1.

JUDUL PENELITIAN
Implementasi Logika Fuzzy dengan Metode Takagi-SugenoUntuk
Peramalan Cuaca Sebagai Rekomendasi Pelayaran Kapal Laut dan Kapal
Nelayan di Pelabuhan Pulau Baai.
2. BIDANG ILMU
Bidang ilmu yang diterapkan dalam penelitian ini adalah bidang ilmu
Logika Fuzzy dan Rekayasa Perangkat Lunak.
3. LATAR BELAKANG
Cuaca adalah perilaku yang terjadi pada atmosfer (yang berhubungan
dengan Suhu, Tekanan Udara, Angin, Awan, Kelembaban udara, Radiasi,
Jarak Pandang/Visibility, dsb) dan berdampak langsung pada aktifitas
manusia(BMKG). Pada suatu wilayah, cuaca bisa berubah dalam hitungan
menit, jam, hari, dan musim. Jenis-jenis cuaca meliputi hujan, panas, salju,
angin, dan badai.Sedangkan pola cuaca dalam jangka panjang dan dalam
rentang wilayah yang cukup besar biasa di sebut dengan iklim. (Kodoatie,
2010).
Cuaca buruk sangat ditakuti di dunia pelayaran karena akibatnya yang
bisa menimbulkan berbagai kecelakaan di tengah laut seperti kapal karam
atau terdampar yang akhirnya akan menimbulkan banyak korban jiwa.
Meningkatnya frekuensi kejadian kecelakaan transportasi laut di Indonesia
akhir-akhir ini semakin lama semakin memprihatinkan. Beberapa kejadian
kecelakaan yang dialami transportasi laut, baik tenggelamnya kapal maupun
tabrakan antar kapal. Bila dilihat dari faktor penyebab terjadinya kecelakaan
karena disebabkan kesalahan manusia (human error) 41%, alam (force
majeur) 38% dan akibat struktur kapal (hull structure) 21%. (Neutrino, 2013)
Provinsi Bengkulu di bagian barat berbatasan langsung dengan
Samudera Indonesia dengan garis pantai sepanjang 525 Km dengan dataran

yang relatif sempit. Iklim Kota Bengkulu sangat dipengaruhi oleh Samudera
Hindia, jika terjadi tekanan rendah di Samudera Hindia, maka Kota Bengkulu
akan mengalami hujan yang lebat, bahkan bisa disertai dengan petir dan badai
(Herliana, 2010).
Peramalan adalah perkiraan tentang sesuatu yang akan terjadi pada
waktu yang akan datang yang didasarkan pada data yang ada pada waktu
sekarang dan waktu lampau (historical data). Tujuan daripada diadakannya
peramalan adalah untuk memperoleh informasi mengenai perubahan dimasa
yang akan datang yang akan mempengaruhi terhadap implementasi kebijakan
serta konsekuensinya. Dengan diadakannya peramalan pada bidang
pelayaran, maka diharapkan bisa meminimalisir terjadinya kecelakaan yang
diakibatkan oleh faktor alam, terkhusus pada cuaca.(Makridakis, 1991)
Logika Fuzzy merupakan teknik kecerdasan yang paling populer
sekarang ini. Dapat diartikan sebagai sebuah perangkat lunak komputer yang
memiliki basis pengetahuan untuk domain tertentu dan menggunakan
penalaran inferensi menyerupai seorang pakar dalam memecahkan suatu
masalah. Dimana bila dikaitkan dengan manusia didalam peramalan cuaca
atau memprediksi cuaca hari ini, dapat diciptakan suatu sistem komputer yang
bertugas untuk mengetahui dan menganalisa gejala-gejala cuaca yang ada
pada hari yang diinginkan. Metode fuzzy inference system adalah suatu
kerangka sistem yang didasarkan pada teori himpunan fuzzy, aturan fuzzy dan
penalaran fuzzy dan pada dasarnya dapat melakukan penalaran dengan prinsip
serupa seperti manusia yang melakukan penalaran dengan nalurinya.
(Kusumadewi S, Hartati S, 2006). Fuzzy inference system dapat dilakukan

