3.1 Grafik Tinggi Permukaan Air
22
Gambar 3.2 Flowchat data training
23
Gambar 3.3 Flowchat data testing
25
Gambar 3.4 Use Case Diagram sistem
27
Gambar 3.5 Diagram Flow Diagram Level 0
34
Gambar 3.6 Diagram Flow Diagram Level 1
35
Gambar 3.7 Struktur Menu Sistem
36
Gambar 3.8 Rancangan tampilan halaman Home
37
Gambar 3.9 Rancangan tampilan halaman data tinggi permukaan air
38
Gambar 3.10 Rancangan tampilan halaman prediksi
39
Gambar 3.11 Rancangan tampilan halaman hasil prediksi
40
Gambar 3.12 Rancangan tampilan halaman profil administrator
41
Gambar 3.13 Rancangan tampilan halaman pengaturan data tinggi permukaan air 42
Gambar 3.14 Rancangan tampilan halaman pengaturan parameter
43
Gambar 4.1 Hasil pengujian halaman home
45
Gambar 4.2 Hasil pengujian halaman data tinggi permukaan air
46
Gambar 4.3 Hasil pengujian halaman prediksi
47
Gambar 4.4 Hasil pengujian halaman hasil prediksi
48
Gambar 4.5 Hasil pengujian halaman profil administrator
49
Gambar 4.6 Hasil pengujian halaman pengaturan data tinggi pengaturan tinggi
permukaan air
50
Gambar 4.7 Hasil pengujian halaman pengaturan parameter
51
Gambar 4.8 Grafik Hasil Pelatihan
62
Gambar 4.9 Grafik Pelatihan nilai error
67
Gambar 4.10 Grafik Hasil Prediksi
68
Universitas Sumatera Utara
FUZZY NEURAL NETWORK (WEFUNN)
SKRIPSI
REZA ELFANDRA SIREGAR
091402098
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
PREDIKSI BANJIR DENGAN MENGGUNAKAN WEIGHTED EVOLVING FUZZY
NEURAL NETWORK (WEFUNN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana
Teknologi Informasi
REZA ELFANDRA SIREGAR
091402098
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: PREDIKSI BANJIR DENGAN MENGGUNAKAN
WEIGHTED EVOLVING FUZZY NEURAL
NETWORK (WEFUNN)
Kategori
: SKRIPSI
Nama
: REZA ELFANDRA SIREGAR
Nomor Induk Mahasiswa
: 091402098
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS
SUMATERA UTARA
Diluluskan di
Medan, Juni 2014
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Erna Budhiarti Nababan, MIT
NIP
M. Fadly Syahputra, B.Sc, M.Sc.IT
NIP 19830129 200912 1 003
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST.MM.IT
NIP 1980010 200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
PREDIKSI BANJIR DENGAN 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, Juni 2014
Reza Elfandra Siregar
091402098
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan
rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai
syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1
Teknologi Informasi Universitas Sumatera Utara.
1. Ucapan terima kasih penulis sampaikan kepada Bapak Muhammad Fadly
Syahputra, B.Sc, M.Sc.IT. selaku pembimbing satu dan Ibu Dr. Erna Budhiarti
Nababan, MIT selaku pembimbing dua yang telah banyak meluangkan waktu,
pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
2. Ucapan terima kasih juga ditujukan kepada Bapak Romi Fadillah Rahmat,
B.Comp.Sc, M.Sc dan Ibu Sarah Purnamawati, S.T, M.Sc yang telah bersedia
menjadi dosen pembanding.
3. Ucapan terima kasih juga ditujukan kepada 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.
4. Skripsi ini terutama penulis persembahkan untuk Orang tua dan keluarga penulis
yang telah memberikan dukungan dan motivasi, ibunda Hj Elfiani Munir yang
selalu menjadi panutan dan memberikan semangat kepada penulis. Untuk abang
penulis Dodi Alfan Siregar dan kakak penulis Erin Padilla Siregar yang selalu
memberikan dorongan semangat kepada penulis.
5. Terima kasih penulis ucapkan kepada teman-teman yang selalu memberikan
dukungan, Alvin, Ridzuan, Ammar, Ade, Ibnu, Fadli, Iqbal, seluruh angkatan
09, teman-teman di lantai 3, serta teman-teman mahasiswa Teknologi Informasi
lainnya yang tidak dapat penulis sebutkan satu persatu. Semoga Allah SWT
membalas kebaikan kalian dengan nikamat yang berlimpah.
