Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
PREDIKSI CUACA ME GGU AKA LOGIKA FUZZY U TUK KELAYAKA PELAYARA DI
PELABUHA TA JU G PERAK SURABAYA (Prita Meilanitasari, Ir. Syamsul Arifin,MT)
Jurusan Teknik Fisika – Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember
Kampus ITS Keputih Sukolilo, Surabaya 60111
Abstrak
Di bidang pelayaran kebutuhan atas informasi cuaca sangatlah penting untuk menentukan kelayakan pelayaran.
Pada penelitian ini digunakan metode logika fuzzy untuk peramalan cuaca maritim. Data yang digunakan adalah data
yang diambil dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) pada range waktu 5 tahun dari tahun 2005
hingga 2009, dan data bulan Desember 2007 yang digunakan untuk validasi. Data tersebut digunakan sebagai
masukan dari logika fuzzy yang terdiri dari tiga variabel dan satu keluaran untuk masing-masing logika fuzzy yaitu
ketinggian gelombang atau kecepatan arus. Keluaran logika fuzzy kemudian digunakan untuk menentukan kelayakan
pelayaran yang dilihat dari ketinggian gelombang dan kecepatan arus. Dari hasil peramalan ketinggian gelombang
untuk 744 data pada bulan Desember 2007 didapatkan prosentase keakuratan data bila dibandingkan dengan data
yang berasal dari BMKG adalah 80,20% untuk peramalan 1 jam ke depan, 78,40% untuk peramalan 3 jam ke depan,
77,40% untuk peramalan 6 jam ke depan, 72,30% untuk peramalan 12 jam ke depan, dan 63,60% untuk peramalan 24
jam ke depan dengan prosentase rata-rata sebesar 74,38%sedangkan untuk arus 98,79% untuk peramalan kecepatan
arus 1 jam ke depan, 98,92% untuk peramalan 3 jam ke depan, 98,92% untuk peramalan 6 jam ke depan, 98,92% untuk
peramalan 12 jam ke depan, dan 98,52% untuk peramalan 24 jam kemudian (keesokan harinya) dengan prosentase
rata-rata sebesar 98,81%.Untuk kelayakan pelayaran pada bulan Desember 2007 didapatkan prosentase layak layar
adalah sebesar 95,17%.
Kata kunci : Fuzzy Takagi-Sugeno, kelayakan pelayaran.
I PE DAHULUA
Cuaca merupakan suatu kondisi udara di suatu
tempat pada saat yang relatif singkat yang meliputi
kondisi suhu, kelembaban, serta tekanan udara sebagai
komponen utamanya. Pencarian metode untuk
memprediksi cuaca adalah kegiatan yang akhir-akhir
ini banyak dilakukan oleh peneliti terhadap atmosfer
atau cuaca. Dikarenakan banyaknya tuntutan dari
berbagai pihak yang membutuhkan informasi kondisi
atmosfer yang lebih cepat, lengkap, dan akurat. Badan
Meteorologi, Klimatologi dan Geofisika (BMKG)
sebagai perusahaan negara yang bertugas sebagai
pengamat cuaca mampu memprediksikan cuaca
melalui metode konvensional baik itu metoda statistik
maupun dinamik yang mencakup radius 5 – 10 km
untuk 1 titik pengamatan di wilayah yang dapat
diprediksikan.
Selama ini, BMKG menggunakan metode
matematis untuk peramalan. Pada penelitian
sebelumnya telah dilakukan metode peramalan
menggunakan fuzzy clustering (Syamsul Arifin,2007)
yang mampu menghasilkan ketepatan sebesar 69%
untuk data uji sebanyak 304 hari. Selanjutnya prediksi
cuaca maritim menggunakan jaringan syaraf tiruan
(Andre Kresnawan, 2008) yang menghasilkan
ketepatan prediksi untuk arus laut sebesar 60,7%,
gelombang laut sebesar 72,4%, dan prediksi curah
hujan sebesar 26,122%. Kemudian prediksi cuaca
maritim menggunakan metode ANFIS (Ardian Candra
P, 2010) yang menghasilkan ketepatan prediksi 38,00%
untuk curah hujan, 99,887% untuk arus laut, dan
99,913% untuk ketinggian gelombang laut.
Adapun permasalahan yang dibahas adalah
bagaimana merancang metode peramalan
menggunakan metode logika fuzzy untuk menentukan
kelayakan pelayaran khususnya di sekitar pelabuhan
Tanjung Perak Surabaya.
Penelitian ini menggunakan titik pengamatan
4,648136o S – 113,908806
o E. Data yang diambil
merupakan data dari BMKG Perak I. Diharapkan
dengan menggunakan metode tersebut maka keluaran
yang diharapkan dapat lebih baik bila dibandingkan
dengan penelitian sebelumnya.
II TEORI PE U JA G
2.1 Cuaca dan Iklim
Cuaca dan iklim memiliki perbedaan definisi
yang saling berhubungan. Iklim akan mempengaruhi
cuaca di suatu tempat, sedangkan cuaca yang terjadi
akan dipengaruhi iklim tempat tersebut. Pada dasarnya
cuaca adalah keadaan udara pada saat tertentu dan di
wilayah tertentu yang relatif sempit dan pada jangka
waktu yang singkat. Cuaca itu terbentuk dari gabungan
unsur cuaca dan jangka waktu cuaca bisa hanya
beberapa jam saja.
Sedangkan iklim merupakan keadaan cuaca
rata-rata dalam waktu satu tahun yang penyelidikannya
dilakukan dalam waktu yang lama (minimal 30 tahun)
dan meliputi wilayah yang luas. Iklim terbentuk karena
adanya revolusi serta rotasi bumi sehingga terjadi
pergeseran semu harian matahari dan tahunan, dan
karena adanya perbedaan lintang geografi dan
lingkungan fisis. Perbedaan ini menyebabkan
timbulnya penyerapan panas matahari oleh bumi
sehingga besar pengaruhnya terhadap kehidupan di
bumi.
