Abstrak—Pola iklim dan cuaca di Indonesia yang tidak beraturan dan eskstrim akan mengganggu transportasi laut. Pada penelitian ini telah dilakukan perancangan prediktor cuaca maritim berbasis logika fuzzy takagi sugeno menggunakan user interfaces smartphone android. User interfaces smartphone android dipilih karena android banyak digunakan masyarakat indonesia. Data yang digunakan untuk membangun basis aturan dan fungsi keanggotaan berasal dari data BMKG II Perak yang direkam perjam selama 6 tahun yaitu dari januari 2007 hingga desember 2012. Digunakan data cuaca maritim dari tahun 2007 hingga 2012 untuk membangun basis aturan dan fungsi keanggotaan logika fuzzy. Validasi prediksi cuaca maritim dilakukan dengan menggunakan data BMKG bulan februari 2013. Selain menggunakan data BMKG juga dilakukan validasi realtime menggunakan data maritim buoyweather. Hasil penelitian didapatkan akurasi prediksi cuaca maritim tertinggi, yaitu: suhu udara, kelembaban udara, kecepatan arus laut, tinggi gelombang dan curah hujan adalah 83%, 84.5%, 87 %, 85.7% dan 95%
Kata Kunci—Cuaca maritim, predikiksi cuaca maritim, Android
I. PENDAHULUAN
ola cuaca dan iklim di Indonesia akhir-akhir ini sangat ekstrim, cuaca ekstrim tersebut mengakibatkan beberapa kapal roro (roll on roll off) di Pelabuhan Tanjung Perak Surabaya menunda keberangkatan karena buruknya cuaca dan tingginya gelombang laut di Laut Jawa (Bisnis Indonesia, 2013). Jumlah kecelakaan kapal pelayaran di Indonesia cukup memprihatinkan, dari 46 kecelakaan pelayaran kapal di Indonesia pada tahun 2002, 11,75% kecelakaan tersebut disebabkan oleh faktor cuaca yang tidak menentu (Masyarakat Transportasi Indonesia, 2007).
BMKG telah menyediakan pusat informasi mengenai data cuaca, prakiraan cuaca dan iklim cuaca pada website http://maritim.bmkg.go.id/index.php/main/stasiun_maritim/2 . Hasil prakiraan cuaca tersebut merupakan hasil keluaran dari program yang berdasarkan analisa interpolasi dan ekstrapolasi data-data cuaca pada beberapa tempat di Indonesia. Keakuratan prediksi cuaca dan iklim program tersebut semakin rendah apabila memprediksi cuaca pada suatu lokasi perairan yang jauh dari lokasi data-data cuaca interpolasi dan ekstrapolasi. Kondisi seperti ini dapat diperbaiki dengan menambah stasiun cuaca maritim untuk menunjang prakiraan cuaca dan iklim di Indonesia.
Perkembangan smartphone android di Indonesia terus meningkat. Pada tahun 2012 smartphone android menguasai pasar smartphone di Indonesia sebesar 52%. Pangsa pasar smartphone android tersebut menunjukan smartphone android dapat digunakan sebagai pusat informasi cuaca di Indonesia. Dengan membuat aplikasi prediksi cuaca berbasis smartphone android diharapkan informasi prediksi cuaca dan iklim maritim di Indonesia dapat diakses lebih mudah oleh masyarakat Indonesia.