Universitas Sumatera Utara
v
ABSTRAK
Banjir merupakan salah satu bencana alam yang sangat merugikan masyarakat. Oleh
karena itu, diperlukan suatu pendekatan untuk dapat memprediksi banjir di masa
depan. Data yang digunakan adalah data dari data tinggi permukaan air Daerah Aliran
Sungai Asam Kumbang Belawan. Data tersebut berdasarkan data runtun waktu.
Metode Weighted Evolving Fuzzy Neural Network (WEFuNN) merupakan
pengembangan dari metode Evolving Fuzzy Neural Network (EFuNN) yang memiliki
struktur Hybird dari metode Fuzzy Inference System dan Jarigan Syaraf Tiruan dengan
menerapkan prinsip Evolving Connectionist System (ECOS) di dalam jaringan. Hasil
pendekatan nilai sebenarnya dengan mengunakan metode WEFuNN dari tanggal 1
Januari 2011 sampai dengan 31 Desember 2012 menghasilkan tingkat error sebesar
0.23 % dan untuk hasil prediksi pada tanggal 1 Januari 2013 memberikan nilai
keakuratan sebesar ±80 % dari data sebenarnya bersumber dari Direktorat Jendral
Sumber Daya Air Balai Wilayah Sungai Sumatera II.
Kata kunci : weighted evolving fuzzy neural network, evolving fuzzy neural network,
evolving connectionist system, fuzzy inference system, Banjir
Universitas Sumatera Utara
vi
FLOOD PREDICTION USING WEIGHTED EVOLVING
FUZZY NEURAL NETWORK (WEFUNN)
ABSTRACT
Flood is one of the nature disaster that cause many losses in society. Therefore in the
research approach is required to predict nature disaster such as flood in the future..
Data used is water surface level watershed Asam Kumbang Belawan. Data based on
time series. Method weighted evovling fuzzy neural network (WEFuNN) is developed
method from Evolving Fuzzy Neural Network (EFuNN) has a hybird structure from
fuzzy inference system and neural network which is applying principle evolving
connectionist system (ECOS) in the network. for an approach actual data result with
method weighted evovling fuzzy neural network (WEFuNN) from January 1st 2011 to
December 31st 2012 yield of 0,23 % rate error. And for flood prediction result for
January 1st 2013 give an approach yield of ±80 % compare to actual data source form
Direktorat Jendral Sumber Daya Air Balai Wilayah Sungai Sumatera II.
Keyword : weighted evolving fuzzy neural network, evolving fuzzy neural network,
fuzzy, evolving connectionist system, fuzzy inference system, flood.
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal.
ii
ii
iv
v
vi
vii
ix
x
PERSETUJUAN
PERNYATAAN
UCAPAN TERIMA KASIH
ABSTRAK
ABSTRACT
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
BAB 1 PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Penelitian
1.7 Sistematika Penulisan
1
1
3
3
4
4
4
5
BAB 2 LANDASAN TEORI
2.1 Daerah Aliran Sungai (DAS)
2.2 Teknik Peramalan
2.3 Logika Fuzzy
2.3.1 Himpunan fuzzy
2.3.2 Fungsi Keanggotaan fuzzy
2.3.3 Sistem Inferensi fuzzy
2.4 Artifical Neural Network (ANN) / Jaringan Syaraf Tiruan
2.5 Evolving Connection System (ECOS)
2.6 Weighted Evolving Fuzzy Neural Network
2.7 Teknik Prediksi Terdahulu
7
7
9
9
10
10
13
13
14
16
16
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
3.1 Data yang Digunakan
3.2. Metode Penelitian
3.3 Perancangan Sistem
3.3.1 Use case diagram
3.3.2 Use case spesifikasi
3.3.3 Data flow diagram
3.3.4 Perancangan menu sistem
3.3.5 Perancangan tampilan antarmuka
3.3.5.1 Rancangan tampilan halaman Home
3.3.5.2 Rancangan tampilan halaman data tinggi permukaan air
3.3.5.3 Rancangan tampilan halaman prediksi
3.3.5.4 Rancangan tampilan halaman hasil prediksi
3.3.5.5 Rancangan tampilan halaman profil administrator
21
21
22
27
27
28
34
36
36
36
37
38
39
40
Universitas Sumatera Utara
viii
3.3.5.6 Rancangan halaman pengaturan tinggi permukaan air
