Analisis kualitas air bersih pada Logam Cadmium Menggunakan Logika Fuzzy Metode Sugeno : Studi kasus pada Kecamatan Klari, Karawang,Jawa Barat

(1)

ANALISIS KUALITAS AIR BERSIH

PADA LOGAM CADMIUM

MENGGUNAKAN LOGIKA FUZZY METODE SUGENO

(Studi Kasus Pada Kecamatan Klari, Karawang, Jawa Barat)

Achmad Febrianto

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI

SYARIF HIDAYATULLAH

(2)

ANALISIS KUALITAS AIR BERSIH

PADA LOGAM CADMIUM

MENGGUNAKAN LOGIKA FUZZY METODE SUGENO

(Studi Kasus Pada Kecamatan Klari, Karawang, Jawa Barat)

Skripsi

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh :

Achmad Febrianto

102094026455

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI

SYARIF HIDAYATULLAH

JAKARTA

2008 M / 1429 H

(3)

PENGESAHAN UJIAN

Skripsi berjudul “Analisis Kualitas Air Bersih Pada Logam Cadmium Menggunakan Logika Fuzzy Metode Sugeno (Studi Kasus Pada Kecamatan Klari, Karawang, Jawa Barat)” yang ditulis oleh Achmad Febrianto, NIM 102094026455 telah diuji dan dinyatakan lulus dalam sidang Munaqosyah Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada tanggal 9 Oktober 2008. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar sarjana strata satu (S1) Program Studi Matematika.

Menyetujui,

Penguji 1, Penguji 2,

Taufik Edy Sutanto, M.ScTech Hermawan Setiawan, M.Si NIP 150 377 447 NIP 250 000 505

Pembimbing 1, Pembimbing 2,

Nina Fitriyati, M.Kom Nur Inayah, M.Si NIP. 150 377 448 NIP. 150 326 911

Mengetahui,

Dekan Fakultas Sains dan Teknologi, Ketua Program Studi Matematika,

(4)

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-

BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN

SEBAGAI SKRIPSI PADA PERGURUAN TINGGI ATAU LEMBAGA

MANAPUN.

Jakarta, 9 Oktober 2008

Achmad Febrianto 102094026455

(5)

PERSEMBAHAN

“ Dan apabila dikatakan “berdirilah kamu!”, maka berdirilah,

niscaya Allah akan meninggikan orang-orang beriman diantara kamu

dan orang-orang yang diberi ilmu pengetahuan beberapa derajat.

(6)

ABSTRAK

Limbah merupakan salah satu hasil dari industri yang tidak lagi dapat digunakan berupa kotoran dan bahan sisa yang dibuang ke lingkungan. Tentu saja ini menjadi ancaman serius bagi keseimbangan lingkungan, kesehatan masyarakat di sekitarnya dan kualitas air bersih. Salah satu daerah yang terancam adalah Kecamatan Klari, Kabupaten Karawang Propinsi Jawa Barat. Daerah tersebut memiliki beberapa perusahaan industri yang menghasilkan limbah logam berat, salah satunya adalah cadmium.

Dalam penelitian ini penulis meneliti analisis antara daerah sumber pencemaran yang memiliki kandungan kadar cadmium pada musim kemarau dan musim hujan dengan jarak rumah penduduk dengan menggunakan logika fuzzy metode Sugeno orde-nol. Langkah-langkah dalam sistem fuzzy seperti fuzzyfikasi, penalaran dan defuzzyfikasi dapat memecahkan masalah tersebut dengan menghasilkan output berupa jarak aman antara sumber pencemaran dengan tempat tinggal. Hasil dari beberapa pengujian yaitu, bila musim kemarau kadar Cd = 60 dag/L, dan musim hujan kadar Cd = 135, maka jarak rumah aman yang dihasilkan = 65 m. Bila musim kemarau kadar Cd = 53 dag/L, dan musim hujan kadar Cd = 137, maka jarak rumah aman yang dihasilkan = 82,1 m. Bila musim kemarau kadar Cd = 48 dag/L, dan musim hujan kadar Cd = 132, maka jarak rumah aman yang dihasilkan = 103,5 m. Sehingga diharapkan masyarakat dapat memanfaatkan air secara maksimal di daerah tempat tinggalnya.

Kata kunci : Sistem Fuzzy, Fuzzyfikasi, Defuzzyfikasi, Sugeno orde-nol.

(7)

ABSTRACT

Cesspools are waste and residue that can not be used that that are thrown to environment. It could be serious threats for balance environment, the public healt, and bord water quality. One of the place that affected by this problem is Klari subdistric, Karawang District, West Java Province. This area have some factories that produce heavy metal, like cadmium (Cd).

In this paper, we analyze between Cd pollutan are in dry and rainy seasons and people houses distance using fuzzy logic zero-orde Sugeno method. Fuzzyfication, logical, and defuzzyfication can solve those problems by resulting that produce safe distance between resources pollution and houses. Result of some experiment are, if dry seasons Cd pollutan = 60 dag/L and rainy seasons = 135 dag/L, then produce safe distance between resources pollution and houses = 65 m. if dry seasons Cd pollutan = 53 dag/L and rainy seasons = 137 dag/L, then produce safe distance between resources pollution and houses = 82,1 m. If dry seasons Cd pollutan = 48 dag/L and rainy seasons = 132 dag/L, then produce safe distance between resources pollution and houses = 103,5 m. Result of research people could use their pure water maximumly.

(8)

KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh

Segala puji bagi Allah, Rabb semesta alam, berkat taufik serta inayah Nya

skripsi ini dapat terselesaikan. Shalawat serta salam kepada Junjungan kita Nabi

Muhammad SAW..

“Karena sesungguhnya sesudah kesulitan ada kemudahan, sesungguhnya

sesudah kesulitan ada kemudahan”. Ayat itu menjadi inspirasi dan pendorong

yang tak pernah habis, disamping motivasi dan doa-doa dari orang-orang terbaik

disekitar. Untuk itu, penulis mengucapkan terima kasih kepada :

1. Dr. Syopiansyah Jaya Putra, M. Sis, Dekan Fakultas Sains dan Teknologi

2. Nur Inayah, M. Si Ketua Program Matematika dan Dosen Pembimbing II,

serta Nina Fitriyati, M. Kom, Sekretaris Program Studi Matematika dan Dosen

Pembimbing I.

3. Seluruh dosen pada Program Studi Matematika yang telah memberikan ilmu

dan pendidikan bagi penulis.

4. Bapak dan ibu tercinta, orang tua yang tanpa lelah bertanya, mendorong, dan

memanjatkan doa, serta kepada kedua adik yang terpisah jarak, Abu Umar dan

El - Hauro.

5. Nurchudayati, S. Si dan Achmad Fahri, S. Kom yang banyak membantu

memberikan referensi, materi serta dorongan-dorongan moril.

6. Maulana, Budi, Abdurrahman, dan saudara-saudara seperjuangan dalam Al

Banna Event Organizer.

(9)

7. Priyanto, Beni, Van Bothen, Nana, Hafizh, Indri, Alpiyah, Ratna dan segenap

Ikhwan - Akhwat Fillah SMU 85 Jakarta.

8. Ari, Pras, Irwan, Taris, rekan-rekan Komda dan KAMMI yang tidak dapat

disebutkan satu persatu.