Pada penelitian sebelumnya telah dilakukan prediksi cuaca maritim menggunakan metode ANFIS yang dilakukan oleh Ardian Chandra dengan koordinat pengambilan data 70 12’ 20’’ LS - 1120 44’ 0(Candra, 2010)8’’. Kemudian pengembangan penelitian tersebut dilakukan oleh Riki Jaya Sampurna dengan menggambil 3 koordinat data, yaitu pada 3.540425oS - 113.90880oE (Perairan Banjarmasin), 4,648136oS - 113,908806oE (Laut Jawa) dan 6.874824oS – 112.747800oE (Perairan Surabaya). Ketiga penelitian tersebut masih bersifat offline, sehingga dilakukan penelitian lanjutan oleh Ilham Bangun Asmoro (Asmoro, 2011) (Wakhid, 2012). Pada penelitian tersebut dilakukan pembuatan software prediktor cuaca darat dengan basis logika fuzzy yang dapat mengolah data dari stasiun cuaca darat secara real time. Pada tahun 2012, dilakukan penelitian mengenai prediksi cuaca maritim secara online oleh Habib (Wakhid, 2012).
Berdasarkan penelitian terdahulu inilah peneliti ingin membuat sistem prediktor cuaca maritim secara online yang dapat ditampilkan pada smartphone android sehingga mempermudah pengguna untuk mengakses data cuaca dan prakiraan cuaca maritim.
II. TEORI PENUNJANG 2.1 Cuaca dan Iklim
Cuaca dan iklim memiliki hubungan yang saling berhubungan. Pada dasarnya cuaca adalah keadaan udara pada saat tertentu dan di wilayah tertentu yang relatif sempit dan pada jangka waktu yang singkat. Iklim adalah keadaan cuaca rata-rata dalam waktu satu tahun yang penyelidikannya dilakukan dalam waktu yang lama (minimal 30 tahun) dan meliputi wilayah yang luas. Iklim memiliki waktu lebih panjang pada suatu daerah. Iklim dapat mencakup pola cuaca disuatu daerah, masa dingin, gelombang panas, frekuensi dan intensitas badai. Sedangkan cuaca itu terbentuk dari gabungan unsur cuaca dan jangka waktu cuaca bisa hanya beberapa jam saja. Misalnya: pagi hari, siang hari atau sore hari, dan
Perancangan Prediktor Cuaca Maritim Berbasis
Logika Fuzzy Menggunakan User Interface Android
M Kahfi Anshari , Ir Syamsul Arifin, MT, Andi Rahmadiansah, ST., MT Jurusan Teknik Fisika – Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111
Email : kahfi09@e205.org
keadaannya bisa berbeda-beda untuk setiap tempat serta setiap jamnya.
2.1.1 Unsur Cuaca
Pada umumnya ada unsur-unsur yang mempengaruhi keadaan cuaca dan iklim suatu daerah atau wilayah maritim, yaitu: suhu udara, angin, tekanan udara, kelembaban udara dan curah hujan.Suhu udara adalah derajat panas dari aktivitas molekul dalam atmosfer. Biasanya pengukuran suhu atau temperatur udara dinyatakan dalam skala Celcius (C), Reamur (R), dan Fahrenheit (F). Angin adalah gerak udara yang sejajar dengan permukaan bumi. Udara bergerak dari daerah bertekanan tinggi ke daerah bertekanan rendah. Kekuatan angin ditentukan oleh kecepatannya, makin cepat angin bertiup maka makin tinggi/besar kekuatannya. Tekanan udara adalah suatu gaya yang timbul akibat adanya berat dari lapisan udara Besarnya tekanan udara diukur dengan barometer dan dinyatakan dengan milibar (mb). Kelembaban udara adalah banyaknya uap air yang terkandung dalam massa udara pada saat dan tempat tertentu. Curah hujan yaitu jumlah air hujan yang turun pada suatu daerah dalam waktu tertentu. Curah hujan diukur dalam harian, bulanan, dan tahunan. Menurut BMKG, berdassarkan curah hujannya hujan dikasifikasikan menjadi: hujan sedang dengan curah hujan 20 - 50 mm per hari, hujan lebat dengan curah hujan 50-100 mm per hari, dan hujan sangat lebat denga curah hujan di atas 100 mm per hari 2.1.1 Pengaruh Unsur Cuaca pada Permukaan Laut
Gelombang/ombak yang terjadi di lautan dapat diklasifikasikan menjadi beberapa macam tergantung kepada gaya pembangkitnya. Untuk ketinggian gelombang yang disebabkan karena angin yang berhembus pada permukaan air laut, dapat dirumuskan sebagai berikut:
𝐻𝑠 = 0.21𝑉 2 𝑔 2.1 Keterangan: Hs= Ketinggian gelombang V = kecepatan angin (m/s) g = gaya gravitasi bumi (10m/s2)
untuk kecepatan angin yang ada di laut biasanya dinyatakan dalam knot dimana 1 knot = 0.51 m/s (Thor, 1994).