2.2 Unsur – Unsur Cuaca dan Iklim
Suhu atau temperatur udara adalah derajat
panas dari aktivitas molekul dalam atmosfer. Alat
untuk mengukur suhu atau temperatur udara atau
derajat panas disebut Thermometer. Biasanya
pengukuran suhu atau temperatur udara dinyatakan
dalam skala Celcius (C), Reamur (R), dan Fahrenheit
(F).Untuk menghitung suhu udara di suatu tempat
dapat digunakan rumus:
Tekanan udara adalah suatu gaya yang timbul
akibat adanya berat dari lapisan udara. Besarnya
tekanan udara di setiap tempat pada suatu saat
berubah-ubah. Makin tinggi suatu tempat dari
permukaan laut, makin rendah tekanan udaranya. Hal
ini disebabkan karena makin berkurangnya udara yang
menekan. Besarnya tekanan udara diukur dengan
barometer dan dinyatakan dengan milibar (mb).
Tekanan udara dapat dibedakan menjadi 3 macam,
yaitu tekanan udara tinggi (lebih dari 1013
mb),tekanan udara rendah (kurang dari 1013 mb), dan
tekanan di permukaan laut (sama dengan 1013 mb).
Kelembaban udara adalah banyaknya uap air
yang terkandung dalam massa udara pada saat dan
tempat tertentu. Alat untuk mengukur kelembaban
udara disebut psychrometer atau hygrometer.
Kelembaban udara dapat dibedakan menjadi
kelembaban mutlak atau kelembaban absolut, yaitu
kelembaban yang menunjukkan berapa gram berat uap
air yang terkandung dalam satu meter kubik (1 m3)
udara, dan kelembaban nisbi atau kelembaban relatif,
yaitu bilangan yang menunjukkan berapa persen
perbandingan antara jumlah uap air yang terkandung
dalam udara dan jumlah uap air maksimum yang dapat
ditampung oleh udara tersebut.
Angin adalah gerak udara yang sejajar dengan
permukaan bumi. Udara bergerak dari daerah
bertekanan tinggi ke daerah bertekanan rendah. Angin
adalah besaran vektor yang mempunyai arah dan
kecepatan. Arah angin dinyatakan dalam derajat.
Sebagai contoh arah 360o adalah arah Utara (U), arah
22,5o adalah arah Utara Timur Laut (UTL), dan
sebagainya. Kecepatan angin dinyatakan dalam satuan
meter per sekon, kilometer per jam atau knot (1 knot ≈
0,51 m/s) dan diukur menggunakan anemometer.
Kekuatan angin ditentukan oleh kecepatannya, makin
cepat angin bertiup maka makin tinggi/besar
kekuatannya. Pada tahun 1804 Beaufort seorang
Laksamana Inggris telah membuat daftar kekuatan dan
kecepatan angin yang digunakannya untuk pelayaran.
Daftar tersebut dinamakan Skala Beaufort yang
memiliki nilai 0 sampai 12.
2.3 Pengaruh Unsur Cuaca pada Permukaan Laut
Pengaruh unsur-unsur cuaca pada permukaan
laut terdapat pada ketinggian gelombang serta
kecepatan arus laut yang ada di permukaan laut.
Gelombang laut atau ombak merupakan
gerakan air laut yang paling umum dan mudah kita
amati. Gelombang yang dimaksudkan adalah
gelombang yang dibangkitkan oleh angin. Gelombang
Gelombang terjadi karena adanya gesekan angin di
permukaan,oleh karena itu arah gelombang sesuai
dengan arah angin. Secara teori dapat dijelaskan bahwa
ketika angin yang berhembus secara teratur dan terus-
menerus di atas permukaan air laut akan membentuk
riak permukaan yang bergerak searah dengan
hembusan angin. Bila angin masih terus berhembus
dalam waktu yang cukup panjang dan meliputi jarak
permukaan laut yang cukup besar, maka riak air akan
tumbuh menjadi gelombang. Pada saat yang bersamaan
riak permukaan baru akan terbentuk di atas gelombang
yang terbentuk, dan selanjutnya akan berkembang
menjadi gelombang-gelombang baru tersendiri. Bila
angin berhenti berhembus, sistem gelombang yang
telah terbentuk akan melemah. Proses pelemahan
gelombang akan mencapai waktu beberapa hari, yang
bersamaan dengan hal itu gelombang-gelombang
panjang sudah bergerak dan menempuh jarak ribuan
kilometer, yang pada jarak yang cukup jauh dan tempat
mulainya gelombang akan dapat diamati sebagai alun
(swell). Alun biasnya mempunyai periode yang sangat
panjang, dan bentuknya cukup beraturan. Sistem
gelombang yang terbentuk secara lokal akan
dipengaruhi oleh alun yang terbentuk dan tempat yang
jauh.
Arus laut atau sea current adalah gerakan
massa air laut dari satu tempat ke tempat lain baik
secara vertikal (gerakan ke atas) maupun secara
horizontal (gerakan ke samping). Menurut letaknya
arus dibedakan menjadi dua yaitu arus atas dan arus
bawah. Arus atas adalah arus yang bergerak di
permukaan laut. Arus ini dipengaruhi sebagian besar
oleh kecepatan, kekuatan serta arah angin yang ada di
permukaan laut sehingga menyebabkan arus atas
bergerak. Pengaruh angin disini berkisar 2% dari
kecepatan angin itu sendiri. Kecepatan arus ini akan
berkurang sesuai dengan makin bertambahnya
kedalaman perairan sampai pada akhirnya angin tidak
berpengaruh pada kedalaman 200 meter.
2.4 Kelayakan Pelayaran
Indonesia adalah negara martim karena
sebagian wilayahnya merupakan perairan. Transportasi
laut menjadi alternatif untuk perjalanan antar pulau.
Terdapat sebuah lembaga negara yang berada di bawah
departemen perhubungan yang bertugas untuk
menangani masalah pengawasan transportasi laut
(kapal) dan ketertiban dalam hal kebandaran yang
dinamakan Syahbandar. Syahbandar berada di bawah
pengawasan Badan Administrasi Pelayaran.
Syahbandar memberikan pengawasan kapal untuk
menjamin kelancaran pelayaran dari dan menuju
pelabuhan.