9. Teman-teman mahasiswa Matematika angkatan 2002, 2003, dan 2004.

10. Dian Santri, Elin, Indah dan Ningsih, mahasiswi TI-C angkatan 2005

11. Puncak segala puji dan syukur, Allah Subhanahu Wa Ta’ala.

Wassalamu’alaikum Warahmatullahi Wabarakatuh

Jakarta, 9 Oktober 2008

(10)

DAFTAR ISI

HALAMAN JUDUL ……….. i

PENGESAHAN ……….. ii

PERNYATAAN ………. iii

PERSEMBAHAN DAN MOTTO ………. iv

ABSTRAK ………. v

ABSTRACT ……… vi

KATA PENGANTAR ……… vii

DAFTAR ISI ……….. ix

DAFTAR GAMBAR ……….. xi

BAB I PENDAHULUAN ……… 1

1.1. Latar Belakang ………. 1

1.2. Permasalahan ………... 3

1.3. Pembatasan Masalah ……… 3

1.4. Tujuan Penelitian ………. 4

1.5. Manfaat Penelitian ………... 4

BAB II LANDASAN TEORI ……….. 5

2.1. Kualitas Air ………. 5

2.2. Pengertian Limbah, Baku Mutu Air dan Logam Berat ……. 6

2.3. Pencemaran Air ……….. 7

2.4. Cadmium ….……….. 9

2.4.1. Kegunaan Cadmium ………. 10

2.4.2. Sifat-sifat Logam Cadmium ………. 10

(11)

2.4.3. Dampak Pada Kesehatan ……….. 11

2.5. Logika Fuzzy ……….. 12

2.5.1. Himpunan Fuzzy ………. 12

2.5.2. Fungsi Keanggotaan ……… 15

2.5.3. Operasi Dasar dalam Himpunan Fuzzy ………. 17

2.5.4. Fungsi Implikasi ………. 20

2.5.5. Metode Sugeno Orde-Nol ……….. 20

BAB III METODOLOGI PENELITIAN ……….. 22

3.1. Waktu dan Tempat Penelitian ………. 22

3.2. Metode Pengumpulan Data ………. 22

3.3. Metode Pengolahan Data ……… 23

3.4. Alur Penelitian ……… 25

BAB IV HASIL DAN PEMBAHASAN ……… 26

4.1. Pembentukan Fungsi Keanggotaan ………. 26

4.2. Pembentukan Aturan Fuzzy ……… 31

4.3. Pengujian ……… 33

BAB V KESIMPULAN DAN SARAN ……….. 41

5.1 Kesimpulan ……… 41

5.2. Saran ……….. 42

REFERENSI ……….. 43

(12)

DAFTAR GAMBAR

Gambar 2.1 : Himpunan Muda, Parobaya, dan Tua ……… 14

Gambar 2.2 : Kurva Segitiga ………... 16

Gambar 2.3 : Sistem Fuzzy ……….… 20

Gambar 2.4 : Aturan Dalam Metode Sugeno ……… 21

Gambar 3.1 : Alur Penelitian ………... 25

Gambar 4.1 : Fungsi Keanggotaan Kadar Cd pada Musim Kemarau ………. 27

Gambar 4.2 : Fungsi Keanggotaan Kadar Cd pada Musim Hujan ………….. 29

Gambar 4.3 : Fungsi Keanggotaan Jarak Rumah ……… 30

Gambar 4.4 : Hubungan Variabel Input dan Output ………... 37

(13)

BAB I

PENDAHULUAN

1.1. Latar Belakang

Daerah Tingkat II Kabupaten Karawang yang semula merupakan

daerah pertanian mulai menggalakkan pembangunan di bidang industri.

Perubahan ini dapat menimbulkan dampak positif maupun negatif bagi

masyarakat setempat. Salah satu dampak positifnya adalah bertambahnya

lapangan pekerjaan bagi para penduduk yang bertempat tinggal di sekitar

industri. Sedangkan dampak negatifnya adalah timbulnya perumahan

kumuh di sekitar pabrik dan kemungkinan tercemarnya sumber air bersih

dengan bahan pencemar yang berasal dari buangan pabrik, sehingga dapat

membahayakan kesehatan masyarakat di sekitar industri tersebut.

Buangan industri dapat menimbulkan beberapa penyakit seperti

diare dan penyakit kulit. Menurut [2], penelitian keadaan lingkungan yang

dikaitkan dengan pola penyakit di kawasan Industri Pulau Batam tahun

1992 menunjukkan bahwa proporsi angka penyakit diare menduduki

urutan kedua (8,46%) setelah angka penyakit ISPA (20,32%). Penyakit

kulit merupakan urutan keempat dari sepuluh penyakit terbesar di pulau

Batam. Penyakit kulit dan diare merupakan contoh penyakit karena

lingkungan yang kurang baik. Selain itu juga dilakukan penelitian kejadian

diare dan penyakit kulit yang diderita penduduk di sekitar industri. Hal ini

(14)

tempat tinggalnya, salah satunya adalah membangun rumah dengan jarak

yang tepat dari sumber pencemaran.

Salah satu kandungan dalam limbah yang mencemari lingkungan

adalah cadmium (Cd). Cd merupakan salah satu jenis logam berat

berbahaya karena berisiko tinggi terhadap pembuluh darah. Elemen ini

berpengaruh terhadap manusia dalam jangka waktu panjang dan dapat

terakumulasi pada tubuh khususnya hati dan ginjal. Secara prinsip pada

konsentrasi rendah berpengaruh terhadap gangguan paru-paru, emphysema

dan renal turbular disease kronis [9].

Untuk menanggulangi masalah tersebut diperlukan cara dalam

mengantisipasi pencemaran yang disebabkan limbah Cd. Logika Fuzzy

sebagai cabang dari ilmu matematika memiliki suatu metode yang

mempermudah dalam melakukan perhitungan dan menganalisa jarak

rumah yang aman dan tepat sesuai dengan kadar kualitas air bersih yang

disebabkan oleh limbah industri. Dalam penelitian ini, penulis

menggunakan Metode Sugeno Orde-Nol dengan representasi kurva

segitiga dalam menghitung jarak rumah yang aman dengan sumber

pencemaran. Untuk mempermudah penghitungan, penulis menggunakan

software matlab.

(15)

1.2. Permasalahan

Permasalahan yang di bahas dalam penelitian ini adalah :

1. Bagaimana pembentukan fungsi keanggotaan yang mempunyai input

kadar Cd pada musim kemarau, musim hujan, dan jarak rumah yang

aman sebagai output ?

2. Bagaimana fungsi implikasi pada setiap aturan fuzzy yang telah

ditentukan ?

3. Berapa nilai output dari beberapa pengujian ?

1.3. Pembatasan Masalah

Dalam penelitian ini, masalah-masalah di atas dibatasi oleh :

1. Fungsi keanggotaan yang digunakan untuk input dan output

menggunakan representasi kurva segitiga.

2. Proses mendapatkan solusi berupa fuzzyfikasi, penalaran dan

defuzzyfikasi.

3. Dicantumkan hasil pemeriksaan kualitas air bersih yang mengandung

Cd, tembaga (Cu), timbal (Pb) dan cromium (Cr), karena logam-logam

berat tersebut banyak terdapat dalam air buangan industri. Namun dari

keempat logam berat tersebut, data yang digunakan untuk nilai kualitas

air adalah kadar logam berat Cd yang diukur pada musim kemarau dan

(16)

1.4. Tujuan Penelitian

Tujuan dari penelitian ini adalah :

1. Mengetahui pembentukan fungsi keanggotaan yang mempunyai input

kadar Cd pada musim kemarau dan musim hujan dan jarak rumah yang

aman sebagai output.

2. Menginterpretasi fungsi implikasi pada setiap aturan fuzzy yang telah

ditentukan.

3. Mendapatkan output dari beberapa pengujian.

1.5. Manfaat Penelitian

Diharapkan dari hasil penelitian ini dapat lebih memudahkan

Departemen Pusat Penelitian dan Pengembangan dalam memberikan

penyuluhan dan himbauan terhadap warga Kecamatan Klari untuk lebih

memperhatikan lingkungan rumahnya yang rentan terhadap pencemaran.

Sedangkan bagi masyarakat setempat, dapat mengetahui jarak aman rumah

mereka terhadap sumber pencemaran.

(17)

BAB II

LANDASAN TEORI

2.1. Kualitas Air

Menurut [8], kualitas air adalah karakteristik mutu yang

dibutuhkan untuk pemanfaatan tertentu dari sumber-sumber air. Kriteria

mutu air merupakan satu dasar baku mutu air, di samping faktor-faktor

lain.

Manusia memerlukan air tidak hanya dari segi kuantitasnya saja,

tetapi juga kualitasnya. Kualitas air ditentukan oleh konsentrasi bahan

kimia yang terlarut di dalam air. Permasalahan kualitas air dapat di

timbulkan oleh proses alamiah maupun ulah manusia

Ada beberapa parameter kualitas air bersih seperti kaitannya

dengan pengaruh terhadap erosi, sedimentasi, suhu air, kimia, dan biologi.

jika kualitas air tidak dipenuhi maka, air dapat menjadi penyebab

timbulnya penyakit. Air yang kotor sangat berbahaya bagi tubuh manusia.

