1
BAB I
PENDAHULUAN
Bab ini berisi mengenai latar belakang penelitian, rumusan masalah, tujuan penelitian, batasan masalah, manfaat penelitian, dan kerangka penelitian yang dilakukan oleh peneliti pada penelitian ini.
1.1 Latar Belakang
Selama tahun 1980-2010 tren bencana banjir di Indonesia mengalami peningkatan secara signifikan (Findayani, 2015). Kota Balikpapan termasuk ke dalam wilayah rawan banjir dengan terdapat 88 titik banjir, dimana jumlah ini terus meningkat setiap tahunnya (Anggraini, 2019). Ada beberapa parameter penyebab banjir, yaitu curah hujan yang tinggi, kemiringan lereng, drainase, bentuk lahan, dan penutupan atau penggunaan lahan (Dewanto dkk, 2013).
Berdasarkan data Badan Pusat Statistik (BPS) Kota Balikpapan diketahui bahwa curah hujan tertinggi tahun 2017 terjadi pada bulan Mei yaitu sebesar 535 mm (millimeter) dan tahun 2018 curah hujan tertinggi sebesar 412,2 mm terjadi di bulan Maret. Diketahui pula, pada tahun 2017 terdapat sebanyak 124 kejadian banjir dan 18 kasus banjir di pemukiman maupun jalan utama sepanjang tahun 2018. Jumlah kejadian banjir ini tidak menentu untuk setiap tahunnya. Banjir sering terjadi karena adanya curah hujan yang tinggi saat musim hujan tiba.
Masalah yang ditimbulkan oleh banjir cukup besar yaitu terganggunya aktifitas sosial dan ekonomi akibat tergenangnya ruas jalan, serta terganggunya kesehatan masyarakat (Arif dkk, 2017). Adanya curah hujan tinggi yang mengakibatkan banjir, serta dampak atau kerugian dari banjir, maka perlu adanya prediksi kejadian banjir di Kota Balikpapan.
Salah satu metode yang dapat digunakan untuk melakukan prediksi adalah logika fuzzy. Logika fuzzy merupakan teori yang dikembangkan untuk memecahkan masalah yang kabur, tidak pasti, dan tidak jelas. Teori ini dapat digunakan dalam mengukur kesamaran dari pemikiran, persepsi, dan intuisi manusia (Sutrisno, 2011). Metode fuzzy yang dapat digunakan dalam
2 memprediksi adalah metode fuzzy Tsukamoto, seperti penelitian yang pernah dilakukan oleh (Wahyuni dan Ahda, 2018). Penelitian yang dilakukan oleh (Wahyuni dan Ahda, 2018) untuk prediksi curah hujan di Kota Batu dengan model Fuzzy Inference System (FIS) Tsukamoto didapatkan nilai Root Mean Square Error (RMSE) yang cukup kecil. Prediksi kejadian banjir menggunakan logika fuzzy Tsukamoto juga pernah dilakukan oleh (Adipraja dkk, 2020). FIS Tsukamoto digunakan oleh (Adipraja dkk, 2020) untuk prediksi kejadian banjir di Kota Malang. Data yang digunakan dalam penelitian ini adalah data curah hujan dan intensitas hujan di Kota Malang.
Komponen utama yang sangat berpengaruh pada logika fuzzy adalah fungsi keanggotaan (Setiawan dkk, 2018). Salah satu permasalahan dalam penerapan metode fuzzy adalah sulitnya menentukan batasan fungsi keanggotaan yang tepat (Armanda dan Mahmudy, 2016). Menurut Restuputri dkk (2015) yang dikutip dalam (Fitri dan Mahmudy, 2017), salah satu teknik yang dapat dilakukan untuk menghasilkan solusi optimal adalah dengan melakukan optimasi terhadap batasan fungsi keanggotaan. Salah satu metode yang dapat digunakan untuk mengoptimasi fungsi keanggotaan dalam logika fuzzy adalah algoritma genetika.
Penelitian yang berhubungan dengan optimasi batas fungsi keanggotaan menggunakan algoritma genetika pernah diterapkan dalam prediksi curah hujan di daerah batu oleh (Wahyuni dkk, 2018). Setelah digunakannya algoritma genetika didapatkan nilai RMSE yang 34,4% lebih baik jika dibandingkan dengan nilai RMSE tanpa optimasi batasan fungsi keanggotaan. Selain itu, penelitian yang dilakukan oleh (Fadilah, 2019) memberikan hasil bahwa implementasi algoritma genetika dan fuzzy Tsukamoto untuk prediksi cuaca studi kasus BMKG Pekanbaru dapat melakukan prediksi dengan keakuratan 72%.