Berdasarkan pengetahuan dari Syahbandar
pelabuhan Tanjung Perak surabaya, kelayakan
pelayaran dilihat dari dua faktor, yaitu faktor dalam
dan faktor luar. Faktor dalam berasal dari badan kapal
itu sendiri. Baik itu berupa kesiapan dari awak kapal,
meneliti muatan kapal, dokumen dan sertifikat kapal.
Sedangkan faktor luar dipengaruhi oleh cuaca perairan,
dalam hal ini untuk pelayaran. Cuaca di perairan yang
mempengaruhi pelayaran diantaranya adalah
ketinggian gelombang, kecepatan arus, kecepatan angin
dan cuaca buruk. Ketinggian gelombang adalah
variabel yang paling berpengaruh pada faktor
kelayakan pelayaran. Tiap-tiap kapal (dilihat dari Gross
Tonnase) berbeda faktor kelayakannya. Selain itu dapat
dilihat pula dari besar kecilnya muatan.
2.5 Logika Fuzzy
Teori logika fuzzy dikenal himpunan fuzzy
yang merupakan pengelompokan sesuatu berdasarkan
variabel bahasa yang dinyatakan dalam fungsi
keanggotaan. Di alam semesta pembicaraan U, fungsi
keanggotaan dari suatu himpunan fuzzy tersebut
bernilai antara 0.0 sampai dengan 1.0.
2.5.1 Himpunan Fuzzy
Gambar 2.1 Blok Diagram Logika Fuzzy
Berdasarkan gambar di atas, dalam sistem logika
fuzzy terdapat beberapa tahapan operasional yang
meliputi Fuzzifikasi yaitu suatu proses pengubahan
nilai tegas yang ada ke dalam fungsi
keanggotaan,Penalaran (Inference Machine) adalah
proses implikasi dalam menalar nilai masukan guna
panentuan nilai keluaran sebagai bentuk Pengambil
Keputusan. Salah satu model penalaaran yang banyak
dipakai adalah penalaran max-min. Aturan Dasar (Rule
Based) KLFpada kontrol logika fuzzy merupakan suatu
bentuk aturan relasi “Jika-Maka” atau “If-then” seperti
pada pernyataan “JIKA”X=A DAN “JIKA”Y=B
“MAKA”Z=C. Yang terakhir adalah Defuzzifikasi yang
merupakan proses pemetaan himpunan fuzzy ke
himpunan tegas. Proses ini merupakan kebalikan dari
proses fuzzyfikasi. Proses defuzzifikasi deikspresikan
sebagai Z*=defuzzifier (Z).
2.5.2 Fuzzy Clustering
Fuzzy clustering digunakan untuk
mengelompokkan data. Data yang jumlahnya ratusan
bahkan ribuan dapat dikelompokkan sesuai dengan
jumlah cluster. Sehingga dapat diketahui nilai
minimum, maksimum, serta pusat clusternya. Dari situ
dapat diketahui pola fungsi keanggotaannya. Dalam hal
ini proses pengelompokan menggunakan software
MATLAB 7.8.0 menggunakan bahasa pemrograman
sehingga mendapatkan nilai-nilai yang dibutuhkan.
2.5.3 Fungsi Keanggotaan
Fungsi keanggotaan (membership function )
dari himpunan fuzzy adalah suatu fungsi yang
menyatakan keanggotaan dari suatu himpunan nilai
nilai. Penentuan nilai nilai diperoleh dari rule / kaidah
fuzzy yang menggunakan metoda implikasi. Ada dua
metode untuk mendefinisikan keanggotaan himpunan
fuzzy, pertama secara numerik dinyatakan sebagai
suatu nilai vektor yang besarnya tergantung dari level
diskritnya. Kedua secara fungsional dinyatakan dalam
bentuk fungsi keanggotaan kontinyu (continue
support). Jenis jenis fungsi keanggotaan dalam operasi
fuzzy, yaitu bentuk �, bell, gaussian, Trapesoidal, S
dan T ( triangular). Fungsi keanggotaan bantu T paling
banyak digunakan karena bentuk T hanya
menggunakan garis lurus\fungsi linier untuk
mendapatkan nilai kuantisasi atau inversi dari nilai
kuantisasi dengan menetukan nilai pada sumbu
koordinat X dan Y.
Pada MATLAB 7.8.0 digunakan fuzzy toolbox
untuk memudahkan menentukan fungsi keanggotaan
dimana nilai minimum, maksimum, serta titik tengah
telah diketahui sebelumnya menggunakan fuzzy
clustering. Fungsi keanggotaan yang digunakan
menggunakan bentuk gaussian untuk semua masukan
dan keluaran. Hal ini dikarenakan variabel yang
digunakan yaitu variabel cuaca sifatnya kontinu, dan
kurva gaussian adalah bentuk fungsi keanggotaan yang
memiliki tingkat kehalusan dan nilainya tidak nol di
semua titik. Kurva ini cocok digunakan untuk variabel
cuaca (Fuzzy Logic Toolbox User’s Guide.
MathWorks.Inc,2002)
Gambar 2.2 Kurva Gaussian
Secara matematis fungsi keanggotaan pada gambar 2.2
tersebut berarti:
2.5.4 Fuzzy Inference Systems
Fuzzy inference merupakan sebuah proses
yang digunakan untuk memformulasikan masukan
serta keluaran menggunakan logika fuzzy. Prosesnya
menggunakan segala hal yang berkaitan dengan logika
fuzzy seperti yang telah disebutkan sebelumnya yaitu
fungsi keanggotaan, operasi logika fuzzy, serta aturan
jika-maka. Terdapat dua macam fuzzy inference system
yaitu tipe Sugeno dan tipe Mamdani. Keduanya
dibedakan atas dasar keluaran yang diinginkan. Untuk
tipe mamdani keluaran yang diinginkan bersifat
linguistik. Sedangkan untuk tipe Sugeno keluaran yang
diharapkan adalah bersifat numerik. fuzzy inference
system dalam hal ini digunakan untuk
mengklasifikasikan data. U ntuk memanggil fuzzy
inference system menggunakan MATLAB 7.8.0
menggunakan syntax fuzzy.
Gambar 2.3 fuzzy inference system
Metode fuzzy yang digunakan adalah metode
fuzzy Takagi-Sugeno. Hal ini dikarenakan keluaran
sistem fuzzy pada proses peramalan cuaca tersebut
adalah berupa konstanta atau dapat berupa persamaan.