Bila air sudah tercemar dengan bahan kimia, maka hampir dapat

dipastikan berbagai jenis organisme penyebab penyakit dapat ditentukan

(18)

2.2. Pengertian Limbah, Baku Mutu Air dan Logam Berat

Limbah adalah buangan yang dihasilkan dari suatu proses produksi

baik industri maupun domestik (rumah tangga, yang lebih dikenal sebagai

sampah), yang kehadirannya pada suatu saat dan tempat tertentu tidak

dikehendaki lingkungan karena tidak memiliki nilai ekonomis. Bila

ditinjau secara kimiawi, limbah ini terdiri dari bahan kimia organik dan

anorganik. Dengan konsentrasi dan kuantitas tertentu, kehadiran limbah

dapat berdampak negatif terhadap lingkungan terutama bagi kesehatan

manusia, sehingga perlu dilakukan penanganan terhadap limbah. Tingkat

bahaya keracunan yang ditimbulkan oleh limbah tergantung pada jenis dan

karakteristik limbah [5].

Baku mutu air adalah batas atau kadar mahluk hidup, zat, energi,

atau komponen lain yang ada atau harus ada dan atau unsur pencemaran

yang ditenggang adanya dalam air pada sumber air tertentu sesuai dengan

peruntukkannya . (Pasal 1, Angka 4) [12].

Menurut [7], istilah logam berat menunjuk pada logam yang

mempunyai berat jenis lebih tinggi dari 5 atau 6 g/cm3. Namun pada

kenyataannya dalam pengertian logam berat ini, dimasukkan pula unsur-

unsur metaloid yang mempunyai sifat berbahaya seperti logam berat

sehingga jumlah seluruhnya mencapai lebih kurang 40 jenis. Beberapa

logam berat yang beracun tersebut adalah As, Cd. Cr, Cu, Pb, Hg, Ni, dan

Zn.

(19)

Logam berat berbahaya karena pada umumnya logam ini memiliki

rapat massa yang tinggi dan sejumlah konsentrasi kecil dapat bersifat

racun dan berbahaya [4].

2.3. Pencemaran Air

Air dapat dikatakan tercemar apabila air tersebut telah

menyimpang dari keadaan normalnya. Keadaan normal air tergantung

pada faktor penentu yaitu, kegunaan air itu sendiri dan asal sumber air.

Peraturan Pemerintah Nomor 20 Tahun 1990 tentang Pengendalian

Pencemaran Air pasal 1, angka 2 mendefinisikan pencemaran air sebagai :

pencemaran air adalah masuknya atau dimasukkannya mahluk hidup, zat,

energi dan atau komponen lain ke dalam air oleh kegiatan manusia

sehingga kualitas air turun sampai ke tingkat tertentu yang menyebabkan

air tidak berfungsi lagi sesuai dengan peruntukkannya [12].

Definisi lain dikatakan, pencemaran air adalah suatu perubahan

keadaan di suatu tempat penampungan air seperti danau, sungai, lautan

dan air tanah akibat aktivitas manusia. Walaupun fenomena alam seperti

gunung berapi, badai, gempa bumi dll juga mengakibatkan perubahan

yang besar terhadap kualitas air, hal ini tidak dianggap sebagai

pencemaran. Pencemaran air dapat disebabkan oleh berbagai hal dan

memiliki karakteristik yang berbeda-beda. Meningkatnya kandungan

nutrien dapat mengarah pada eutrofikasi. Sampah organik seperti air

(20)

yang menerimanya yang mengarah pada berkurangnya oksigen yang dapat

berdampak parah terhadap seluruh ekosistem. Industri membuang berbagai

macam polutan ke dalam air limbahnya seperti logam berat, toksin

organik, minyak, nutrien dan padatan. Air limbah tersebut memiliki efek

termal, terutama yang dikeluarkan oleh pembangkit listrik, yang dapat juga

mengurangi oksigen dalam air [5].

Indikator Pencemaran Air

Menurut [5], indikasi pencemaran air dapat diketahui baik secara

visual maupun pengujian.

1. Perubahan pH (tingkat keasaman/konsentrasi ion hidrogen). Air

normal yang memenuhi syarat untuk suatu kehidupan memiliki pH

netral dengan kisaran nilai 6.5 – 7.5. Air limbah industri yang belum

terolah dan memiliki pH diluar nilai pH netral, akan mengubah pH

air sungai dan dapat mengganggu kehidupan organisme didalamnya.

2. Perubahan warna, bau dan rasa. Air normal dan air bersih tidak akan

berwarna, sehingga tampak bening/jernih. Bila kondisi air warnanya

berubah maka hal tersebut merupakan salah satu indikasi bahwa air

telah tercemar. Timbulnya bau pada air lingkungan merupakan

indikasi kuat bahwa air telah tercemar.

3. Timbulnya endapan, koloid dan bahan terlarut endapan, koloid dan

bahan terlarut berasal dari adanya limbah industri yang berbentuk

padat.

(21)

2.4. Cadmium

Cadmium (latin cadmia) adalah suatu unsur kimia dalam tabel

periodik yang memiliki lambang Cd dan nomor atom 48. Cadmium

ditemukan di Jerman 1817 oleh Friedrich Strohmeyer. Cadmium

merupakan bahan alami yang terdapat dalam kerak bumi. Cadmium murni

berupa logam berwarna putih perak dan lunak, namun bentuk ini tak lazim

ditemukan di lingkungan. Umumnya cadmium terdapat dalam kombinasi

dengan elemen lain seperti Oxigen (Cadmium Oxide), Clorine (Cadmium

Chloride) atau belerang (Cadmium Sulfide). Kebanyakan Cadmium (Cd)

merupakan produk samping dari pengecoran seng, timah atau tembaga

cadmium yang banyak digunakan berbagai industri, terutama plating

logam, pigmen, baterai dan plastik.

Umumnya terdapat bersama-sama dengan Zn dalam bijinya,

sehingga Cd diperoleh sebagai hasil sampingan produksi seng. Karena titik

didihnya rendah, Cd dapat dipisahkan dari seng melalui penyulingan

bertahap. Zn dan Pb diperoleh kembali secara serentak dengan cara tungku

pemanas letupan. Cd suatu hasil sampingan yang tidak banyak ragamnya

dan biasanya dipisahkan dari Zn dengan destilasi atau dengan

(22)

2.4.1. Kegunaan Cadmium

Kegunaan cadmiun diantaranya adalah :

a. Digunakan dalam penyepuhan kayu, CdO.

b. Digunakan dalam baterai.

c. Sebagai katalis.

d. Sebagai nematosida.

e. Sebagai fotokonduktor dalam fotokopi, CdS.

f. Sebagai material pigmen.

g. Sebagai Sel volta baku (sel weston), CdSO4.

h. Digunakan dalam fotografi, CdI2.

2.4.2. Sifat-Sifat Logam Cadmium

Beberapa sifak fisik logam cadmium yaitu :

a. Logam berwarna putih keperakan.

b. Mengkilat.

c. Lunak/Mudah ditempa dan ditarik.

d. Titik lebur rendah.

Sedangkan beberapa sifat kimia logam cadmium yaitu :

a. Cd tidak larut dalam basa.

b. Larut dalam H2SO4 encer dan HCl encer.

Cd + H2SO4 CdSO4 + H2

c. Cd tidak menunjukkan sifat amfoter.

d. Bereaksi dengan halogen dan nonlogam seperti S, Se, P.

(23)

e. Cd adalah logam yang cukup aktif .

f. Dalam udara terbuka, jika dipanaskan akan membentuk asap

coklat CdO.

g. Memiliki ketahanan korosi yang tinggi.

h. CdI2 larut dalam alkohol.