Secara teori dapat dijelaskan bahwa ketika angin yang berhembus secara teratur dan terus-menerus di atas permukaan air laut akan membentuk riak permukaan yang bergerak searah dengan hembusan angin. Bila angin masih terus berhembus dalam waktu yang cukup panjang dan meliputi jarak permukaan laut yang cukup besar, maka riak air akan tumbuh menjadi gelombang. Pada saat yang bersamaan riak permukaan baru akan terbentuk di atas gelombang yang terbentuk, dan selanjutnya akan berkembang menjadi gelombang-gelombang baru tersendiri. Bila angin berhenti berhembus, sistem gelombang yang telah terbentuk akan melemah.
Arus laut adalah gerakan massa air laut yang berpindah dari satu tempat ke tempat lain baik secara vertikal (gerakan ke atas) maupun secara horizontal (gerakan ke samping). Menurut letaknya arus dibedakan menjadi dua yaitu arus atas dan arus bawah. Arus atas adalah arus yang bergerak di permukaan laut. Arus ini dipengaruhi sebagian besar oleh kecepatan, kekuatan serta arah angin yang ada di permukaan
laut sehingga menyebabkan arus atas bergerak. Pengaruh angin disini berkisar 2% dari kecepatan angin itu sendiri. Kecepatan arus ini akan berkurang sesuai dengan makin bertambahnya kedalaman perairan sampai pada akhirnya angin tidak berpengaruh pada kedalaman 200 meter. Sedangkan arus bawah (di kedalaman laut) biasanya disebabkan karena perbedaan densistas massa air laut.
Untuk kecepatan arus yang dibangkitkan oleh angin dapat dirumuskan sebagai berikut:
𝑉𝑙𝜔(𝑧)=�𝑉𝑙𝜔(0) 𝑑0−𝑧
𝑑0 𝑓𝑜𝑟 0 ≤ 𝑧 ≤ 𝑑0
0 𝑓𝑜𝑟 𝑑0< 𝑧
2.2 Dimana d0 adalah kedalaman referensi untuk arus yang dibangkitkan oleh angin, biasanya diberikan nilai 50 m dan z adalah komponen vertikal yang akan diukur. Collar (1986) telah menunjukkan bahwa kecepatan arus permukaan laut (V 𝑙𝜔) dapat didekati dengan persamaan :
𝑉𝑙𝜔(0)= 0.02𝑉10 2.3
Dimana V10 adalah kecepatan angin yang diukur 10 m dari atas permukaan air laut (Thor, 1994).
2.2 Logika Fuzzy
Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot keanggotaan yang dimilikinya.
Pada dasarnya struktur logika fuzzy dapat digambarkan seperti pada gambar 2.1. Struktur dasar logika fuzzy terdiri dari empat bagian utama, yaitu fuzzifikasi, basis pengetahuan, logika pengambil keputusan, dan defuzzifikasi. Fuzzyfikasi berfungsi mengubah sinyal masukan yang bersifat himpunan tegas ke himpunan fuzzy dengan menggunakan operator fuzzifikasi. Kedua, basis Pengetahuan berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah – daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kontrol. Ketiga, logika pengambil keputusan merupakan inti dari logika fuzzy yang mempunyai kemampuan seperti manusia dalam mengambil keputusan. Defuzzifikasi berfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifat fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operator defuzzifikasi. Dalam subbab selanjutnya akan dibahas lebih lanjut mengenai empat bagian utama sistem logika fuzzy.