Metode ini diawali dengan pembentukan
himpunan fuzzy pada variabel masukan, dimana pada
variabel masukan menggunakan kurva gaussian
sebagai fungsi keanggotaannya. Sedangkan untuk
keluaran dari logika fuzzy Takagi-Sugeno dapat berupa
persamaan linear atau berupa konstanta. Tergantung
dari hasil iterasi mana yang lebih baik hasil
keluarannya. Kemudian yang dibentuk adalah
komposisi aturan (Rule-Base). Secara umum bentuk
model aturan fuzzy Takagi-Sugeno menggunakan
bentuk aturan IF-THEN untuk model fuzzy Takagi-
Sugeno orde nol (keluaran berupa konstanta) adalah:
IF((x1 is A1) AND (x2 is A2) AND (x3 is A3) .... (xn is
An)) THEN z=k
Sedangkan untuk model fuzzy Takagi-Sugeno orde
satu (keluaran berupa persamaan linear) adalah:
IF((x1 is A1) AND (x2 is A2) AND (x3 is A3) .... (xn is
An)) THEN z=p1*x1 +p2*x2 +p3*x3+ ...+pn*xn + q
Kelebihan yang dimiliki oleh logika fuzzy
Sugeno-Takagi dibandingkan dengan logika fuzzy jenis
lain adalah fuzzy Sugeno-Takagi lebih efisien secara
kumputational, bekerja lebih baik dalam hal linearitas,
dapat bekerja dengan lebih baik dengan teknik optimasi
serta adaptif, dapat bekerja untuk keluaran yang
sifatnya berubah secara kontinu, dan cocok untuk
analisis secara matematis karena keluarannya dapat
berupa persamaan linear maupun konstanta.
2.6 Hubungan antara Angin, Gelombang laut,
dan Arus laut
Ketinggian gelombang laut dan kecepatan arus
laut yang dijadikan keluaran pada logika fuzzy
disebabkan karena kecepatan angin. Gelombang yang
dibangkitkan oleh angin dimulai dari munculnya
gelombang kecil di permukaan air laut. Gelombang ini
kemudian gelombang ini akan menarik gaya yang
menyebabkan terjadinya gelombang pendek.
Gelombang pendek ini terus tumbuh sampai akhirnya
pecah dan energinya hilang. Hal ini menunjukkan
bahwa mulai terbentuk badai dengan frekuensi yang
tinggi menghasilkan semacam spektrum dengan titik
puncak pada frekuensi yang relatif tinggi.
Badai yang berhembus dalam jangka waktu yang lama
akan mempengaruhi kondisi di laut. Terutama pada
permukaan lautnya. Setelah angin berhenti bertiup,
pembentukan gelombang dengan frekuensi rendah
(swell) mulai terbentuk. Swell terbentuk dari spektrum
dengan frekuensi yang rendah. Jika swell yang berasal
dari satu badai bergabung dengan swell yang berasal
dari badai-badai yang lain maka gelombang dengan
frekuensi yang berasal dari dua titik puncak
kemungkinan akan terbentuk. Lebih jelasnya dapat
dilihat pada gambar 2.8 yaitu grafik spektrum
gelombang laut dengan satu titik puncak. Gelombang
yang dibangkitkan oleh angin biasa direpresentasikan
dengan jumlahan dari banyak komponen gelombang.
Dimana amplitudo gelombang (Ai) i berhubungan
dengan fungsi densitas spektral gelombang (S(ωi))
(>ewman,1977):
Hubungan antara ketinggian gelombang dan
kecepatan angin permukaan adalah:
Kecepatan arus yang digunakan merupakan
kecepatan arus yang dibangkitkan dari angin. Walau
kecepatan arus juga dipengaruhi oleh perbedaan suhu
dan perbedaan isobar, namun di Indonesia sendiri yang
perbedaan isobarnya tidak terlalu signifikan tidak
begitu berpengaruh.
Hubungan antara kecepatan angin dan
kecepatan arus laut permukaan adalah:
Vtω(0) = 0.02 V10
III METODOLOGI PE ELITIA
Sebagai dasar penelitian mengenai kelayakan
pelayaran yang hubungannya dengan cuaca adalah
penelitian-penelitian yang telah dilakukan sebelumnya.
Data yang digunakan merupakan data unsur cuaca yang
berasal dari data sekunder yang dimiliki oleh BMKG
Kelas II Perak II Surabaya yang diukur per jam selama
lima tahun yang dimulai dari tahun 2005 sampai tahun
2009. Data yang dimaksud adalah data masukan yang
berupa kecepatan angin. Sedangkan data keluaran yang
berupa data gelombang laut, dan arus laut didapatkan
dari BMKG Kelas II Perak II Surabaya dengan
pengamatan yang berdasarkan jalur pelayaran dari
Surabaya menuju Banjarmasin pada titik pengamatan
4,648136o S – 113,908806
o E yang mencakup radius
±50 km.
Gambar 3.1 Alur Penelitian
3.1 Perancangan Logika Fuzzy
Perancangan logika fuzzy untuk penelitian ini
dimulai dari proses pengelompokan (cluster) yang
menggunakan fuzzy C Means yang kemudian
digunakan FIS editor untuk perancangannya.
Gambar 3.2 Diagram Kelayakan Pelayaran
Variabel kelayakan cuaca didapatkan dari data
cuaca yang berasal dari BMKG. Variabel cuaca yang
dibutuhkan dapat dilihat dari kebutuhan untuk
kelayakan pelayaran. Untuk faktor kelayakan pelayaran
sendiri yang paling berpengaruh adalah ketinggian
gelombang laut, dan kecepatan arus laut. Kedua
variabel tersebut digunakan untuk keluaran logika
fuzzy. Sedangkan variabel yang mempengaruhi
ketinggian gelombang dan arus laut dapat berupa
kecepatan angin, 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.