2.4.3. Dampak Pada Kesehatan

Cadmium merupakan salah satu jenis logam berat yang

berbahaya karena elemen ini beresiko tinggi terhadap pembuluh

darah. Apabila Cd masuk ke dalam tubuh maka sebagian besar

akan terkumpul di dalam ginjal, hati dan sebagian yang

dikeluarkan lewat saluran pencernaan. Cadmium dapat

mempengaruhi otot polos pembuluh darah secara langsung maupun

tidak langsung lewat ginjal, sebagai akibatnya terjadi kenaikan

tekanan darah.

Cadmium (Cd) adalah salah satu logam berat yang

keberadaanya patut mendapat perhatian khusus karena secara luas

terdapat dilingkungan baik sebagai pencemar atau sebagai

komponen dalam rokok yang dikonsumsi oleh masyarakat luas.

Salah satu sistem organ yang yang merupakan target dari Cd

adalah sistem reproduksi, khususnya pada individu jantan.

Beberapa efek yang ditimbulkan akibat pemajanan Cd

(24)

sistem susunan saraf dan darah. Berbahayanya unsur ini

sebenarnya bila manusia mengkonsumsi (baik itu dihirup atau

dimakan) dalam jumlah yang cukup besar. Karena pada

kenyataanya, cadmium itu tidaklah mudah untuk keluar di dalam

tubuh. Logam ini akan terakumulasi terus didalam tubuh. Dan bila

sudah mencapai kadar tinggi, akan menyerang organ tubuh

terutama ginjal dan paru-paru

2.5. Logika Fuzzy

2.5.1 Himpunan Fuzzy

Teori himpunan fuzzy pertama kali dikembangkan oleh

Prof. Lotfi Zadeh pada tahun 1965. Dalam teori himpunan tegas

(crisp), nilai keanggotaan suatu item x dalam himpunan A[x]

memiliki objek yang terdefinisi dengan jelas yaitu memiliki nilai

keanggotaan antara 0 atau 1. Dengan nol (0) berarti suatu item

tidak menjadi anggota dalam suatu himpunan, sedangkan satu (1)

berarti suatu item menjadi anggota dalam suatu himpunan.

Contoh 2.1

S = {1,2,3,4,5,6} adalah semesta pembicaraan

A = {1,2,3}

B = {3,4,5}

Dapat dikatakan bahwa :

i. Nilai keanggotaan 1 pada himpunan A, A [1] = 1, karena 1∈ A.

(25)

ii. Nilai keanggotaan 3 pada himpunan A, A [3] = 1, karena 3∈ A.

iii. Nilai keanggotaan 5 pada himpunan A, A [5] = 0, karena 5∉ A.

iv. Nilai keanggotaan 4 pada himpunan B, B [4] = 1, karena 4 ∈ A.

v. Nilai keanggotaan 2 pada himpunan B, B [2] = 0, karena 2∉ B.

vi. Nilai keanggotaan 3 pada himpunan B, B [3] = 1, karena 3∈ B.

Sedangkan himpunan fuzzy memiliki nilai keanggotaan

yang berada antara 0 sampai dengan 1.

Menurut [11], himpunan Fuzzy mempunyai dua atribut :

a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu

keadaan atau kondisi tertentu dengan menggunakan bahasa

alami, seperti : DINGIN, SEJUK, NORMAL, HANGAT,

PANAS.

b. Numerik, yaitu suatu nilai (angka) yang menunjukkan ukuran

dari suatu variabel seperti : 40, 25, 50, dsb.

Ada beberapa hal yang perlu diketahui dalam memahami

sistem fuzzy, yaitu :

1. Variabel fuzzy

Variabel fuzzy adalah variabel yang hendak dibahas dalam

suatu sistem fuzzy.

2. Himpunan Fuzzy

Himpunan Fuzzy merupakan suatu grup yang mewakili suatu

(26)

Parobaya 3. Semesta Pembicaraan

Semesta Pembicaraan adalah keseluruhan nilai yang

diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.

4. Domain

Domain merupakan keseluruhan nilai yang dizinkan dalam

semesta pembicaraan dan boleh dioperasikan dalam himpunan

fuzzy.

Contoh 2.2

Muda Tua

1 1 1

[x] [x] [x]

0 35 0 35 55 0 55

Gambar 2.1 Himpunan MUDA, PAROBAYA, dan TUA

Pada gambar 2.1, variabel yang hendak dibahas adalah variabel

umur yang memiliki himpunan fuzzy terdiri dari muda, parobaya,

tua. Sedangkan semesta pembicaraan untuk variabel tersebut

[0 + ].

Misalkan variabel umur dibagi menjadi 3 kategori, yaitu :

MUDA umur < 35 tahun

PAROBAYA 35 ≤ umur ≤ 55 tahun

TUA umur > 55 tahun

Maka, domain muda [0, 35], domain parobaya [35, 55] dan

domain tua [55, + ].

(27)

Pada gambar di atas dapat dijelaskan pula bahwa :

1. Bila seseorang berusia 34 tahun, maka ia dikatakan MUDA

( MUDA[34]=1).

2. Bila seseorang berusia 35 tahun, maka ia dikatakan TIDAK

MUDA ( M UDA[35]=0).

3. Bila seseorang berusia 35 tahun kurang 1 hari, maka ia

dikatakan TIDAK MUDA ( MUDA [35 th-1 hr]=0).

4. Bila seseorang berusia 35 tahun, maka ia dikatakan

PAROBAYA ( PAROB AYA [35]=1).

5. Bila seseorang berusia 34 tahun, maka ia dikatakan TIDAK

PAROBAYA ( PAROB AYA[34]=0).

6. Bila seseorang berusia 55 tahun, maka ia dikatakan

PAROBAYA ( PAROB AYA [55]=1).

7. Bila seseorang berusia 35 tahun kurang 1 hari, maka ia

dikatakan TIDAK PAROBAYA ( PAROB AYA [35 th-1 hr]=0).

2.5.2 Fungsi Keanggotaan

Menurut [1], fungsi keanggotaan adalah kurva yang

mendefinisikan bagaimana masing-masing titik dalam ruang input

dipetakan ke dalam nilai keanggotaan (sering juga disebut dengan

derajat keanggotaan, fire strength atau α -predikat) antara 0 dan 1.

(28)

♠ ♦

x ke sebuah bilangan (x), yang menentukan derajat keanggotaan

dari elemen ke dalam himpunan fuzzy A :

A = {(x, A (x))| x ∈ X } (2.1)

Cara yang dapat digunakan untuk mendapatkan nilai

keanggotaan adalah dengan melalui pendekatan fungsi. Ada

beberapa fungsi yang dapat digunakan antara lain representasi

kurva segitiga, kurva trapesium, dan lain-lain. Namun dalam

penelitian ini, penulis hanya menggunakan representasi kurva

segitiga karena lebih sederhana dan lebih mudah. Kurva segitiga

pada dasarnya merupakan gabungan antara dua garis (linear) yang

ditunjukkan oleh gambar berikut.

1

Gambar 2.2 Kurva Segitiga

(29)

2.5.3. Operasi Dasar Dalam Himpunan Fuzzy

Ada tiga macam operasi dasar dalam himpunan fuzzy, yaitu

intersection (irisan), union (gabungan), dan complement

(komplemen). Dari ketiga operasi tersebut akan diperoleh fungsi

keanggotaan untuk menghasilkan α -predikat sebagai hasil dari

operasi dua himpunan.

Fungsi keanggotaan himpunan fuzzy baru yang dihasilkan

dari operasi-operasi tersebut diberikan dalam tabel berikut:

Tabel 2.1 Operasi-operasi dasar dalam himpunan fuzzy [1].

