PERANCANGAN PREDIKTOR CUACA MARITIM DENGAN METODE
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK
MENINGKATKAN JANGKAUAN RAMALAN, STUDI KASUS : PELAYARAN
SURABAYA-BANJARMASIN
RI K Y JAYA SA MPURN A IR. SYAMS UL ARIF IN, MT
LATAR BELAKANG
Faktor cuaca menjadi hal yang sulit untuk diprediksi dalam pelayaran,
maka dari itu peramalan cuaca akhir – akhir ini menjadi topik yang
menarik untuk dibahas, karena sangat membantu dalam kelayakan
pelayaran di laut.
Berdasarkan PP N0.5 Tahun 2010, layanan meteorologi diselenggarakan
untuk menjamin keamanan dan keselamatan pelayaran, mendorong
kelancaran kegiatan perekonomian, menandai batas wilayah dalam rangka
menjaga kedaulatan, memantapkan pertahanan dan keamanan negara, serta
memperkukuh persatuan kesatuan bangsa dalam kerangka wawasan
nusantara.
Diperlukan suatu teknologi yang tepat untuk prediktor cuaca dengan
metode Adaptive Neuro Fuzzy Inference System (ANFIS) dalam
peramalan cuaca untuk kebutuhan pelayaran kapal di pelayaran
Surabaya-Banjarmasin.
PERMASALAHAN DAN TUJUAN
• Permasalahan
Bagaimana merancang prediktor cuacamaritim menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk meningkatkan jangkauan ramalan,
sehingga tepat dengan keadaan cuaca sesungguhnya yang selanjutnya bisa didapatkan rekomendasi untuk kelayakan
pelayaran Surabaya-Banjarmasin.
• Tujuan
Untuk merancang prediktor cuaca maritim
menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk
meningkatkan jangkauan ramalan, yang selanjutnya bisa didapatkan rekomendasi
untuk kelayakan pelayaran Surabaya-Banjarmasin.
LOKASI PENGAMATAN
Ketinggian gelombang dan kecepatan arus titik A, B dan C dihitung
menggunakan interpolasi Lagrange. Sedangkan perairan Surabaya, laut Jawa dan perairan Banjarmasin data cuaca dari BMG Perak II Surabaya.
PENGOLAHAN DATA
Dasar pemikiran pemodelan prediksi cuaca adalah berdasarkan jurnal oleh Georgios Sylaios yaitu variabel yang mempengaruhi ketinggian gelombang dan arus laut dapat berupa kecepatan angin saat ini, ketinggian gelombang aktual (H(t)), ketinggian gelombang sebelumnya (H(t-1)), kecepatan arus laut aktual (Cu(t)), dan kecepatan arus sebelumnya (Cu(t-1)) yang akan digunakan sebagai masukan dengan model ANFIS time variate. Sedangakan ANFIS time series inputnya berupa ketinggian gelombang aktual (H(t)), ketinggian gelombang sebelumnya (H(t-1)), kecepatan arus laut aktual (Cu(t)), dan kecepatan arus sebelumnya (Cu(t-1)).Perbandingan ketinggian gelombang Prediksi
Anfis dengan data sebenarnya 1 JAM KEDEPAN di
perairan Surabaya
0 200 400 600 800 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7Validasi data bulan Januari 2010
Banyak Data K et in gg ia n G el om ba ng ( m ) Predik si Validasi 0 100 200 300 400 500 600 700 800 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 Banyak Data K et in gg ia n G el om ba ng ( m )
Validasi Data Bulan Januari 2010
ANFIS Prediksi Jmlh data training Jmlh data validasi RMSE training RMSE Validasi Ketinggian Gelombang Time Series 1 jam kedepan 35064 744 0.004683 9 0.005456 Ketinggian Gelombang Multi Variate 1 jam kedepan 35064 744 0.004633 5 0.005767
Perbandingan ketinggian gelombang Prediksi
Anfis dengan data sebenarnya 1 JAM KEDEPAN di
LAUT JAWA
0 200 400 600 800 0 0.5 1 1.5 2 2.5 3 3.5Validasi data bulan Januari 2010
Banyak Data K ec ep at an A ru s (c m /s ) Predik si Validasi 0 100 200 300 400 500 600 700 800 0 0.5 1 1.5 2 2.5 3 3.5 Banyak Data K et in gg ia n G el om ba ng ( m )
Validasi Bulan Januari 2010
ANFIS Prediksi Jmlh data training Jmlh data validasi RMSE training RMSE Validasi Ketinggian Gelombang Time Series 1 jam kedepan 35064 744 0.0103802 0.01277 Ketinggian Gelombang Multi Variate 1 jam kedepan 35064 744 0.010439 0.01418
Perbandingan ketinggian gelombang Prediksi
Anfis dengan data sebenarnya di 1 JAM KEDEPAN
PERAIRAN BANJARMASIN