Karena Hs dan Vtw ≈ V10 maka sesuai dengan
dasar pemikiran yang telah didapatkan,penulisan
variabel pembentuk ketinggian gelombang dan
kecepatan arus adalah sebagai berikut (Georgios
Sylaios,dkk,2008):
Hs (t+1) = f(V10(t),H(t),H(t-1))
Vtw(t+1) = f(V10(t), Vtw(t),Vtw(t-1))
Variabel cuaca yang didapatkan dari BMKG
Perak I dan II selama lima tahun kemudian
dikelompokkan menggunakan Fuzzy C-Means untuk
memudahkan menentukan kelas dan akan digunakan
pada pembentukan fungsi keanggotaan pada Fuzzy
Inference System (FIS) menggunakan Fuzzy Toolbox.
3.2 Penentuan Fungsi Keanggotaan
Fungsi keanggotaan (membership function)
digunakan untuk menunjukkan hasil prediksi.
Penggunaan fungsi keanggotaan didasarkan pada
bentuk kurva. Pemilihan jenis kurva yaitu trimf,
trapmf, gbellmf, gaussmf, gauss2mf, pimf, sigmf, smf,
zmf,dsigmf serta psigmf dan komponen-komponen
kurva didasarkan pada karakteristik data. Kurva yang
dipakai pada simulasi kelayakan cuaca pada pelayaran
ini menggunakan kurva gaussmf. Hal ini dikarenakan
penggunaan kurva gaussian digunakan untuk data yang
sifatnya kontinu. Cuaca adalah sesuatu yang kontinu.
Dalam artian perubahan cuaca berkisar tiap satu tahun
sesuai dengan perubahan musim. Fuzzyfikasinya juga
lebih halus. Walaupun gaussian set range yang
diberikan lebh lebar (Polkinghorne,Roberts,Burns dkk,
Winwood,1994). Pembentukan fungsi keanggotaan
menggunakan Fuzzy Inference System Editor (FIS
Editor) tipe Sugeno-Takagi karena keluaran yang
diinginkan adalah berupa numerik.
Gambar 3.3 Tampilan FIS Editor pada MATLAB
untuk Logika Fuzzy tipe Sugeno-Takagi dengan 3
masukan dan 1 keluaran
3.3 Penentuan Aturan (Rule Base)
Data yang telah dikelompokkan berdasarkan
fuzzy clustering kemudian dibuat aturan yang disebut
aturan jika – maka (If – then) dengan contoh bentuk
aturan untuk prediksi kecepatan arus dan ketinggian
gelombang adalah seperti berikut:
Cu(t+1)f : IF (U(t) is CA and Cu(t) is Cu1 and Cu(t-1)
is Cu1 THEN Cu(t+1) = (fr(U(t), Cu(t),Cu(t-1))
H(t+1)f : IF (U(t) is CA and H(t) is CR and H(t-1) is
CR THEN Cu(t+1) = (fr(U(t), H(t),H(t-1))
3.4 Validasi Logika Fuzzy
Setelah pemodelan menggunakan logika fuzzy
didapatkan, langkah selanjutnya adalah validasi atau
pengujian. Pengujian logika fuzzy ini menggunakan
data terbaru yaitu data bulan Desember tahun 2007
yang berjumlah 744 data yang diambil per jam. Hasil
prediksi akan dibadingkan dengan keadaan sebenarnya.
Dengan demikian akan terlihat besar prosentase
keakurasian logika yang telah dibuat.
3.5 Simulasi dan Analisa
Setelah pemodelan didapatkan dan telah diuji
validitasnya, maka dibuatlah simulator yang berbentuk
software menggunakan Visual Basic 6.0. Software
kelayakan pelayaran ini terdiri atas informasi
yang mengenai variabel-variabel yang mempengaruhi
ketinggian gelombang dan kecepatan arus laut yaitu
kecepatan angin, dengan keluaran yaitu kecepatan arus
laut, ketinggian gelombang, serta kelayakan pelayaran.
Untuk analisis digunakan perbandingan beberapa
model cuaca untuk prediksi kelayakan pelayaran yang
terdiri dari unsur-unsur cuaca yaitu ketinggian
gelombang dan kecepatan arus laut. Software simulasi
dapat dilihat pada gambar 3.4 berikut.
Gambar 3.4 Tampilan software simulator prediksi
gelombang dan kecepatan arus laut untuk kelayakan
pelayaran
IV A ALISIS DATA DA PEMBAHASA
Logika fuzzy yang digunakan
bentuk fungsi keanggotaan berupa Gaussian
mendapatkan bentuk Gaussian pada
diperlukan nilai titik tengah dan standar deviasi
masing-masing fungsi keanggotaan. Nilai tersebut
didapatkan dari hasil clustering menggunakan
Means. Sedangkan untuk mendapatkan nilai keluaran
dari logika fuzzy digunakan bantuan software Simulink
Tampilan pada Simulink yang terdiri dari masukan,
logika fuzzy dan keluaran dapat dilihat pada gambar
4.1.
Gambar 4.1 Tampilan pada Simulink
Setelah pemodelan didapatkan dan telah diuji
a, maka dibuatlah simulator yang berbentuk
software menggunakan Visual Basic 6.0. Software
kelayakan pelayaran ini terdiri atas informasi-informasi
variabel yang mempengaruhi
ketinggian gelombang dan kecepatan arus laut yaitu
an angin, dengan keluaran yaitu kecepatan arus
laut, ketinggian gelombang, serta kelayakan pelayaran.
Untuk analisis digunakan perbandingan beberapa
model cuaca untuk prediksi kelayakan pelayaran yang
unsur cuaca yaitu ketinggian
Software simulasi
Gambar 3.4 Tampilan software simulator prediksi
gelombang dan kecepatan arus laut untuk kelayakan
IV A ALISIS DATA DA PEMBAHASA
Logika fuzzy yang digunakan menggunakan
Gaussian. Untuk
pada fuzzy toolbox
diperlukan nilai titik tengah dan standar deviasi
masing fungsi keanggotaan. Nilai tersebut
menggunakan fuzzy C-
. Sedangkan untuk mendapatkan nilai keluaran
software Simulink.
yang terdiri dari masukan,
logika fuzzy dan keluaran dapat dilihat pada gambar
Simulink
4.1 Ketinggian Gelombang Laut
Data yang digunakan untuk pengecekan
ketepatan prediksi ketinggian gelombang laut
merupakan data satu bulan yaitu pada bulan
2007 yang terdiri dari data per satu jam yang berjumlah
744 data. Data yang didapatkan dari B
merupakan data hasil penggunaan software WindWave
kemudian dibandingkan dengan data hasil pemodelan
menggunakan logika fuzzy dengan cara merubah data
yang berupa numerik menjadi linguistik yang telah
ditentukan sebelumnya berdasarkan skala Beaufor
yang berlaku. Sehingga didapatkan prosentase
ketepatan atau keakuratan yang merupakan
perbandingan antara hasil pemodelan menggunakan
logika fuzzy dan data yang didapatkan dari BMKG.