Operasi Operator α-predikat Fungsi Keanggotaan

Complement NOT

Mengurangkan nilai

keanggotaan dari 1

A ' = 1 − A ( x)

Intersection AND

Nilai

keanggotaan terkecil

A∩B = min( A[x], B [ y])

Union OR

Nilai

keanggotaan terbesar

A∪B = max( A [x], B [ y])

(30)

Contoh 2.3

Operasi Komplemen

Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah

0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan

parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka α -predikat

untuk usia TIDAK MUDA adalah:

MUDA’ [27] = 1- MUDA[27]

= 1- 0,6 = 0,4

Atau TIDAK PAROBAYA adalah :

PAROBAYA’ [40] = 1- PAROBAYA [40]

= 1- 0,4 = 0,6

Contoh 2.4

Operasi Irisan

untuk usia MUDA dan usia PAROBAYA adalah :

MUDA ∩ PAROB AYA = min ( MUDA[27], PAROBAYA [40])

= min (0,6 ; 0,8) = 0,6

Contoh 2.5

Operasi Gabungan

(31)

untuk usia MUDA dan usia PAROBAYA adalah :

MUDA ∪ PAROBAYA = max ( M UDA[27], PAROBAYA [40])

= max (0,6 ; 0,8) = 0,8

Dalam logika fuzzy untuk mendapatkan solusi, ada tiga

langkah umum yang dapat dilakukan, yaitu :

1. Fuzzyfikasi

Fuzzyfikasi adalah fase pertama dari perhitungan fuzzy untuk

mengubah nilai tegas dan menentukan derajat dengan nilai-nilai

tersebut menjadi anggota dari setiap himpunan fuzzy yang

sesuai.

2. Penalaran

Penalaran adalah prosedur inferensi yang digunakan untuk

menarik kesimpulan dari himpunan aturan IF-THEN dari satu

atau lebih kondisi.

3. Defuzzyfikasi

Defuzzyfikasi adalah pengubahan nilai fuzzyfikasi ke dalam

nilai tegas.

Ketiga langkah tersebut dapat disebut pembangunan sistem

(32)

Fuzzyfikasi Penalaran Defuzzyfikasi

Input Output

Gambar 2. 3 Sistem Fuzzy

2.5.4. Fungsi Implikasi

Menurut [11], setiap aturan (proposisi) pada pengetahuan

fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum

dari aturan yang digunakan dalam fungsi implikasi adalah :

IF x is A THEN y is B (2.3)

dengan x dan y adalah skalar, A dan B adalah himpunan fuzzy.

Aturan yang mengikuti IF disebut sebagai anteseden, sedangkan

yang mengikuti THEN disebut konsekuen.

2.5.5. Metode Sugeno Orde-Nol

Penalaran dengan Metode Sugeno memiliki output

(konsekuen) berupa konstanta atau persamaan linear. Metode ini

diperkenalkan oleh Takagi-Sugeno-Kang pada tahun 1985. Dalam

penelitian ini penulis menggunakan model Fuzzy Orde-Nol.

(33)

N

Secara umum fungsi implikasi Metode Sugeno Orde-Nol adalah :

IF [(x1 is A1) • (x2 is A2) • (x3 is A3) • ... • (xN is AN)]

THEN Z = k. (2.4)

dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, k adalah

suatu konstanta (tegas) sebagai konsekuen, sedangkan • _adalah

operator (AND atau OR).

Gambar 2.4 Aturan Metode Sugeno

Dalam Metode Sugeno, deffuzyfikasi dilakukan dengan

cara mencari nilai rata-rata.

N

α

i zi

Z = i = 1 (2.5) α_i

i = 1

Dengan Z = nilai rata-rata

α ₌α _{- predikat}

(34)

BAB III

METODOLOGI PENELITIAN

3.1. Waktu dan Tempat Penelitian

Data-data yang digunakan merupakan data sekunder yang berasal

dari Pusat Penelitian dan Pengembangan Ekologi Departemen Kesehatan

Republik Indonesia (Puslitbang Depkes RI). Penelitian dilakukan pada

bulan Agustus sampai Desember 2005 di Kecamatan Klari, Kabuaten

Karawang Propinsi Jawa Barat.

3.2. Metode Pengumpulan Data

Dari hasil pengumpulan data, didapatkan beberapa data berikut :

1. Letak geografis Kecamatan Klari

2. Lokasi dan peta industri Kecanatan Klari

Berisi peta industri Kecamatan Klari beserta lokasi industri

menengah. Kecamatan Klari memiliki 65 buah industri.

3. Laporan kependudukan kecamatan Klari

Jumlah seluruh penduduk Klari yaitu 102.942 orang. Terdiri dari

51.917 penduduk laki-laki dan 51.025 penduduk perempuan.

4. Jarak rumah penduduk dengan sumber pencemaran.

Di bagian ini disebutkan nomor rumah beserta jarak rumah yang

telah didata.

Data jarak rumah penduduk dengan sumber pencemaran dapat

dilihat pada lampiran 1.

(35)

5. Data nilai kualitas air

Berisi nilai kualitas air dari hasil logam berat seperti cadmium

(Cd), timbal (Pb), tembaga (Cu), dan cromium (Cr) yang terdiri dari

30 pasang data.

Kualitas air pada musim hujan memang cukup membahayakan.

Seharusnya pada musim hujan kadar Cd menurun karena intensitas air

hujan meningkat, tetapi ternyata pada musim hujan kadarnya justru

meningkat seperti yang terlihat dalam data.

Kualitas air diwakili oleh kadar Cd pada musim kemarau dan

musim hujan.

Adapun nilai kualitas air dapat dilihat pada lampiran 2.

Dari kelima data di atas, penelitian ini hanya menggunakan

data jarak rumah penduduk dengan sumber pencemaran, dan data nilai

kualitas air.

3.3. Metode Pengolahan Data

Data yang sudah didapat, diolah dengan menentukan fungsi

keanggotaan input dan output. Input terdiri dari dua fungsi keanggotaan

yaitu data kualitas air penduduk Kecamatan Klari, Karawang pada musim

hujan dan pada musim kemarau. Sedangkan fungsi keanggotaan output

adalah jarak rumah penduduk dengan sumber pencemaran.

Setiap fungsi keanggotaan memiliki variabel linguistik.Kedua

(36)

SANGAT BAHAYA. Variabel linguistik untuk output adalah

TERCEMAR, CUKUP AMAN, dan AMAN.

Pengolahan data yang digunakan adalah Metode Sugeno Orde-

Nol, pada tahap pengujian input, pembentukan kombinasi aturan fuzzy

harus disesuaikan dengan data output dengan menyertakan semua variabel

dimana pada metode ini anteseden direpresentasikan dengan aturan dalam

himpunan fuzzy, sedangkan konsekuen direpresentasikan dengan sebuah

konstanta.

Selanjutnya, dilakukan pengujian dengan mencari derajat

keanggotaan nilai tiap variabel dari salah satu data. Kemudian mencari α_-

predikat untuk setiap aturan kombinasi aturan fuzzy. Dengan

menggunakan metode defuzzy weighted average, hasil α_{-predikat yang}

tidak nol digunakan untuk mencari nilai rata-rata yang juga merupakan

defuzzyfikasi.

(37)

3.4. Alur Penelitian

Penelitian ini dilakukan melalui beberapa tahap yaitu:

Pengumpulan data

Pembentukan fungsi keanggotaan

Pembentukan aturan fuzzy

Penghitungan derajat keanggotaan setiap aturan

fuzzy

Penghitungan

α -predikat

Defuzzy weighted average

(38)

BAB IV

HASIL DAN PEMBAHASAN

4. 1. Pembentukan Fungsi Keanggotaan

Proses pertama yang harus dilakukan adalah menentukan fungsi

keanggotaan. Dari seluruh data yang ada, didapatkan beberapa fungsi

keanggotaan, yaitu fungsi keanggotaan input musim kemarau, fungsi

keanggotaan input musim hujan, dan fungsi keanggotaan output jarak

rumah.

Pada lampiran satu, ada sebanyak 30 pasang data pada musim

hujan dan musim kemarau, yaitu Cd, Pb, Cr dan Cu dengan satuan mg/L.

Karena diantara keempat logam tersebut, cadmium memiliki tingkat

pencemaran paling tinggi, maka penulis hanya mengambil Cd sebagai

objek penelitian. Kemudian untuk mempermudah penghitungan, penulis

mengonversi satuan mg/L menjadi dag/L, sehingga 0.0060 mg/L = 60

dag/L.

Klasifikasi data pada kadar Cd di musim kemarau yaitu antara 35

sampai dengan 75 dengan tiga himpunan fuzzy, yaitu TIDAK BAHAYA,

BAHAYA, dan SANGAT BAHAYA.

Himpunan fuzzy TIDAK BAHAYA memiliki domain [35,

55] dengan derajat keanggotaan TIDAK BAHAYA tertinggi (=1) terletak

pada nilai 45.

