Referensi
Chika Permata Putri dan Muhammad Dava Daviansyah(20221)."SISTEM PENDETEKSI BANJIR MENGGUNAKAN METODE FUZZY MAMDANI DENGAN GUI MATLAB DI JAKARTA". Jurnal Kreativitas Mahasiswa Informatika. Vol. 2, No. 1, pp. 39-42
SISTEM PENDETEKSI BANJIR MENGGUNAKAN METODE FUZZY MAMDANI |D E NG A N G U I M A TL A B DI JAKARTA
Kemajuan teknologi tidak dapat dipungkiri sangat amatlah cepat, yang tentu dapat membantu dalam kegiatan kita. Oleh karena itu untuk memperoleh pekkejaan yang maksimal maka dibuat system digital pada suatu pekerjaan.
Pada penelitian kali ini, dilakukan pembuatan sebuah alat untuk mendeteksi datangnya banjir, kali ini yaitu system pendeteksi banjir yang ada di Jakarta. Warga yang sebelumnya tidak mempunyai persiapan ketika datangnya banjir, jika ada alat ini maka warga setidaknya mempunyai persiapan ketika datangnya banjir. Alat ini juga diharapkan dapat mengurangi dampak banjir yang ada di Jakarta dengan logika Fuzzy Mamdani.
Hasil nya alat ini mampu memprediksi banjir dengan kondisi yang telah ditentukan
Kkota Jakarta tidak memiliki resapan air yang cukup dan menjadikan kota ini selalu banjir setiap tahunnya.
Agar banjir di Jakarta dapat lebih teratasi dengan baik, penulis menciptakan alat untuk mendeteksi banjir dengan memberi peringatan dini pada masyarakat yakni ketika volume debit air itu naik. Alat tersebut dinamakan Logika Fuzzy.
Salah satu metode dalam Fuzzy merupakan metode Mamdani. Metode Mamdani merupakan metode yang paling sering diterapkan dalam kehidupan karena dalam
pengaplikasiannya, metode ini memiliki struktur yang paling sederhana, struktur tersebut ialah operasi MIN-MAX, misalnya penerapan logika Fuzzy Mamdani untuk mendeteksi banjir di Jakarta.
Awal mula untuk memecahkan permasalahan ini dimulai dengan mengakumulasikan faktor atau berbagai penyebab banjir di Jakarta dari instansi yang berhubungan dengan hal ini. Setelah data tersebut didapat, kemudian data tersebut diolah dan dihitung dengan metode Mamdani Fuzzy Inference System, setelah itu, buat sebuah program pendeteksi banjir di Jakarta dengan menggunakan GUI Matlab R2020a.
Pemilihan model Waterfall ini dipakai untuk membuat perangkat lunak secara sistematik dan sekuensial. Ditahap analisis, saatnya untuk meng-analisis hal-hal yang dibutuhkan dalam membuat sebuah sistem perangkat lunak. Selanjutnya, di tahap desain inilah tahap untuk menerjemahkan hasil analisis sebelumnya ke dalam sebuah bentuk supaya dapat lebih mudah dipahami oleh para pengguna, selain itu di tahap ini ialah proses desain sistem aplikasi pendeteksi banjir dengan metode Mamdani Fuzzy Inference System.selanjutnya merupakan tahap pengkodean dimana hasil terjemahan pada tahap sebelumnya kemudian dipersiapkan ke dalam bahasa pemograman. Di tahap ini merupakan tahap dilakukannya pengkodean desain sistem aplikasi pendeteksi banjir di Jakarta menggunakan software Matlab R2020a. Selanjutnya, tahap terakhir proses ini yakni dilakukannya pengujian, sistem yang telah dirancang mulai dari analisis,
Variable input terdiri dari Curah hujan, Lama hujan, dan Debit sungai. Dan variable output yakni Kemungkinan banjir.
A. Proses Inferensi
[R1] IF curah hujan is gerimis AND lama hujan is sebentar AND debit sungai is rendah THEN kemungkinan banjir is tidak banjir
[R2] IF curah hujan is gerimis AND lama hujan is sebentar AND debit sungai is sedang THEN kemungkinan banjir is tidak banjir
[R3] IF curah hujan is gerimis AND lama hujan is sedang AND debit sungai is tinggi THEN kemungkinan banjir is tidak banjir
[R4] IF curah hujan is sedang AND lama hujan is sebentar AND debit sungai is sedang THEN kemungkinan banjir is tidak banjir
[R5] IF curah hujan is sedang AND lama hujan is sedang AND debit sungai is tinggi THEN kemungkinan banjir is sedang
[R6] IF curah hujan is sedang AND lama hujan is lama AND debit sungai is tinggi THEN kemungkinan banjir is sedang
[R7] IF curah hujan is sedang AND lama hujan is sangat lama AND debit sungai is tinggi THEN kemungkinan banjir is banjir sedang
[R8] IF curah hujan is deras AND lama hujan is sebentar AND debit sungai is rendah THEN kemungkinan banjir is banjir sedang
[R9] IF curah hujan is deras AND lama hujan is sedang AND debit sungai is sedang THEN kemungkinan banjir is banjir sedang
[R10] IF curah hujan is deras AND lama hujan is lama AND debit sungai is tinggi THEN kemungkinan banjir is banjir sedang
[R11] IF curah hujan is deras AND lama hujan is sangat lama AND debit sungai is tinggi THEN kemungkinan banjir is banjir besar