Gambar 4.2 Perbandingan antara Ketinggian
Gelombang Sebenarnya (hit
Pemodelan Logika Fuzzy untuk 1 jam kemudian
(kuning)
Gambar 4.3 Perbandingan antara Ketinggian
Gelombang Sebenarnya (hitam) dengan Hasil
Pemodelan Logika Fuzzy untuk 3 jam kemudian
(merah)
Gambar 4.4 Perbandingan antara Ketinggia
Gelombang Sebenarnya (hitam) dengan Hasil
Pemodelan Logika Fuzzy untuk 6 jam kemudian
(hijau)
.1 Ketinggian Gelombang Laut
Data yang digunakan untuk pengecekan
ketepatan prediksi ketinggian gelombang laut
merupakan data satu bulan yaitu pada bulan Desember
yang terdiri dari data per satu jam yang berjumlah
744 data. Data yang didapatkan dari BMKG yang
merupakan data hasil penggunaan software WindWave
kemudian dibandingkan dengan data hasil pemodelan
menggunakan logika fuzzy dengan cara merubah data
yang berupa numerik menjadi linguistik yang telah
ditentukan sebelumnya berdasarkan skala Beaufort
yang berlaku. Sehingga didapatkan prosentase
ketepatan atau keakuratan yang merupakan
perbandingan antara hasil pemodelan menggunakan
logika fuzzy dan data yang didapatkan dari BMKG.
Perbandingan antara Ketinggian
Gelombang Sebenarnya (hitam) dengan Hasil
Pemodelan Logika Fuzzy untuk 1 jam kemudian
(kuning)
Perbandingan antara Ketinggian
Gelombang Sebenarnya (hitam) dengan Hasil
Pemodelan Logika Fuzzy untuk 3 jam kemudian
(merah)
Perbandingan antara Ketinggian
Gelombang Sebenarnya (hitam) dengan Hasil
Pemodelan Logika Fuzzy untuk 6 jam kemudian
(hijau)
Gambar 4.5 Perbandingan antara Ketinggian
Gelombang Sebenarnya (hitam) dengan Hasil
Pemodelan Logika Fuzzy untuk 12 jam kemudian
(biru)
Gambar 4.6 Perbandingan antara Ketinggian
Gelombang Sebenarnya (hitam) dengan Hasil
Pemodelan Logika Fuzzy untuk 24 jam kemudian (abu-
abu)
Tabel 4.1 Hasil perbandingan antara data ketinggian
gelombang yang berasal dari BMKG dengan data
ketinggian gelombang hasil pemodelan mengguankan
logika fuzzy (m)
No Waktu Prediksi
Jumlah
data
validasi
Jumlah data yang
memiliki kesamaan
fungsi keanggotaan
Prosentase
Keakuratan
1 1 Jam Kemudian 744 480 64,50%
2 3 Jam Kemudian 744 459 61,70%
3 6 Jam Kemudian 744 448 60,20%
4 12 Jam Kemudian 744 427 57,40%
5 24 Jam Kemudian 744 388 52,20%
Prosentase Rata-Rata 59,20%
4.2 Kecepatan Arus Laut
Sama halnya dengan pemodelan ketinggian
gelombang, data yang digunakan untuk pemodelan
menggunakan logika fuzzy adalah data per jam yang
berjumlah 744 yang berasal dari bulan Desember tahun
2007.
Gambar 4.7 Perbandingan antara Ketinggian
Gelombang Sebenarnya (biru) dengan Hasil Pemodelan
Logika Fuzzy untuk 1 jam kemudian (hitam)
Gambar 4.8 Perbandingan antara Ketinggian
Gelombang Sebenarnya (biru) dengan Hasil Pemodelan
Logika Fuzzy untuk 3 jam kemudian (merah)
Gambar 4.9 Perbandingan antara Ketinggian
Gelombang Sebenarnya (biru) dengan Hasil Pemodelan
Logika Fuzzy untuk 6 jam kemudian (abu-abu)
Gambar 4.10 Perbandingan antara Ketinggian
Gelombang Sebenarnya (biru) dengan Hasil Pemodelan
Logika Fuzzy untuk 12 jam kemudian (hijau)
Gambar 4.11 Perbandingan antara Ketinggian
Gelombang Sebenarnya (biru) dengan Hasil Pemodelan
Logika Fuzzy untuk 24 jam kemudian (merah)
Tabel 4.2 Hasil perbandingan antara data kecepatan
arus yang berasal dari BMKG dengan data kecepatan
arus hasil pemodelan mengguankan logika fuzzy (m/s)
No Waktu Prediksi
Jumlah
data
validasi
Jumlah data yang
memiliki kesamaan
fungsi keanggotaan
Prosentase
Keakuratan
1 1 Jam Kemudian 744 691 92,88%
2 3 Jam Kemudian 744 664 89,25%
3 6 Jam Kemudian 744 651 87,50%
4 12 Jam Kemudian 744 629 84,54%
5 24 Jam Kemudian 744 588 79,03%
Prosentase Rata-Rata 86,64%
4.3 Kelayakan Pelayaran
Aturan mengenai kelayakan pelayaran diatur
di dalam UU Pelayaran no 17 tahun 2008. Di dalam
UU tersebut terdapat persyaratan untuk kapal dapat
berlayar. Namun di dalam UU tersebut tidak terdapat
penjelasan khusus mengenai kondisi cuaca yang baik
untuk pelayaran. Di bidang pelayaran saat ini,aturan-
aturan khusus mengenai keadaan cuaca untuk
pelayaran tidak tertulis secara khusus di dalam suatu
aturan, walau hal tersebut sangat penting. Namun,
untuk keselamatan pelayaran sendiri, dinas
perhubungan memiliki suatu badan yang dinamakan
Syahbandar yang bertugas untuk menjalankan dan
melakukan pengawasan terhadap dipenuhinya
ketentuan peraturan perundang-undangan untuk
menjamin keselamatan dan keamanan pelayaran (UU
>o.17 th 2008). Syahbandarlah yang memberikan
perijinan berlayar untuk kapal-kapal yang berlabuh dan
bersandar. Faktor cuaca untuk kelayakan pelayaran