(39)

♠

Himpunan fuzzy BAHAYA memiliki domain [45, 65] dengan

derajat keanggotaan BAHAYA tertinggi (=1) terletak pada nilai 55.

Himpunan fuzzy SANGAT BAHAYA memiliki domain [55, 75]

dengan derajat keanggotaan SANGAT BAHAYA tertinggi (=1) terletak

pada nilai 65.

Keterangan-keterangan di atas dapat dirangkum pada gambar di

bawah ini.

Gambar 4. 1 Fungsi keanggotaan kadar Cd pada musim kemarau

(40)

♠= ,

dengan TB = Tidak Bahaya

B = Bahaya

SB = Sangat Bahaya

k = kadar Cd pada musim kemarau

Sedangkan klasifikasi data pada kadar Cd di musim hujan

yaitu antara 110 sampai dengan 150 dengan tiga himpunan fuzzy, yaitu

TIDAK BAHAYA, BAHAYA, dan SANGAT BAHAYA.

Himpunan fuzzy TIDAK BAHAYA memiliki domain

[110,130] dengan derajat keanggotaan TIDAK BAHAYA tertinggi (=1)

terletak pada nilai 120.

Himpunan fuzzy BAHAYA memiliki domain [120,140] dengan

derajat keanggotaan BAHAYA tertinggi (=1) terletak pada nilai 130.

Himpunan fuzzy SANGAT BAHAYA memiliki domain [130,150 ]

dengan derajat keanggotaan SANGAT BAHAYA tertinggi (=1) terletak

pada nilai 140.

(41)

♠= ,

Keterangan-keterangan di atas dapat dilihat pada gambar di bawah

TB B SB

Gambar 4.2 Fungsi keanggotaan kadar Cd pada musim hujan

(42)

dengan TB = Tidak Bahaya

B = Bahaya

SB = Sangat Bahaya

h = kadar Cd pada musim hujan

Pada klasifikasi data jarak rumah dari sumber pencemaran yaitu

antara 50 sampai dengan 245 dengan tiga himpunan fuzzy, yaitu

TERCEMAR, CUKUP AMAN, dan AMAN.

Himpunan fuzzy TERCEMAR memiliki domain [5, 125] dengan

derajat keanggotaan TERCEMAR tertinggi (=1) terletak pada nilai 65.

Himpunan fuzzy CUKUP AMAN memiliki domain [65, 185]

dengan derajat keanggotaan CUKUP AMAN tertinggi (=1) terletak pada

nilai 125. Dan himpunan fuzzy AMAN memiliki domain [125, 245]

dengan derajat keanggotaan AMAN tertinggi (=1) terletak pada nilai 185.

ini.

Keterangan-keterangan di atas dapat dilihat pada gambar di bawah

TC CA A

1

[j]

0

5 65 125 185 245 Jarak Rumah

Gambar 4.3 Fungsi keanggotaan pada jarak rumah.

(43)

Dengan menggunakan representasi kurva segitiga, maka output

4. 2. Pembentukan Aturan Fuzzy

Setelah membentuk fungsi keanggotaan, langkah selanjutnya

(44)

maka aturan fuzzy yang dihasilkan ada 9 aturan dengan menyertakan

semua variabel.

Metode inferensi yang digunakan adalah Metode Sugeno Orde-

Nol. Pada metode ini, anteseden direpresentasikan dengan proposisi dalam

himpunan fuzzy, sedangkan konsekuen direpresentasikan dengan sebuah

konstanta.

Berikut ini tabel pembentukan aturan fuzzy

Tabel 4.1 Pembentukan aturan fuzzy

h

k TB B SB

TB A CA CA

B CA Tc Tc

SB CA Tc Tc

Sehingga aturan fuzzy yang dihasilkan adalah :

[R1] IF k = TB AND h = TB THEN AMAN = 185

[R2] IF k = TB AND h = B THEN CUKUP AMAN = 125

[R3] IF k = TB AND h = SB THEN CUKUP AMAN = 125

[R4] IF k = B AND h = TB THEN CUKUP AMAN = 125

[R5] IF k = B AND h = B THEN TERCEMAR = 65

[R6] IF k = B AND h = SB THEN TERCEMAR = 65

[R7] IF k = SB AND h = TB THEN CUKUP AMAN = 125

[R8] IF k = SB AND h = B THEN TERCEMAR = 65

[R9] IF k = SB AND h = SB THEN TERCEMAR = 65

(45)

4. 3. Pengujian

Setelah memperoleh 9 aturan fuzzy, dilakukan pengujian untuk

mendapatkan nilai output.

Pengujian 1

Pengujian pertama dilakukan terhadap data no 1 pada

lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih.

Input; musim kemarau = 0,0060 mg/L = 60 dag/L

Derajat keanggotaan tiap variabel dari input musim kemarau

TB [60] = 0

B [60] = 65 – 60 = 0,5

10

SB [60] = 60 – 55 = 0,5

10

Input; Musim hujan = 0,0135 mg/L = 135 dag/L

Derajat keanggotaan tiap variabel dari input musim hujan

TB [135] = 0

B [135] = 140 – 135 = 5 = 0,5

10 10

SB [135] = 135 – 130 = 5 = 0,5

10 10

Kemudian dicari α_{-predikat (}_{fire strength}_{)dari setiap aturan fuzzy, dengan}

menggunakan operator and dan interpretasi min.

[R1] IF k = TB AND h = TB THEN AMAN

α-predikat1 = min ( TIDAK BAHAYA[60] ; TIDAK BAHAYA[135])

(46)

[R2] IF k = TB AND h = B THEN CUKUP AMAN

α-predikat2 = min ( TIDAK BAHAYA[60] ; BAHAYA[135])

= min (0 ; 0,5) = 0

[R3] IF k = TB AND h = SB THEN CUKUP AMAN

α_-predikat₃_{= min (} _{TIDAK BAHAYA}_{[60] ;}_{SANGAT BAHAYA}_[135])

= min (0 ; 0,5) = 0

[R4] IF k = B AND h = TB THEN CUKUP AMAN

α_-predikat₄_{= min (}_BAHAYA_{[60] ;} _{TIDAK BAHAYA}_[135])

= min (0,5 ; 0) = 0

[R5] IF k = B AND h = B THEN TERCEMAR

α_-predikat₅_{= min (}_BAHAYA_{[60] ;}_BAHAYA_[135])

= min (0,5 ; 0,5) = 0,5

[R6] IF k = B AND h = SB THEN TERCEMAR

α-predikat6 = min ( BAHAYA[60] ; SANGAT BAHAYA[135])

= min (0,5 ; 0,5) = 0,5

[R7] IF k = SB AND h = TB THEN CUKUP AMAN

α_-predikat₇_{= min (}_{SANGAT BAHAYA}_{[60] ;} _{TIDAK BAHAYA}_[135])

= min (0,5 ; 0) = 0

[R8] IF k = SB AND h = B THEN TERCEMAR

α_-predikat₈_{= min (}_{SANGAT BAHAYA}_{[60] ;}_BAHAYA_[135])

= min (0,5 ; 0,5) = 0,5

(47)

=

[R9] IF k = SB AND h = SB THEN TERCEMAR

α-predikat9 = min ( SANGAT BAHAYA[60] ; SANGAT BAHAYA[135])

= min (0,5 ; 0,5) = 0,5

Karena α_{-predikat tidak nol terdapat pada [R5], [R6], [R8] dan}

[R9], maka dengan menggunakan metode defuzzy weighted average, maka

rata-rata jarak aman rumah dengan sumber pencemaran adalah

α _z+ α _z+ α _z+ α _z _0,5∗ ₆₅+ _0,5∗ ₆₅+ _0,5∗ ₆₅+ _0,5∗ ₆₅

Matlab untuk mengetahui kebenaran langkah-langkah penghitungan yang

dijalankan.

Pengujian 2

Pengujian kedua dilakukan terhadap data no 13 pada

Input; musim kemarau = 0,0053 mg/L = 53 dag/L

TB [53] = 55 – 53 = 0,2

10

B [53] = 53 – 45 = 0,8

10

SB [53] = 0

(48)

TB [137] = 0

B [137] = 140 – 137 = 3 = 0,3

10 10

SB [137] = 137 – 130 = 7 = 0,7

10 10

Kemudian dicari α_{-predikat (}_{fire strength}_{)dari setiap aturan fuzzy,}

dengan menggunakan operator and dan interpretasi min.