Gambar 2.1 Struktur Dasar Logika Fuzzy (Candra, 2010).
2.2.1Fungsi Keanggotaan
Fungsi keanggotaan adalah fungsi yang menyatakan keanggotaan dari suatu himpunan nilai-nilai. Fungsi keanggotaan yang digunakan pada penelitian ini adalah bentuk Gaussian. Hal ini dikarenakan variabel yang digunakan adalah variabel cuaca yang bersifat kontinu, dan kurva Gaussian adalah bentuk fungsi keanggotaan yang memiliki tingkat kehalusan dan nilainya tidak nol di semua titik. Kurva ini
Basis Pengetahuan Fuzzifikasi Defuzzifikasi Logika Pengambilan Keputusan Fuzzy Fuzzy input output
cocok jika digunakan untuk variabel cuaca (Meilanitasari, 2010).
Gambar 2.2 Kurva keanggotaan Gaussian (Kusumadewi, 2000)
Pada kurva di atas menggunakan bentuk segitiga untuk merepresentasikan data-datanya. Biasanya kurva dalam bentuk ini digunakan untuk mengolah data seperti seperti pada alat elektronik. Persamaan yang digunakan sebagai berikut:
𝑓(𝑥; 𝜎; 𝑐) = 𝑒−(𝑥−𝑐)22𝜎2 2.4 2.2.3 Logika Pengambilan Keputusan
Sering pula disebut sebagai Fuzzy Inference system (FIS) merupakan bagian terpenting dalam logika fuzzy.FIS merupakan sebuah proses yang digunakan untuk memformulasikan masukan serta keluaran menggunakan logika fuzzy.
Metode FIS diawali dengan pembentukan himpunan fuzzy variabel masukkan dengan cara clustering. Kemudian variabel masukkan tersebut dinyatakan dalam kurva Gaussian, Langkah selanjutnya adalah membangun basis aturan (Rule Base). Untuk rule base orde nol (keluaran berupa konstanta) dapat dilihat pada model dibawah:
𝐼𝐹((𝑥1 𝑖𝑠 𝐴1)𝐴𝑁𝐷 (𝑥2 𝑖𝑠 𝐴1)𝐴𝑁𝐷(𝑥3 𝑖𝑠 𝐴3) 𝑇𝐻𝐸𝑁 𝑧 = 𝑘
Sedangkan untuk rule base orde satu (keluaran berupa persamaan linear) adalah:
𝐼𝐹((𝑥1 𝑖𝑠 𝐴1)𝐴𝑁𝐷 (𝑥2 𝑖𝑠 𝐴1)𝐴𝑁𝐷(𝑥3 𝑖𝑠 𝐴3) 𝑇𝐻𝐸𝑁 𝑧 = 𝑝1∗ 𝑥1+ 𝑞
Kelebihan yang dimiliki oleh logika fuzzy takagi sugeno dibandingkan yang lain adalah fuzzy takagi sugeno lebih efisien secara komputasional, bekerja lebih baik dengan teknik optimasi serta adaptif, dapat bekerja untuk keluaran yang sifatnya berubah secara kontinu, dan cocok untuk analisis secara matematis karena keluarannya dapat berupa persamaan linear maupun konstanta (Meilanitasari, 2010).
III. METODOLOGI PENELITIAN
Pada bagian ini akan dijabarkan langkah-langkah alur penelitian perancangan sistem prediktor cuaca maritim berbasis logika fuzzy menggunakan user interfaces android.