pada penelitian ini didasarkan dari pengalaman pakar
saja yaitu orang yang berwenang di bidang ke-
Syahbandaran. Dari pakar didapatkan kondisi laut yang
paling berpengaruh dalam dinamika kapal adalah
kecepatan angin, ketinggian gelombang, dan kecepatan
arus laut (Bp Bambang Supriyanto.Kabag ke-
Syahbandaran). Adapun ketentuan kapal dinyatakan
layak untuk berlayar dinyatakan dalam tabel 4.2
berikut:
Tabel 4.2 Variabel kelayakan pelayaran
No GT Kapal Keadaan Laut maksimal
Ketinggian Gelombang Kecepatan Arus
1 0 - 7 Glassy Slow
2 7 - 175 Smooth Slight
3 175 - 500 Moderate average
4 500 - 5000 Rough fast
5 5000 - 10000 Very Rough very fast
Tabel 4.3 Hasil Kelayakan Pelayaran Waktu
Prediksi
[1]
GT Kapal
[2]
Jumlah Waktu Layak
Berlayar
Kesama
an
Kelayak
an
[5]
Prose
ntase
(%)
[6]
Rata-
Rata
(%)
[7]
Data
BMK
G
[3]
Data
Pemodelan
[4]
1 jam 0 - 7 2 0 0 0 79,67
7-175 393 236 236 100
175-500 588 571 571 100
500-5000 646 657 646 98,33
5000 - 10000 744 744 744 100
3 jam 0 - 7 11 0 0 0 79,54
7-175 396 234 234 100
175-500 589 571 571 100
500-5000 642 657 642 97,72
5000 - 10000 744 744 744 100
6 jam 0 - 7 11 0 0 0 79,38
7-175 396 231 231 100
175-500 589 571 569 99,65
500-5000 642 657 639 97,26
5000 - 10000 744 744 744 100
12 jam 0 - 7 11 0 0 0 78,99
7-175 396 225 225 100
175-500 589 571 563 98,6
500-5000 642 657 633 96,35
5000 - 10000 744 744 744 100
24 jam 0 - 7 11 0 0 0 78,23
7-175 396 213 212 100
175-500 589 571 551 96,5
500-5000 642 657 625 95,13
5000 - 10000 744 744 744 100
Rata-Rata (%) 79,16
4.5 Pembahasan
Variabel kelayakan pelayaran yang digunakan
dalam penelitian ini meliputi kondisi aktual kecepatan
angin (knot), kecepatan arus (m/s) dan ketinggian
gelombang (m). Data yang digunakan untuk proses
pemodelan menggunakan data time series selama 5
tahun dimulai dari tahun 2005 hingga tahun 2009 di
titik pengamatan 4,648136o S – 113,908806
o E tepatnya
di Laut Jawa di jalur pelayaran Surabaya-Banjarmasin.
Data yang digunakan berupa data harian yang
merupakan rata-rata dari data per jam yang didapatkan
dari BMKG Perak II Surabaya.
Pada tahap peramalan menggunakan logika
fuzzy, digunakan data time series berdasarkan jurnal
oleh Georgios Sylaios, Frederic Bouchette,
VassiliosA.Tsihrintzis, dan Clea Denamiel yang
berjudul A fuzzy inference system for wind-wave
modelling (2008) menggunakan tiga masukan untuk
satu keluaran berupa peramalan kecepatan arus
(Cu(t+1)) yang berupa kecepatan angin aktual (U(t)),
kecepatan arus aktual (Cu(t)), serta kecepatan arus
sebelumnya (Cu(t-1)). Sedangkan untuk keluaran
berupa ketinggian gelombang (H(t+1)) menggunakan
masukan berupa kecepatan angin aktual
(U(t)),ketinggian gelombang aktual (H(t)), dan
ketinggian gelombang sebelumnya (H(t-1)).
Pada peramalan untuk ketinggian gelombang,
nilai yang didapatkan dari hasil pemodelan
menggunakan logika fuzzy kemudian di bahasakan
sesuai dengan fungsi keanggotaan yang telah
ditentukan sebelumnya. Data sebenarnya dengan data
hasil peramalan mengenai ketinggian gelombang
kemudian dibandingkan dan dibuat presentase
keakuratannya. Data yang digunakan untuk
pengecekan adalah data per jam selama satu bulan
yaitu pada bulan Desember 2007. Adapun prosentase
keakuratan untuk ketinggian gelombang pada bulan
Desember 2007 dengan jumlah data 744 adalah
64,50% untuk peramalan 1 jam ke depan, 61,70%
untuk peramalan 3 jam ke depan, 60,20% untuk
peramalan 6 jam ke depan, 57,40% untuk
peramalan 12 jam ke depan, dan 52,20% untuk
peramalan 24 jam ke depan dengan prosentase
rata-rata sebesar 59,20%. Sama halnya dengan peramalan kecepatan
arus yang menggunakan data per jam selama satu bulan
yaitu pada bulan Desember 2007. Data hasil keluaran
dari logika fuzzy kemudian dibahasakan sesuai dengan
fungsi keanggotaan yang telah ditentukan sebelumnya.
Hasil pemodelan kemudian dibahasakan dan
menggunakan cara yang sama dengan penentuan
prosentase ketinggian gelombang didapatkan nilai
prosentase keakuratan sebesar 92,88% untuk
peramalan kecepatan arus 1 jam ke depan, 89,25%
untuk peramalan 3 jam ke depan, 87,50% untuk
peramalan 6 jam ke depan, 84,54% untuk
peramalan 12 jam ke depan, dan 79,03% untuk
peramalan 24 jam kemudian (keesokan harinya)
dengan prosentase rata-rata sebesar 86,64%. Prosentase ketinggian gelombang dan kecepatan arus
didapatkan dari mencocokkan keadaan cuaca sesuai
dengan fungsi keanggotaan antara keadaan cuaca yang
didapatkan dari BMKG dengan keadaan cuaca hasil
pemodelan menggunakan logika fuzzy.