B. Implementasi Sistem Pada Matlab dan Defuzzyfikasi
1. Desain Fuzzy Logic membuat input dan output Mamdani pada aplikasi Matlab.
2. Variabel input nilai pada curah hujan dengan nilai input pada Gerimis : 0 25 50; Sedang : 25 50 75; Deras : 75 85 100;
3. Variabel input pada lama hujan dengan nilai input Sebentar : 0 30 60; Sedang : 25 52 75; Lama : 60 75 90;Sangat Lama : 80 90 100;
4. Variabel input pada Debit sungai dengan nilai input Rendah : 0 3.5 7; Sedang : 4 7 10; Tinggi : 7 11 15;
5. Variabel output Kemungkinan banjir dengan input nilai Tidak Banjir : 0 0.25 0.5; Banjir Sedang : 0.4 0.6 0.9;Banjir Besar : 0.6 0.8 1;
6. Rule Viewer Mamdani proses dari Matlab Deteksi Banjir
7. Surface viewer 3D Mamdani deteksi banjir.
Dari permasalahan tersebut dapat diketahui bagaimana cara menerapkan logika Fuzzy Mamdani agar dapat mendeteksi banjir di Jakarta.
[1] A. Eko Setiawan, “Analisa Metode Fuzzy Mamdani Dan Sugeno Untuk Deteksi Daerah Rentan Banjir : Studi Kasus Kecamatan Pringsewu,” Aisyah J. Informatics Electr. Eng., vol. 1, no. 1, pp. 72–80,2019.
[2] L. W. Trimartanti, “Penerapan Sistem Fuzzy Untuk Diagnosis Campuran Bahan Bakar Dan Udara Pada Mobil F15 Gurt,” Fak. Mat. dan Ilmu Pengetah. Alam Univ. Negeri Yogyakarta, pp. 7–37, 2011.
[3] J. Nasir, “Analisis Fuzzy Logic Menentukan Pemilihan Motor Honda Dengan Metode Mamdani,” Edik Inform., vol. 3, no. 2, pp. 177–186, 2017.
Kekurangan Artikel :
Dari percobaan yang dilakukan,ada beberapa kekurangan dari jurnal yang perlu diperbaiki dimana pada jurnal tidak menjelaskan rules nya ada beberapa situasi yang tidak bisa di olah karena tidak ada rulesnya.
nilai aktual = 1
Error = |(0.5 -1)/0.5|= 100%
Saran :
Perlu nya ditambah dengan member functionnya dan rulesnya sehingga setiap kondisi ada keluaran dari metode fuzzy nya
Tidak sesuai dengan kondisi yang seharusnya.
Referensi
Zhifka MUKA(2017)."Rainfall prediction using fuzzy logic ". IJISET - International Journal of Innovative Science, Engineering & Technology, Vol. 4 Issue 12
I. Gustari, T. W. Hadi, S.
Hadi, and F. Renggono, “Akurasi Prediksi Curah Hujan Harian Operasional Di
Jabodetabek : Perbandingan Dengan Model Wrf,” J. Meteorol. dan Geofis.,
vol. 13, no. 2, pp. 119–130, 2012, doi: 10.31172/jmg.v13i2.126.
klasifikasi curah hujan bisa didapatkan dari jurnal diatas dimana data tersebut digunakan sebagai input untuk kemungkinan banjir.
INPUT 1 |
Curah Hujan | Keterangan |
Tidak Hujan | 0 – 5 mm/hari |
Sangat Rendah | 0 – 28 mm/hari |
Rendah | 16 – 44 mm/hari |
Menengah | 33 – 55 mm/hari |
Cukup Tinggi | 50 - 86 mm / hari |
Tinggi | 68 – 96 mm/hari |
Sangat Tinggi | 88 -100 mm/hari |
INPUT 2 |
Lama Hujan | Keterangan |
Tidak hujan | 0 – 4 menit |
Sangat Sebentar | 4 – 18 menit |
Sebentar | 9 – 28 menit |
Sedang | 25 – 60 menit |
Cukup lama | 40 – 70 menit |
Lama | 70 – 88 menit |
Sangat lama | 86 - 100 menit |
INPUT 3 |
Debit Sungai | Keterangan |
Tidak ada | 0 - 2 m3/s |
Sangat Rendah | 1 -3 m3/s |
Rendah | 3 – 6 m3/s |
Sedang | 4 – 9 m3/s |
Cukup Tinggi | 8 – 11 m3/s |
Tinggi | 9 - 13 m3/s |
Sangat Tinggi | 12 - 15 m3/s |
Output |
Tidak Banjir |
Banjir Sangat Kecil |
Banjir Kecil |
Banjir sedang |
Banjir cukup besar |
Banjir besar |
Banjir sangat besar |
HASIL :
setelah diperbaiki terlihat bahwasanya setiap kondisi dari inputan bisa di lakukan proses fuzzyfikasi sehingga Error Berkurang
Dari Gambar Terlihat bahwa Hasil rules menggunakan matlabnya telah memberikan kondisi yang lebih baik daripada kondisi sebelumnya
Error = |(0.9 -1)/0.9|= 10%
Video Referensi Penerapan Fuzzy pada pendeteksi Banjir
VIDEO Sesuai Referensi
ERROR PADA JURNAL
Video Perbaikan Aplikasi
PEMBUKTIAN ERROR
Tidak ada komentar:
Posting Komentar