Tampilkan pada android pltaform Mulai Studi Literatur Identifikasi Masalah Pengambilan Data Cuaca
Perancangan sistem logika fuzzy sebagai prediktor cuaca
Validasi Sistem Logika Fuzzy Apakah performansi logika fuzzy sesuai? Simulasi program dan pengujian Penyusunan Laporan Selesai Ya Tidak
Gambar 3.1 Diagram alir penelitian 3.1 Pengambilan Data Cuaca Maritim
Data cuaca maritim pada peneilitan ini didapatkan dari BMKG II Perak Surabya. Data cuaca maritim yang diperoleh direkam per-jam selama enam tahun yaitu mulai tahun 2007 sampai dengan tahun 2012. Data cuaca maritim tersebut merupakan data cuaca maritim pada koordinat 4.64 0S – 113.9 0E.
Gambar 3.2 Letak koordinat pengambilan data cuaca maritim
3.2 Perancangan Sistem Logika Fuzzy
Setelah mendapatkan data cuaca yang dibutuhkan, dilakukan pengelompokan data cuaca berdasarkan skala beaufort. Pada data cuaca kecepatan angin, tinggi gelombang dan arus laut dikelompokan menjadi tujuh kategori. Pada data cuaca suhu udara dan tekanan udara dikelompokan menjadi tiga kategori. Fungsi persamaan sistem logika fuzzy dapat dilihat dibawah ini:
𝐻𝑠(𝑡 + 1) = 𝑓(𝑉𝑎𝑛𝑔𝑖𝑛(𝑡), 𝐻(𝑡), 𝐻(𝑡 − 1)) 𝐻𝑠(𝑡 + 1) = 𝑓(𝑉𝑎𝑛𝑔𝑖𝑛(𝑡), 𝑉𝑎𝑛𝑔𝑖𝑛(𝑡 − 1), 𝐻(𝑡), 𝐻(𝑡 − 1)) 𝐶𝑢(𝑡 + 1) = 𝑓(𝑉𝑎𝑛𝑔𝑖𝑛(𝑡), 𝐶𝑢(𝑡), 𝐶𝑢(𝑡 − 1)) 𝐶𝑢(𝑡 + 1) = 𝑓(𝑉𝑎𝑛𝑔𝑖𝑛(𝑡), 𝑉𝑎𝑛𝑔𝑖𝑛(𝑡 − 1), 𝐶𝑢(𝑡), 𝐶𝑢(𝑡 − 1)) 𝑇(𝑡 + 1) = 𝑓(𝑇(𝑡), 𝑇(𝑡 − 1)) 𝑇(𝑡 + 1) = 𝑓(𝑇(𝑡), 𝑇(𝑡 − 1), 𝑃(𝑡)
𝑅ℎ(𝑡 + 1) = 𝑓(𝑅ℎ(𝑡), 𝑅ℎ(𝑡 − 1)) 𝑅ℎ(𝑡 + 1) = 𝑓(𝑅ℎ(𝑡), 𝑅ℎ(𝑡 − 1), 𝑃(𝑡) 𝐻𝑢𝑗𝑎𝑛(𝑡 + 1) = 𝑓(𝑇(𝑡 + 1), 𝑅ℎ(𝑡 + 1), ) 𝐻𝑢𝑗𝑎𝑛(𝑡 + 1) = 𝑓(𝑇(𝑡 + 1), 𝑇(𝑡), 𝑅ℎ(𝑡 + 1), 𝑅ℎ(𝑡)) Keterangan: Hs = ketinggian gelombang Vangin = kecepatan angin Cu = kecepatan arus T = Suhu
Rh = Kelembaban Udara P = Tekanan
Hujan = curah hujan
Prediksi cuaca maritim di variasi menjadi 1,3,6,12 dan 24 jam ke depan serta di variasi menjadi 1,2,3,4,5,6,dan 7 hari ke depan.