Hasil keluaran logika fuzzy yang berupa
bahasa (linguistik) kemudian digunakan sebagai
masukan untuk penentuan kelayakan pelayaran.
Sebagaimana sesuai dengan tabel 4.5 yang merupakan
variabel penentu kelayakan pelayaran, dan tabel 4.6
yang berupa tabel hasil kelayakan pelayaran. Pada
tabel 4.6 didapatkan nilai rata-rata untuk prosentase
data kelayakan pelayaran adalah sebesar 76,16%.
Maksudnya adalah pada bulan Desember 2007,
keadaan cuaca di laut yang meliputi ketinggian
gelombang dan kecepatan arus laut sesuai untuk
76,16% kapal yang pengelompokannya didasarkan
pada jumlah GT kapal atau dengan kata lain 76,16%
kapal dinyatakan layak berlayar. Sedangkan menurut
data dari Syahbandar pada bulan Desember 2007 tidak
terjadi penundaan pelayaran atau dapat dikatakan
prosentase kelayakan pelayaran menurut Syahbandar
pada bulan Desember 2007 adalah 100%. Hal ini
dikarenakan Syahbandar hanya memberikan peringatan
untuk kapal-kapal yang ukurannya diatas 500 GT.
Sedangkan untuk kapal-kapal nelayan yang berukuran
lebih kecil tidak diprediksikan. Lain dengan penelitian
ini dimana kapal-kapal dengan GT di bawah 500 ikut
diprediksikan kelayakannya.
V KESIMPULA
Pelaksanaan tugas akhir ini telah dilakukan
pengujian data serta validasi tentang prediksi cuaca
menggunakan logika fuzy. Kesimpulan yang dapat
diambil adalah sebagai berikut :
• Hubungan antara kecepatan angin, kecepatan
arus laut dan ketinggian gelombang adalah
linear atau sebanding.
• Kecepatan angin mempengaruhi kecepatan arus
dan ketinggian gelombang yang akan datang.
• Prosentase kecocokan data antara data yang
berasal dari BMKG dengan data hasil
pemodelan fuzzy untuk data sebanyak 744 pada
bulan Desember 2007 adalah sebagai berikut:
• Untuk ketinggian gelombang 80,20%
untuk peramalan 1 jam ke depan, 78,40%
untuk peramalan 3 jam ke depan, 77,40%
untuk peramalan 6 jam ke depan, 72,30%
untuk peramalan 12 jam ke depan, dan
63,60% untuk peramalan 24 jam ke depan
dengan prosentase rata-rata sebesar
74,38%.
• Untuk kecepatan arus laut 98,79% untuk
peramalan kecepatan arus 1 jam ke depan,
98,92% untuk peramalan 3 jam ke depan,
98,92% untuk peramalan 6 jam ke depan,
98,92% untuk peramalan 12 jam ke depan,
dan 98,52% untuk peramalan 24 jam ke
depan dengan prosentase rata-rata sebesar
98,81%.
• Untuk kelayakan pelayaran didapatkan
nilai rata-rata untuk prosentase data
kelayakan pelayaran adalah sebesar
95,17% untuk keadaan cuaca di laut yang
meliputi ketinggian gelombang dan
kecepatan arus laut sesuai untuk 95,17%
kapal yang pengelompokannya didasarkan
pada jumlah GT kapal atau dengan kata
lain 95,17% kapal dinyatakan layak
berlayar.
DAFTAR PUSTAKA
Arifin, Syamsul. 2009. Design and Development of
Weather Forcast Simulators for Surabaya City
by Using >eural >etwork.
Arifin, Syamsul. 2009. Sistem Logika Fuzzy sebagai
Peramal Cuaca di Indonesia, studi kasus: Kota
Surabaya
Candra, Ardian. 2010. Tugas Akhir: Perancangan
Model Adaptive >uro Fuzzy Inference System
untuk Memprediksi Cuaca Maritim. Teknik
Fisika-FTI-ITS Surabaya
Fossen,thor.I.1994.Guidance and Control of Ocean
Vehicles. Chichester: John Wiley & Sons.Ltd
Georgios Sylaios, Frederic Bouchette,
VassiliosA.Tsihrintzis, dan Clea Denamiel
.2008. A fuzzy inference system for wind-wave
modelling.
Kresnawan, Andre. 2009. Tugas Akhir: Penerapan
model Jaringan Syaraf Tiruan untuk
Memprediksi Gangguan Cuaca maritim. Teknik
Fisika-FTI-ITS Surabaya
Kusumadewi,Sri. 2002. Analisis dan Desain Sistem
Fuzzy Menggunakan ToolBox Matlab.
Yogyakarta: Graha Ilmu
MathWorks,Inc. 2002. Fuzzy Logic Toolbox User’s
Guide. Natick: The MathWorks,Inc.
Sarjani. 2009. Cuaca dan Iklim. [pdf],
http://elcom.umy.ac.id/elschool/muallimin_muh
ammadiyah/file.php/1/materi/Geografi/CUACA
%20DAN%20IKLIM.pdf , (diakses Februari
2010).
Tjasyono,Bayong. 1999. Klimatologi Umum. Bandung:
Penerbit ITB
Waldopo. 2008. Perairan Darat dan Laut. [pdf],
http://elcom.umy.ac.id/elschool/muallimin_muh
ammadiyah/file.php/1/materi/Geografi/PERAIR
AN%20DARAT%20DAN%20LAUT.pdf ,
(diakses Februari 2010).
Biodata Penulis:
Nama : Prita Meilanitasari
TTL : Blitar, 16 Mei 1988
Alamat: Jl Gebang Lor 39 Sby
Email :
Riwayat Pendidikan:
• SDN Babadan 1 Wlingi
• SMPN 1 Blitar
• SMAN 1 Blitar
• Teknik Fisika – FTI – ITS