Berdasarkan penelitian-penelitian tersebut, maka dalam penelitian ini dilakukan optimasi batasan fungsi keanggotaan fuzzy Tsukamoto dalam prediksi kejadian banjir menggunakan algoritma genetika. Penelitian ini menggunakan data total curah hujan dalam satu bulan, jumlah hari hujan dalam satu bulan, dan curah hujan maksimum 1 hari untuk prediksi banyaknya kejadian banjir di Kota Balikpapan.
3
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan di atas, maka permasalahan yang akan dibahas dalam penelitian ini adalah:
1. Bagaimana pemodelan prediksi kejadian banjir di Kota Balikpapan menggunakan Fuzzy Inference System Tsukamoto?
2. Bagaimana optimasi derajat keanggotaan Fuzzy Inference System Tsukamoto menggunakan algoritma genetika untuk prediksi kejadian banjir di Kota Balikpapan?
1.3 Tujuan Penelitian
Berdasarkan perumusan masalah yang ada, maka tujuan dari dilaksanakannya penelitian ini adalah sebagai berikut:
1. Mengetahui model prediksi kejadian banjir di Kota Balikpapan menggunakan Fuzzy Inference System Tsukamoto.
2. Melakukan optimasi fungsi keanggotaan Fuzzy Inference System Tsukamoto menggunakan algoritma genetika untuk prediksi kejadian banjir di Kota Balikpapan.
1.4 Batasan Masalah
Pembatasan ruang lingkup permasalahan yang perlu diperhatikan dalam penelitian ini adalah sebagai berikut:
1. Metode yang digunakan untuk prediksi kejadian banjir adalah Fuzzy Inference System Tsukamoto.
2. Variabel input yang digunakan dalam penelitian ini adalah total curah hujan dalam satu bulan, jumlah hari hujan dalam satu bulan, dan curah hujan maksimum 1 hari serta variabel output berupa jumlah kejadian banjir.
3. Optimasi batasan fungsi keanggotaan Fuzzy Inference System Tsukamoto menggunakan algoritma genetika.
4
1.5 Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:
1. Menambah wawasan dan kemampuan penulis dalam mengaplikasikan ilmu matematika khususnya dalam bidang pemodelan dengan logika Fuzzy.
2. Memberikan informasi dan pengetahuan kepada pembaca mengenai optimasi fungsi keanggotaan Fuzzy Inference System Tsukamoto menggunakan algoritma genetika untuk prediksi kejadian banjir di Kota Balikpapan.
1.6 Kerangka Pemikiran Penelitian
Pada subbab ini, diberikan kerangka pemikiran penelitian guna memberikan gambaran bagi pembaca mengenai Tugas Akhir yang dikerjakan oleh peneliti. Kerangka pemikiran penelitian ditunjukkan oleh Gambar 1.1 sebagai berikut:
5 Gambar 1.1 Kerangka Penelitian Tugas Akhir
Prediksi Kejadian Banjir
Wahyuni & Ahda. (2018).
Pemodelan FIS Tsukamoto untuk Prediksi Curah Hujan Studi Kasus Kota Batu
Fuzzy Tsukamoto Curah Hujan
dalam Satu Bulan, Curah
Hujan Max, dan Jumlah Hari Hujan
Optimasi Fungsi Keanggotaan
Algoritma Genetika
Wahyuni, dkk. (2018).
Penerapan Metode Hybrid FIS Tsukamoto dan Algoritma Genetika untuk Prediksi Curah Hujan di Daerah Batu
Adipraja, dkk. (2018).
Pemodelan Fuzzy Interfence System Tsukamoto untuk Kejadian Banjir di Kota Malang.
Fadillah. (2019). Optimasi derajat keanggotaan Fuzzy Tsukamoto menggunakan Algoritma Genetika untuk prediksi cuaca
Ide Penelitian Optimasi Fungsi Keanggotaan Fuzzy
Tsukamoto Menggunakan Algoritma Genetika
untuk Prediksi Kejadian Banjir di
Kota Balikpapan Permasalahan
Penelitian Terdahulu
Metode