3.1.1 Perancangan Fuzzy Interference System
Pada penelitian ini juga dilakukan beberapa variasi fuzzy inference system untuk memprediksi ketinggian gelombang laut, kecepatan arus laut, curah hujan, suhu dan kelembaban udara. Variasi pertama memprediksi 1 jam kedepan, 3 jam kedepan, 6 jam kedepan, 12 jam kedepan 24 jam kedepan. Adapun variasi kedua memprediksi 1 hari kedepan, 2 hari kedepan, 3 hari ke depan, 4 hari ke depan, 5 hari ke depan, 6 hari ke depan dan 7 hari kedepan
Perancangan fuzzy inference system dimulai dengan proses fuzzyfikasi. Fuzzyfikasi adalah proses pemetaan nilai masukan dan keluaran kedalam bentauk himpunan fuzzy. Pada proses fuzzyfikasi dilakukan pemetaan data masukan berdasarkan fungsi keanggotaan (membership function). Fuzzy logic toolbox memiliki fitur membership function editor yang dapat mengatur dan menampilkan semua fungsi keanggotaan dari variabel masukan dan keluaran. Pada penelitian ini digunakan kurva gausmf karena data bersifat kontinu.
3.3 Perancangan Software Prediktor Cuaca Maritim Untuk memprediksi variabel cuaca maritim secara offline dan Online dirancang perangkat lunak berbasis visual basic 6.0. pada prediksi cuaca offline terdapat variabel masukan suhu sekarang, suhu sebelum, tekanan sekarang, keceptan angin sebelem, kecepatan angin sekarang, arus laut sekarang, arus laut sebelum, tinggi gelombang sekarang, tinggi gelombang sebelum, kelembaban sekarang dan kelembaban udara sebelum.
Gambar 3.3 Software prediksi cuaca maritim offline 3.4 Perancangan Software Cuaca Maritim Berbasis Smartphone Android
Perancangan perangkat lunak prediksi cuaca maritim berbasis android menggunkan eclipse. Ada pun tampilan utama prediksi cuaca maritim dapat dilihat pada gambar dibawah ini.
Gambar 3.4 Tampilan Prediksi Cuaca Maritim di Android Pada tampilan tersebut, terdapat informasi prediksi cuaca maritim satu jam ke depan, tiga jam ke depan, enam jam ke depan, dua belas jam ke depan dan dua puluh empat jam ke depan. Terdapat juga tampilan prediksi cuaca maritim lebih detail pada masing jam
IV. ANALISA DAN PEMBAHASAN
Pada penelitian ini digunakan fungsi keanggotaan berupa fungsi Gausian. Fungsi gausian memerlukan parameter nilai tengan dan standar deviasi. Parameter tersebut didapatkan menggunakan metode fuzzy cluster C-mens.
Tabel 4.1 Hasil FCM Variabel Cuaca
No Variabel cuaca Standar deviasi Kelompok data Nilai tengah
1 Suhu udara 2.7 C Rendah 26.2 C
Sedang 29 C
Tinggi 32.7 C
2 Tekanan Udara 1.9 mbar Rendah 7.2 mbar
Sedang 9.7 mbar
Tinggi 12 mbar
3 Kelembaban Udara 22.69 % Rendah 54.15 %
Sedang 71.68 %
Tinggi 85.32 %
4 Kecepatan Arus Laut 11.87 cm/s Very Slow 2.45 cm/s
Slow 7.18 cm/s Smooth 13.4 cm/s Slight 20.2 cm/s Average 28.5 cm/s Fast 45.9 cm/s Very Fast 64.6 cm/s
5 Tinggi Gelombang Laut 0.53 m Glassy 0.18 m
Rippled 0.47 m Wavelets 0.76 m Slight 1 m Moderate 1.3 m Rough 1.7 m Very Rough 2.4 m
6 Kecepatan Angin 5 knot Calm 2.5 knot
Light Air 5.4 knot
Light Breeze 8.45 knot
Gentle Breeze 11.3 knot
