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
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
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,
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
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.
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.
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.
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.
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
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
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
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
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
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.
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
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.
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
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.
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
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.
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
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.
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
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.
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
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, + ].
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.
♠ ♦
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
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])
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
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 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
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 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
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.
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) αi
i = 1
Dengan Z = nilai rata-rata
α = α - predikat
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.
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
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.
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
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.
♠
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
♠= ,
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.
♠= ,
Keterangan-keterangan di atas dapat dilihat pada gambar di bawah
TB B SB
Gambar 4.2 Fungsi keanggotaan kadar Cd pada musim hujan
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.
Dengan menggunakan representasi kurva segitiga, maka output
4. 2. Pembentukan Aturan Fuzzy
Setelah membentuk fungsi keanggotaan, langkah selanjutnya
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
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])
[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
=
[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
lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih.
Input; musim kemarau = 0,0053 mg/L = 53 dag/L
Derajat keanggotaan tiap variabel dari input musim kemarau
TB [53] = 55 – 53 = 0,2
10
B [53] = 53 – 45 = 0,8
10
SB [53] = 0
Derajat keanggotaan tiap variabel dari input musim hujan
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.
[R1] IF k = TB AND h = TB THEN AMAN
α-predikat1 = min ( TIDAK BAHAYA[53] ; TIDAK BAHAYA[137])
= min (0,2 ; 0) = 0
[R2] IF k = TB AND h = B THEN CUKUP AMAN
α-predikat2 = min ( TIDAK BAHAYA[53] ; BAHAYA[137])
= min (0,2 ; 0,3) = 0,2
[R3] IF k = TB AND h = SB THEN CUKUP AMAN
α-predikat3 = min ( TIDAK BAHAYA[53] ; SANGAT BAHAYA[137])
= min (0,2 ; 0,7) = 0,2
[R4] IF k = B AND h = TB THEN CUKUP AMAN
α-predikat4 = min ( BAHAYA[53] ; TIDAK BAHAYA[137])
= min (0,8 ; 0) = 0
[R5] IF k = B AND h = B THEN TERCEMAR
α-predikat5 = min ( BAHAYA[53] ; BAHAYA[137])
= min (0,8 ; 0,3) = 0,3
= =
[R6], 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 0,2 ∗125 + 0,2 ∗125 + 0,3 ∗ 65 + 0,7 ∗ 65
lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih.
Derajat keanggotaan tiap variabel dari input musim kemarau
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
Derajat keanggotaan tiap variabel dari input musim hujan
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.
[R1] IF k = TB AND h = TB THEN AMAN
α-predikat1 = min ( TIDAK BAHAYA[48] ; TIDAK BAHAYA[132])
= min (0,7 ; 0) = 0
[R2] IF k = TB AND h = B THEN CUKUP AMAN
α-predikat2 = min ( TIDAK BAHAYA[48] ; BAHAYA[132])
= min (0,7 ; 0,8) = 0,7
[R3] IF k = TB AND h = SB THEN CUKUP AMAN
α-predikat3 = min ( TIDAK BAHAYA[48] ; SANGAT BAHAYA[132])
= min (0,7 ; 0,2) = 0,2
[R4] IF k = B AND h = TB THEN CUKUP AMAN
α-predikat4 = min ( BAHAYA[48] ; TIDAK BAHAYA[132])
= min (0,3 ; 0) = 0
[R5] IF k = B AND h = B THEN TERCEMAR
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
[R6], 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 0,7 ∗125 + 0,2 ∗125 + 0,3 ∗ 65 + 0,2 ∗ 65
Z = 2 2 3 3 5 5 6 6 α
2 + α3 + α5 + α6
=
= 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
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
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.
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
[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
LAMPIRAN 1
JARAK RUMAH PENDUDUK DENGAN SUMBER PENCEMARAN
No No Rumah Jarak rumah
LAMPIRAN 2
HASIL PEMERIKSAAN KUALITAS AIR BERSIH PENDUDUK
DI KECAMATAN KLARI KABUPATEN KARAWANG
Musim Kemarau (mg/L) Musim Hujan (mg/L)
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.
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
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
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].
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].
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].
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 [10 120 130]
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 [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.
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.
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.
f. Ubah Params dengan [65 125 185]
g. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name
dengan nama Aman.
h. Ubah Params dengan [125 185 245]
Sampai dengan langkah i, akan terlihat hasil seperti pada gambar
berikut :
10. Membuat Aturan.
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
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add
Rule.
d. Untuk membuat aturan ke-4 : pilih (dengan cara mengklik satu kali)
Bahaya pada listbox MusimKemarau, TidakBahaya pada listbox
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add
Rule.
e. Untuk membuat aturan ke-5 : pilih (dengan cara mengklik satu kali)
Bahaya pada listbox MusimKemarau, Bahaya pada listbox
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add
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
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add
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.
11. Hasilnya dapat dilihat dari rule viewer. Pilih View rules…pada menu View.
Akan muncul editor
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