= min (0,2 ; 0) = 0

α_-predikat₂_{= min (} _{TIDAK BAHAYA}_{[53] ;}_BAHAYA_[137])

= min (0,2 ; 0,3) = 0,2

α_-predikat₃_{= min (} _{TIDAK BAHAYA}_{[53] ;}_{SANGAT BAHAYA}_[137])

= min (0,2 ; 0,7) = 0,2

α-predikat4 = min ( BAHAYA[53] ; TIDAK BAHAYA[137])

= min (0,8 ; 0) = 0

α-predikat5 = min ( BAHAYA[53] ; BAHAYA[137])

= min (0,8 ; 0,3) = 0,3

(49)

= =

α _z+α _z+α _z+ α _z _0,2∗125 + 0,2 ∗125 + 0,3 ∗ 65 + 0,7 ∗ 65

(50)

TB [48] = 55 – 48 = 0,7

10

B [48] = 48 – 45 = 0,3

10

SB [48] = 0

Input, musim hujan = 0,0132 mg/L = 132 dag/L

TB [132] = 0

B [132] = 140 – 132 = 0,8

10

SB [132] = 132 – 130 = 0,2

10

Kemudian dicari α-predikat (fire strength)dari setiap aturan fuzzy,

dengan menggunakan operator and dan interpretasi min.

= min (0,7 ; 0) = 0

α_-predikat₂_{= min (} _{TIDAK BAHAYA}_{[48] ;}_BAHAYA_[132])

= min (0,7 ; 0,8) = 0,7

α-predikat3 = min ( TIDAK BAHAYA[48] ; SANGAT BAHAYA[132])

= min (0,7 ; 0,2) = 0,2

(51)

α-predikat4 = min ( BAHAYA[48] ; TIDAK BAHAYA[132])

= min (0,3 ; 0) = 0

α_-predikat₅_{= min (}_BAHAYA_{[48] ;}_BAHAYA_[132])

= min (0,3 ; 0,8) = 0,3

[R6] IF k = B AND h = SB THEN TERCEMAR

α_-predikat₆_{= min (}_BAHAYA_{[48] ;}_{SANGAT BAHAYA}_[132])

= min (0,3 ; 0,2) = 0,2

[R7] IF k = SB AND h = TB THEN CUKUP AMAN

α_-predikat₇_{= min (}_{SANGAT BAHAYA}_{[48] ;} _{TIDAK BAHAYA}_[132])

= min (0 ; 0) = 0

[R8] IF k = SB AND h = B THEN TERCEMAR

α-predikat8 = min ( SANGAT BAHAYA[48] ; BAHAYA[132])

= min (0 ; 0,8) = 0

[R9] IF k = SB AND h = SB THEN TERCEMAR

α_-predikat₉_{= min (}_{SANGAT BAHAYA}_{[48] ;}_{SANGAT BAHAYA}_[132])

= min (0 ; 0,2) = 0

Karena α_{-predikat tidak nol terdapat pada [R2], [R3], [R5] dan}

α _z+α _z+ α _z+ α _z _0,7∗₁₂₅+ _0,2∗₁₂₅+ _0,3∗ ₆₅+ _0,2∗ ₆₅

Z = 2 2 3 3 5 5 6 6 α

2 + α3 + α5 + α6

=

(52)

= 87,5 + 25 + 19,5 + 13 =

1,4

145

= 103,5 m 1,4

Tabel 4.2. Contoh hasil pengujian terhadap beberapa kombinasi kadar Cd

pada musim kemarau dan musim hujan

Kadar Cd (dag/L) No

Musim Kemarau Musim Hujan

Jarak rumah (meter)

1 60 135 65

2 53 137 82,1

3 48 132 103,5

Output berupa jarak rumah yang dihasilkan merupakan jarak aman

antara pusat pencemaran dengan rumah, sehingga kualitas air menjadi

terjaga. Walaupun sudah dapat dipastikan bahwa lokasi yang memiliki

kadar tinggi harus memiliki jarak yang jauh.

Hubungan ketiga variabel input dan output dapat dilihat seperti

gambar berikut.

Gambar 4.4. Hubungan variabel input dan output

(53)

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil dan pembahasan, didapatkan beberapa

kesimpulan, yaitu fungsi keanggotaan terdiri dari input kadar Cd pada

musim kemarau dan musim hujan, dan jarak rumah yang aman sebagai

output jarak rumah pada Kecamatan Klari Kabupaten Karawang. Fungsi

keanggotaan input dibentuk dengan membuat 3 himpunan fuzzy yaitu

Tidak Bahaya (TB), Bahaya (B), dan Sangat Bahaya (SB). Pada fungsi

keanggotaan musim kemarau semesta pembicaraan [35 75] dan pada

fungsi keanggotaan musim hujan semesta pembicaraan [110 150]. Fungsi

keanggotaan output terdiri dari 3 himpunan fuzzy yaitu Tercemar (Tc),

Cukup Aman (CA), dan Aman (A) dengan semesta pembicaraan [5 245].

Kurva yang digunakan adalah kurva segitiga.

Fungsi implikasi diperoleh dengan membentuk aturan fuzzy.

Aturan fuzzy yang dihasilkan adalah 9 aturan dengan menyertakan semua

variabel. Output berupa jarak rumah yang aman, pada pengujian pertama

yaitu 65 m, pada pengujian kedua yaitu 82,1 m dan pada pengujian ketiga

(54)

5.2 Saran

Salah satu yang ingin dicapai dari penelitian ini adalah untuk

mengetahui jarak aman antara sumber pencemaran dengan tempat tinggal

penduduk, penulis menyarankan kepada Pusat Penelitian dan

Pengembangan Ekologi Departemen Kesehatan Republik Indonesia

(Puslitbang Depkes RI) untuk menggunakan penelitian ini sebagai salah

satu referensi.

Untuk penelitian selanjutnya, diharapkan melakukan penghitungan

dengan tiga atau lebih input, yaitu logam-logam berat lain (Cu, Pb, dan

Cr), sehingga tingkat keamanan tempat tinggal penduduk lebih akurat.

(55)

REFERENSI

[1] Arhami, Muhammad. Konsep Dasar Sistem Pakar, Yogyakarta: Penerbit Andi Yogyakarta, 2005.

[2] Bambang dan Zahra. Kimia dalam Industri Lingkungan.’Perkembangan Mutakhir Dalam Teori, Instrumentasi dan Penerapan’, Yogyakarta : Jaringan Kerjasama Kimia Indonesia., 2004

[3] Fahri, Achmad. Pembuatan Program Komputer Untuk Menganalisa Kualitas Aur Bersih Di Kabupaten Karawang Propinsi Jawa Barat, Skripsi: Jurusan Teknik Informatika Fakultas Sains Dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta, 2006.

[4] Martaningtyas, Dewi. Bahaya Cemaran Logam Berat. Juni 2007 http://asysyuravoice.blogspot.com/2007_06_01_archive.html 16 Juni 2008, Pukul 19.23

[5] Limbah. Dari Wikipedia Indonesia, ensiklopedi bebas berbahasa Indonesia. Mei 2008

http://id.wikipedia.org/wiki/Limbah, 13 juni 2008 , Pukul 21.13 WIB

[6] Pencemaran. Dari Wikipedia Indonesia, ensiklopedi bebas berbahasa Indonesia. Mei 2008

http://id.wikipedia.org/wiki/Pencemaran_air, 2 mei 2008, Pukul 20.40 WIB

[7] Nugroho, Budi. Ekologi Mikroba Pada Tanah Terkontaminasi Logam Berat. Desember 2001

(56)

[8] Kualitas Air. E - Learning Geografi Lingkungan. http://www.malang.ac.id/e-

Learning/FMIPA/Budi%20Handoyo/geografi4.htm, 27 Mei 2008, Pukul 23.52 WIB

[9] Mursyidin, Dindin. Menanggulangi Pencemaran Logam Berat.