Moderate Breeze 14 knot
Fresh Breeze 16.8 knot
4.1 Validasi Prediksi Predikstor Cuaca Maritim
Validasi prediksi cuaca maritim menggunakan data cuaca maritim BMKG bulan februari 2013. Adapun Grafik dan tabel hasil prediksi yaitu
I. Kecepatan Arus Laut
Gambar 4.2 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Ketinggian Gelombang Dengan Data Aktual Variasi
Kedua
Gambar 4.3 Grafik Perbandingan Hasil Prediksi Satu Hari Kedepan Ketinggian Gelombang Dengan Data Aktual Variasi
kedua
Pada pengujian validasi prediksi kecepatan arus laut, didapatkan tingkat keakurasian tertinggi tertinggi 87% untuk prediksi satu jam ke depan mengguanakan FIS variasi kedua
II. Tinggi Gelombang Laut
Gambar 4.4 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Kecepatan Arus Dengan Data Aktual Variasi
Pertama
Gambar 4.5 Grafik Perbandingan Hasil Prediks Satu Hari Kedepan Kecepatan Arus Dengan Data Aktual Variasi
Pertama
Didapatkan hasil prediksi Tinggi gelombang tertinggi ialah prediksi satu jam ke depan dan menggunakan variasi pertama dengan persentase sebesar 85.7%
III. Kelembaban Udara
Gambar 4.3 Grafik Perbandingan Hasil Prediksi Satu Jam Kedepan Kelembaban Udara Dengan Data Aktual Pada pengujian validasi prediksi kelembaban udara, didapatkan tingkat keakurasian tertinggi sebesar 84.5% untuk prediksi satu jam ke depan mengguanakan FIS variasi pertama
IV. Suhu Udara
Gambar 4.4 Grafik Perbandingan Hasil Prediksi Satu Jam kedepan Suhu Udara Dengan Data Aktual Variasi Pertama 0 20 40 60 80 1 41 81 121 161 201 241 281 321 361 401 441 481 521 561 601 641 prediksi kecepatan arus
kecepatan arus aktual
0 20 40 60 80 1 3 5 7 9 11 13 15 17 19 21 23 25 prediksi kecepatan arus satu hari kedepan kecepatan arus laut aktual
0 0.5 1 1.5 2 2.5 3 1 76 151 226 301 376 451 526 601 prediksi tinggi gelombang tinggi gelombang aktual 0 1 2 3 1 3 5 7 9 11 13 15 17 19 21 23 25 27 prediksi ketinggian gelombang
ketinggian gelombang aktual
40 50 60 70 80 90 100 1 36 71 106 141 176 211 246 281 316 351 386 421 456 491 526 561 596 20 25 30 35 1 41 81 121 161 201 241 281 321 361 401 441 481 521 561 601 641
Untuk pengujian Model prediksi Suhu udara didapatkan tingkat keakuratan sebesar 83.6%.
V. Curah Hujan
Tabel 4.2 Validasi Prediksi Curah Hujan 24 Jam Kedepan Variasi Pertama
No Prediksi Jumlah data validasi Keberhasilan prediksi Akurasi 1 Saat ini 672 473 70.38 % 2 t+1 616 501 81.3 % 3 t+3 560 498 88.9 % 4 t+6 476 446 93.7 % 5 t+12 308 279 90.58 % 6 t+24 643 611 95 %
Dari table diatas dapat dilihat prediksi curah hujan memiliki validasi tertinggi pada 24 jam ke depan, yaitu sebesat 95%. Hal tersebut menunjukan prediksi curah hujan mengggunakan metode logika fuzzy memiliki hasil yang baik untuk prediksi jangka panjang.
4.2 Validasi Pediksi Mengguanakan Buoyweather
Pada penelitain uni juga dilakukan validasi real time menggunakan buoyweather. Software prediksi cuaca maritim menggunakan FIS variasi pertama pada prediksi cuaca maritim dan hanya memprediksi selama 24 jam ke depan.