dengan berbagai macam metode, salah satunya adalah metode Takagi-

Sugeno, metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun

1985. Kelebihan yang dimiliki oleh logika fuzzy Takagi-Sugeno dibandingkan
dengan logika fuzzy jenis lain adalah fuzzy Takagi-Sugeno 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.
Maka dari itu penulis ingin membuat penelitian untuk tugas akhir
dengan judul, Implementasi Logika Fuzzy Inference System dengan
Metode Takagi-Sugeno Untuk Peramalan Cuaca Sebagai Rekomendasi
Pelayaran Kapal Laut dan Kapal Nelayan di Pelabuhan Pulau Baai..

4. PERUMUSAN MASALAH
Dari uraian latar belakang

diatas

maka

dapat

dirumuskan

permasalahan yang muncul, diantaranya adalah :

1) Bagaimana mengimplementasikan Logika Fuzzy dengan menerapkan
metode Takagi-Sugeno untuk meramal cuaca ?
2) Bagaimana merancang sebuah aplikasi untuk peramalan cuaca dengan
menggunakan bahasa pemrograman Matlab?

5. BATASAN MASALAH
Adapun batasan masalah yang dibahas dalam penelitian ini adalah
sebagai berikut :
1) Bahasa pemrograman yang digunakan untuk membangun aplikasi
Peramalan Cuaca yaitu Bahasa Pemrograman Matlab.
2) Parameter yang digunakan adalah :
a. Suhu,
b. Kelembaban,
c. Kecepatan angin,dan

d. Tekanan udara.
3) Data diambil dari Badan Meteorologi, Klimatologi, dan Geofisika
(BMKG), data yang digunakan adalah data unsur cuaca yang diambil dari
bulan April 2015 sampai dengan bulan September 2015.
4) Output dari aplikasi berupa :
a. Prediksi cuaca, serta
b. Rekomendasi untuk pelayaran.
6. TUJUAN PENELITIAN
Adapun tujuan yang ingin dicapai dalam penelitian ini adalah :
1) Merancang dan membangun sebuah aplikasi yang dapat melakukan
peramalan cuaca terkhusus pada bidang pelayaran.
7. MANFAAT PENELITIAN
Manfaat penelitian ini adalah :
Memberikan sebuah model alternatif prediksi cuaca, sehingga bisa
membantu prakrirawan cuaca dan juga para pelayar dalam memperkirakan
prediksi cuaca untuk pelayaran.

8. METODE PENELITIAN
Berdasarkan tujuan penelitian yang yang telah dijelaskan sebelumnya,
Metodologi Penelitian yang digunakan dalam penulisan proposal ini terdiri
dari :
8.1 Metode Pengumpulan Data
1) Studi Pustaka
Studi Pustaka dilakukan dengan cara mempelajari teori-teori
serta literatur-literatur dan buku-buku yang berhubungan dengan
penelitian ini.
2) Studi Analisis
Melakukan analisis terhadap masalah yang dikaji dalam
penelitian ini, mendefenisikan batasan-batasan dalam masalah tersebut
serta mencari cara atau solusi untuk menyelesaikannya.
3) Studi Lapangan

Studi lapangan bertujuan untuk mengumpulkan data yang

berhubungan dengan penelitian ini terutama berupa data cuaca, baik
berupa kecepatan angin dan lain sebagainya. Data didapat dari
pengamatan langsung dan dari BMKG (Badan Meteorologi,
Klimatologi, dan Geofisika).
8.2 Metode Pengembangan Aplikasi
Pengembangan aplikasi Peramalan cuaca sebagai rekomendasi
untuk pelayaran kapal laut dengan menerapkan Metode TakagiSugenomenggunakan bahasa pemrograman Matlab. Adapun langkahlangkah dalam membangun aplikasi ini secara garis besar adalah sebagai
berikut :
1) Analisa Kebutuhan
Adapun dalam melakukan pengolahan data aplikasi ini
memerlukan masukan, keluaran dan kebutuhan interface. Adapun
tujuan dilakukan analisa kebutuhan ini adalah untuk sebagai
pedoman yang dijadikan batasan dalam penelitian ini yaitu berupa
kekurangan dan kelebihan dari pada aplikasi yang penulis rancang
ini. Berikut merupakan analisis kebutuhan dalam melakukan
perancangan dan pembuatan aplikasi ini adalah :
a. Kebutuhan Data Masukan
Data masukan yang dibutuhankan dalam aplikasi adalah datadata yang berhubungan dengan cuaca
b. Kebutuhan Data Keluaran
Adapun data keluaran yang yang dibutuhkan dalam aplikasi ini
adalah prediksi cuaca dan rekomendasi pelayaran.