0 200 400 600 800 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8Validasi data bulan Januari 2010
Banyak Data K ec ep at an A ru s (c m /s ) Predik si Validasi 0 100 200 300 400 500 600 700 800 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 Banyak Data K et in gg ia n G el om ba ng (m )
Validasi Bulan Januari 2010
ANFIS Prediksi Jmlh data training Jmlh data validasi RMSE training RMSE Validasi Ketinggian Gelombang Time Series 1 jam kedepan 35064 744 0.0101397 0.01841 Ketinggian Gelombang Multi Variate 1 jam kedepan 35064 744 0.00657 0.00905
Perbandingan KECEPATAN ARUS Prediksi Anfis
dengan data sebenarnya 1 JAM KEDEPAN di
PERAIRAN SURABAYA
0 200 400 600 800 0 5 10 15 20 25Validasi data bulan Januari 2010
Banyak Data K ec ep at an A ru s (c m /s ) Predik si Validasi 0 100 200 300 400 500 600 700 800 0 5 10 15 20 25 30 Banyak Data K ec ep at an A ru s (c m /s )
Validasi Bulan Januari 2010
ANFIS Prediksi Jmlh data training Jmlh data validasi RMSE training RMSE Validasi
Kecepatan Arus Time Series
1 jam kedepan
35064 744 0.1623 0.33140
Kecepatan Arus Multi Variate
1 jam kedepan
35064 744
0.19751
Perbandingan KECEPATAN ARUS Prediksi Anfis
dengan data sebenarnya 1 JAM KEDEPAN di LAUT
JAWA
0 200 400 600 800 -10 0 10 20 30 40 50 60 70 80 90Validasi data bulan Januari 2010
Banyak Data K ec ep at an A ru s (c m /s ) Predik si Validasi 0 100 200 300 400 500 600 700 800 0 10 20 30 40 50 60 70 80 90 100 Banyak Data K ec ep at an A ru s (c m /s )
Validasi Bulan Januari 2010
ANFIS Prediksi Jmlh data training Jmlh data validasi RMSE training RMSE Validasi
Kecepatan Arus Time Series
1 jam kedepan
35064 744 0.68985 1.55217
Kecepatan Arus Multi Variate
1 jam kedepan
Perbandingan KECEPATAN ARUS Prediksi Anfis
dengan data sebenarnya 1 JAM KEDEPAN di
PERAIRAN BANJARMASIN
0 200 400 600 800 0 10 20 30 40 50 60 70 80Validasi data bulan Januari 2010
Banyak Data K ec ep at an A ru s (c m /s ) Predik si Validasi 0 100 200 300 400 500 600 700 800 0 10 20 30 40 50 60 70 80 Banyak Data K ec ep at an A ru s (c m /s )
Validasi Bulan Januari 2010
ANFIS Prediksi Jmlh data training Jmlh data validasi RMSE training RMSE Validasi
Kecepatan Arus Time Series 1 jam kedepan 35064 744 0.439443 0.4703 Kecepatan Arus Multi Variate 1 jam kedepan 35064 744 0.6664 0.72269
RANCANGAN GUI PREDIKTOR
CUACA MARITIM 1 JAM KEDEPAN
RANCANGAN GUI PREDIKTOR CUACA
MARITIM 10 JAM KEDEPAN
KESIMPULAN..1
Untuk prediksi kecepatan arus laut dengan model ANFIS time series menghasilkan nilai RMSE validasi 0.33140 cm/s untuk peramalan pada perairan Surabaya, 2.2038 cm/s untuk peramalan pada titik A, 3.61466 untuk
peramalan pada titik B, 1.55217 cm/s untuk peramalan pada laut Jawa, 1.1298 cm/s untuk peramalan pada titik C, dan 0.4703 cm/s untuk peramalan 1 jam ke depan pada perairan Banjarmasin.
Untuk prediksi kecepatan arus laut multi variate dengan model ANFIS time series menghasilkan RMSE validasi 0.855033 cm/s untuk peramalan pada perairan
Surabaya, 2.3096 cm/s untuk peramalan pada titik A, 2.62006 cm/s untuk peramalan pada titik B, 1.77666 cm/s untuk peramalan pada laut Jawa, 1.1921 cm/s untuk peramalan pada titik C, dan dan 0.72269 cm/s untuk peramalan pada perairan Banjarmasin.
KESIMPULAN..2
Untuk prediksi ketinggian gelombang laut dengan model ANFIS multi variate menghasilkan nilai RMSE validasi 0.00545 m untuk peramalan pada perairan Surabaya, 0.01263 m untuk peramalan pada titik A, 0.01543 m untuk peramalan pada titik B, 0.01277 m untuk
peramalan pada laut Jawa, 0.01108 m untuk peramalan pada titik C, dan 0.01841 m untuk peramalan pada
perairan Banjarmasin.
Untuk prediksi ketinggian gelombang laut dengan model ANFIS multi variate menghasilkan nilai RMSE validasi 0.005767 m untuk peramalan pada perairan Surabaya, 0.01649 m untuk peramalan pada titik A, 0.01825 m untuk peramalan pada titik B, 0.01418 m untuk peramalan pada laut Jawa, dan 0.01673 m untuk peramalan pada perairan Banjarmasin