3.3.5.7 Rancangan tampilan halaman pengaturan Parameter
41
42
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem
4.1.1 Spesifikasi perangkat keras dan perangkat lunak
4.1.2 Implementasi perancangan antarmuka
4.1.3 Implementasi data
4.2 Pengujian Sistem
4.2.1 Rencana pengujian sistem
4.2.2 Kasus dan hasil pengujian sistem
4.2.3 Pengujian kinerja sistem
4.2.4 Data Pelatihan
4.2.5 Data Pengujian
44
44
44
45
51
52
52
53
57
62
68
BAB 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan
5.2 Saran
69
69
69
DAFTAR PUSTAKA
LAMPIRAN KODE PROGRAM
70
73
Universitas Sumatera Utara
ix
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu
Tabel 3.1 Rangkuman Data Tinggi Permukaan Air pada wilayah DAS Asam
Kumbang
Tabel 3.2 Use Case Data Tinggi Permukaan Air
Tabel 3.3 Use Case Prediksi Banjir
Tabel 3.4 Use Case Tutorial Penggunaan Aplikasi
Tabel 3.5 Use Case Profil Administrator
Tabel 3.6 Use Case Pengaturan Data Tinggi Permukaan Air
Tabel 3.7 Use Case Pengaturan Parameter
Tabel 4.1 Rangkuman Data Tinggi Permukaan Air pada wilayah DAS Asam
Kumbang
Tabel 4.2 Rencana Pengujian Sistem
Tabel 4.3 Hasil Pengujian Login
Tabel 4.4 Hasil Pengujian Data Tinggi Permukaan Air
Tabel 4.5 Hasil Pengujian Prediksi
Tabel 4.6 Hasil Pengujian Hasil Prediksi
Tabel 4.7 Hasil Pengujian Profil Administrator
Tabel 4.8 Hasil Pengujian Pengaturan Data Tinggi Permukaan Air
Tabel 4.9 Hasil Pengujian Pengaturan Parameter
Tabel 4.10 Data Tinggi Permukaan Air pada wilayah DAS Asam Kumbang
Tabel 4.11 Nilai Normalisasi
Tabel 4.12 Nilai Member Function Triangle
Tabel 4.13 Nilai Hasil dan Prediksi
Tabel 4.14 Nilai Denormalisasi
Tabel 4.15 Parameter Hasil Prediksi
Hal.
20
21
29
29
30
30
32
33
52
53
53
54
55
55
56
56
57
57
58
58
60
61
63
Universitas Sumatera Utara
x
DAFTAR GAMBAR
Hal.
Gambar 2.1 Macam-macam bentuk DAS (Machairiyah, 2007)
9
Gambar 2.2 Contoh Grafik Himpunan Fuzzy Pada variabel umur(Amiruddin, 2011) 10
Gambar 2.3 Grafik Fungsi Keanggotaan pada Representasi Linear naik (Amiruddin,
2011)
11
Gambar 2.4 Grafik Fungsi Keanggotaan pada Representasi Linear turun (Amiruddin,
2011)
11
Gambar 2.5 Grafik Fungsi Keanggotaan pada Representasi Kurva Segitiga
(Amiruddin, 2011)
12
Gambar 2.6 Grafik Fungsi Keanggotaan pada Representasi Kurva Trapesium
(Amiruddin, 2011)
12
Gambar 2.7 Diagram blok sistem inferensi fuzzy
13
Gambar 2.8 Arsitektur ECOS (kasabov,2007)
16
Gambar 3.1 Grafik Tinggi Permukaan Air
22
Gambar 3.2 Flowchat data training
23
Gambar 3.3 Flowchat data testing
25
Gambar 3.4 Use Case Diagram sistem
27
Gambar 3.5 Diagram Flow Diagram Level 0
34
Gambar 3.6 Diagram Flow Diagram Level 1
35
Gambar 3.7 Struktur Menu Sistem
36
Gambar 3.8 Rancangan tampilan halaman Home
37
Gambar 3.9 Rancangan tampilan halaman data tinggi permukaan air
38
Gambar 3.10 Rancangan tampilan halaman prediksi
39
Gambar 3.11 Rancangan tampilan halaman hasil prediksi
40
Gambar 3.12 Rancangan tampilan halaman profil administrator
41
Gambar 3.13 Rancangan tampilan halaman pengaturan data tinggi permukaan air 42
Gambar 3.14 Rancangan tampilan halaman pengaturan parameter
43
Gambar 4.1 Hasil pengujian halaman home
45
Gambar 4.2 Hasil pengujian halaman data tinggi permukaan air
46
Gambar 4.3 Hasil pengujian halaman prediksi
47
Gambar 4.4 Hasil pengujian halaman hasil prediksi
48
Gambar 4.5 Hasil pengujian halaman profil administrator
49
Gambar 4.6 Hasil pengujian halaman pengaturan data tinggi pengaturan tinggi
permukaan air
50
Gambar 4.7 Hasil pengujian halaman pengaturan parameter
51
Gambar 4.8 Grafik Hasil Pelatihan
62
Gambar 4.9 Grafik Pelatihan nilai error
67
Gambar 4.10 Grafik Hasil Prediksi
68
Universitas Sumatera Utara