Tabel 4.3 Persentasi Validasi Prediksi Cuaca Maritim Menggunakan Data Buoyweather
Prediksi Waktu Data Aktual Akurasi Suhu Udara t+1 52 67 % t+3 53 75 % t+6 33 96 % t+12 16 12.5 % t+24 54 70 % Kelembaban udara t+1 56 46 % t+3 22 50 % t+6 25 64 % t+12 32 46 % t+24 56 51 % Tinggi gelombang t+1 27 94.7 % t+3 29 86 % t+6 15 80 % t+12 36 91 % t+24 27 93.6 % Arus laut t+1 57 86 % t+3 57 82.4 % t+6 14 71.4 % t+12 25 96 % t+24 56 87.5 % Curah Hujan t+1 57 79 % t+3 35 85 % t+6 15 73 % t+12 20 100 % t+24 58 96.5 % V. KESIMPULAN/RINGKASAN
Berdasarkan penelitian yang telah dilakukan, maka didapatkan kesimpulan sebagai berikut:
1.Telah dilakukan pemodelan logika fuzzy tipe sugeno untuk memprediksi suhu udara, kelemababan udara, tinggi gelombang, kecepatan arus laut dan curah hujan secara offline dan online serta dapat terhubung dengan smartphone android
2.Presentasi validasi prediksi cuaca maritim tertinggi pada suhu udara, kelembaban udara,kecepatan arus laut, tinggi gelombang dan curah hujan adalah 83%, 84.5%, 87 %, 85.7% dan 95%
3.Metode logika fuzzy sugeno memiliki performa lebih baik pada prediksi satu jam ke depan
Saran bagi penelitian ini selanjutnya adalah dilakukan penelitian mengenai prediksi tekanan udara dan suhu air laut
DAFTAR PUSTAKA
[1] Bisnis Indonesia, “PELAYARAN: Pemerintah Ingatkan Waspadai Cuaca Ekstrim,” 9 januari 2013. [Online]. Available: http://www.bisnis.com/articles/pelayaran-pemerintah-ingatkan-waspadai-cuaca-ekstrim. [Diakses 12 februari 2013].
[2] Masyarakat Transportasi Indonesia, 1-2-3 Langkah Menempatkan Kembali Keselamtan Menuju Transportasi Yang Bermartabat Volume 2, Jakarta: Masyarakat Transportasi Indonesia, 2007.
[3] A. Candra, “Tugas Akhir: Perancangan Model Adaptive Neuro Fuzzy Inference System Untuk Memprediksi Cuaca Maritim,” Teknik Fisika ITS, Surabaya, 2010. [4] I. B. Asmoro, “Perancangan Perangkat Lunak Prediktor
Cuaca Berbasis Logika Fuzzy. Teknik Fisika-FTI-ITS Surabaya,” Teknik Fisika ITS, Surabaya, 2011. [5] N. H. Wakhid, “Perancangan Sistem Prediktor Cuaca
Maritim Dengan Menggunakan Metode Fuzzy Takagi Sugeno,” Teknik Fisika ITS, Surabaya, 2012.
[6] F. Thor, Guidance and Control of Ocean Vehicles, Chichester University of Trondheim Norway, 1994. [7] P. Meilanitasari, “Prediksi Cuaca Menggunakan Logika
Fuzzy untuk Kelayakan Pelayaran di Pelabuhan Tanjung Perak Surabaya,” Teknik Fisika ITS, Surabaya, 2010. [8] S. Kusumadewi, “Perancangan Sistem fuzzy : Studi
Kasus Prediksi Jumlah Produksi dan Harga Jual Barang,”
Jurnal Teknologi Industri Volume 5, 2000.
[9] A. S. Aisjah dan S. Arifin, “Maritime Weather Prediction using Fuzzy Logic in Java Sea,” 2nd International Conference on Instrumentation Control and Automation ,
2011.
[10] M. S. Awam, “Predicting weather events using fuzzy rule base,” Applied Soft Computing, pp. 56-63, 2011.
[11] K. Li, “Fuzzy case-based reasoning:weather prediction,”
International Conference On Machine Learning And Cybernetics, 2002.