September 2006.

http://www.ychi.org/index.php?option = com = com_content & task=view &

id=73 & Itemid=39, 16 Juni 2008, Pukul 20.01 WIB

[10] Kusumadewi, Sri. Purnomo, Hari. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Yogyakarta: Penerbit Graha Ilmu, 2004.

[11] Setiawan, Hendra, Pengertian Pencemaran Air Dari Perspektif Hukum Pusat Pengendalian Pencemaran Air. Agustus 2001.

www.bplhdjabar.go.id 27 Mei 2008, Pukul 23.48 WIB

(57)

(58)

LAMPIRAN 1

JARAK RUMAH PENDUDUK DENGAN SUMBER PENCEMARAN

No No Rumah Jarak rumah

(59)

LAMPIRAN 2

HASIL PEMERIKSAAN KUALITAS AIR BERSIH PENDUDUK

DI KECAMATAN KLARI KABUPATEN KARAWANG

Musim Kemarau (mg/L) Musim Hujan (mg/L)

(60)

LAMPIRAN 3

TOOLBOX MATLAB

Untuk mengimplementasikan pembahasan pada bab 4 ke Fuzzy Matlab

Toolbox. Berikut langkah-langkahnya :

1. Jalankan software MATLAB

2. Tulis pada command line :

>> fuzzy

maka akan tampil FIS Editor seperti gambar di bawah ini

3. Pilih new Sugeno FIS pada menu File, kemudian akan muncul FIS seperti

gambar di bawah ini.

(61)

4. Masukkan variabel input

Pada gambar tersebut ada 1 input yaitu input 1 dan I output yaitu output 1. kita

dapat mengedit variabel input dan otput dengan cara :

a. Tekan sekali kotak berwarna kuning di sisi kiri yang berlabel input 1,

kotak tersebut berubah menjadi berbingkai merah.

b. Pada kolom edit yang berwarna putih di sisi kanan, ubah kata input 1

menjadi MusimKemarau , kemudian tekan enter.

c. Untuk menamah umlah variabel input (tidak hanya satu), pada menu-bar

pilih edit-add input. Ubah nama input 2 menjadi MusimHujan, kemudian

tekan enter.

d. Untuk memasukkan variabel output, tekan sekali kotak berwarna kuning di

sisi kanan yang berlabel output 1, kotak tersebut kemudian berbingkai

(62)

e. Pada kolom edit yang berwarna putih di sisi kanan, ubah kata output 1

menjadi JarakRumah kemudian tekan enter.

5. Mengubah Operator.

Operator-operator yang digunakan adalah And Method dan Or Method.

Pilihan untuk And Method adalah min, prod, atau custom, pilih min. Sedngkan

pilihan untuk Or Method adalah max, probor, aau custom, pilih max.

6. Mengubah Fungsi Implikasi. Fungsi Implikasi memiliki pilihan min, prod,

atau custom. Pilih min.

7. Mengubah Fungsi Defuzzification.

Fungsi defuzzification terdiri dari wtever dan wtsum, pilih wtaver.

8. Simpan file dengan memilih menu-bar, pilih file-save to disk as …Beri nama

Sugeno orde nol.fis

Sampai dengan langkah ke-8, diperoleh hasil pada gambar berikut

(63)

9. Membuat himpunan fuzzy dan fungsi keanggotaaan.

Double klik input MusimKemarau, kemudian akan muncul Membership

Function Editor

- Fungsi Keanggotaan untuk variabel MusimKemarau:

a. Klik variabel MusimKemarau, hingga bingkainya berwarna merah.

b. Pada kolom current variable kolom range berwarna putih. Isikan

kolom range tersebut dengan [0 75].

(64)

Tekan OK. Akan muncul gambar

d. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name

dengan nama TidakBahaya.

e. Pilih fungsi keanggotaan pada Type dengan trimf.

f. Ubah Params dengan [35 45 55]

g. Klik mf2 hingga garisnya berwarna merah. Ganti mf2 pada Name

dengan nama Bahaya.

h. Pilih fungsi keanggotaan pada Type dengan trimf.

i. Ubah Params dengan [45 55 65]

j. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name

dengan nama SangatBahaya.

k. Pilih fungsi keanggotaan pada Type dengan trimf.

l. Ubah Params dengan [55 65 75].

(65)

Sampai dengan langkah l, akan terlihat hasil seperti pada gambar

berikut

- Fungsi Keanggotaan untuk variabel MusimHujan:

a. Klik variabel MusimHujan, hingga bingkainya berwarna merah.

b. Pada kolom current variable kolom range berwarna putih. Isikan

kolom range tersebut dengan [0 150].

(66)

Tekan OK, akan muncul gambar

d. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name

dengan nama TidakBahaya.

e. Pilih fungsi keanggotaan pada Type dengan trimf.

dengan nama Bahaya.

h. Pilih fungsi keanggotaan pada Type dengan trimf.

i. Ubah Params dengan [120 130 140]

j. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name

dengan nama SangatBahaya.

k. Pilih fungsi keanggotaan pada Type dengan trimf.

(67)

l. Ubah Params dengan [130 140 150].

Sampai dengan langkah l, akan terlihat hasil seperti pada gambar

berikut :

- Fungsi Keanggotaan untuk variabel Jarak Rumah:

a. Klik variabel JarakRumah, hingga bingkainya berwarna merah.

(68)

b. Pilih add MFs … pada menu Edit, Pilih constan MF type. Tekan OK

akan muncul gambar berikut

Kemudian akan muncul

c. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name

dengan nama Tercemar.

d. Ubah Params dengan [5 65 125]

e. Klik mf2 hingga garisnya berwarna merah. Ganti mf2 pada Name

dengan nama CukupAman.

(69)

dengan nama Aman.

h. Ubah Params dengan [125 185 245]

Sampai dengan langkah i, akan terlihat hasil seperti pada gambar

berikut :

10. Membuat Aturan.

(70)

a. Untuk membuat aturan ke-1 : pilih (dengan cara mengklik satu kali)

TidakBahaya pada listbox MusimKemarau, TidakBahaya pada listbox

MusimHujan, dan Aman pada listbox JarakRumah. Tekan Add Rule.

b. Untuk membuat aturan ke-2 : pilih (dengan cara mengklik satu kali)

TidakBahaya pada listbox MusimKemarau, Bahaya pada listbox

MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add

Rule.

c. Untuk membuat aturan ke-3 : pilih (dengan cara mengklik satu kali)

TidakBahaya pada listbox MusimKemarau, SangatBahaya pada listbox

Rule.

d. Untuk membuat aturan ke-4 : pilih (dengan cara mengklik satu kali)

Bahaya pada listbox MusimKemarau, TidakBahaya pada listbox

(71)

Rule.

e. Untuk membuat aturan ke-5 : pilih (dengan cara mengklik satu kali)

Bahaya pada listbox MusimKemarau, Bahaya pada listbox

Rule.

f. Untuk membuat aturan ke-6 : pilih (dengan cara mengklik satu kali)

Bahaya pada listbox MusimKemarau, SangatBahaya pada listbox

MusimHujan, dan Tercemar pada listbox JarakRumah. Tekan Add

Rule.

g. Untuk membuat aturan ke-7 : pilih (dengan cara mengklik satu kali)

SangatBahaya pada listbox MusimKemarau, TidakBahaya pada listbox

Rule.

h. Untuk membuat aturan ke-8 : pilih (dengan cara mengklik satu kali)

SangatBahaya pada listbox MusimKemarau, Bahaya pada listbox

MusimHujan, dan Tercemar pada listbox JarakRumah. Tekan Add

Rule.

i. Untuk membuat aturan ke-9 : pilih (dengan cara mengklik satu kali)

SangatBahaya pada listbox MusimKemarau, SangatBahaya pada

listbox MusimHujan, danTercemar pada listbox JarakRumah. Tekan

Add Rule.

(72)

11. Hasilnya dapat dilihat dari rule viewer. Pilih View rules…pada menu View.

Akan muncul editor

(73)

Untuk mengubah input dapat dilakukan dengan mengubah kolom input, atau

dengan menggeser garis berwarna merah.

12. Untuk melihat kaitan ketiga variabel dalam bentuk surface, pilih View