c. Kebutuhan Interface

Kebutuhan interface pada aplikasi ini adalah kemudahan dan

kenyaman

pengguna

dari

pada

aplikasi

ini

dalam

menggunakannya sesuai dengan masalah yang dihadapi.

2) Perancangan Aplikasi
Perancangan aplikasi ini adalah tahap konseptualisasi, yaitu
suatu tahapan yang mengharuskan analisis dalam perancangan
aplikasi (perangkat lunak) untuk berusaha tahu pasti mengenai halhal yang dijadikan atau menjadi kebutuhan serta harapan pengguna
daripada aplikasi ini. Diagram yang digunakan dalam perancangan
aplikasi ini adalah Data Flow Diagram (DFD).
Alur atau proses kerja aplikasi ini terdiri dari beberapa tahap
yang tidak dapat dipisah satu dengan yang lainnya. Adapun tahaptahap tersebut antara lain : pertama, melakukan pengumpulan datadata yang relevan dengan penelitian, melakukan input data kedalam
aplikasi, dilanjutkan dengan melakukan proses. Setelah itu dilakukan
proses peramalan dan setelah proses selesai akan menghasilkan
prediksi cuaca sehingga didapat sebuah rekomendasi untuk
pelayaran.
Dalam pembuatan aplikasi ini diperlukan beberapa perangkat
lunak serta perangkat keras agar dapat tercapai tujuan yang
diinginkan. Yaitu :
a. Perangkat Lunak
Berikut ini merupakan perangkat lunak yang penulis gunakan
dalam pembuatan aplikasi ini
1. Matlab
2. Sistem Operasi Windows 7 Ultimate
b. Perangkat Keras

Berikut perangkat keras yang penulis gunakan dalam melakukan

penelitian ini :
1. Monitor VGA atau SVGA (1366 x 768)
2. Processor Intel Core 2 Duo
3. Ram 4 GB
4. Harddisk Seagate 320 GB
5. Keyboad, Mouse, Printer
3) Implementasi
Dalam pembuatan aplikasi, tahap ini merupakan tahap nyata dalam
melakukan pembuatan atau pengerjaan aplikasi.Aplikasi peramalan
cuaca ini yaitu dengan menerapkan metode Takagi-Sugenoyang
penulis khusus dalam penelitian ini.
4) Pengujian
a. Black BoxTesting
Dalam pengujian ini, penulis melakukan dengan cara mengamati
hasil eksekusi melalui data uji dan memeriksa fungsional dari
aplikasi yang telah dibuat. Pengujian keberhasilan dari metode
ini dilakukan dengan melihat hasil peramalan yang dihasilkan.
b. White Box Testing
Sedangkan dalam pengujian ini, penulis akan meneliti kode-kode
atau syntax pada pemograman yang akan dianalisis apakah ada
kesalahan atau tidak. Jika mendapatkan output yang tidak sesuai
dengan yang diinginkan maka penulis akan mengecek secara
manual yaitu satu persatu kode-kode sampai didapat bagian
mana yang salah.
5) Penggunaan dan pemeliharaan
Setelah aplikasi ini jadi maka penggunadapat menggunakan aplikasi
ini. Jika terdapat penggunakan untuk keperluan yang lebih komplit
maka

akan

dilakukan

pemeliharaan

dan

perbaikan

serta

pengembangan dari pada aplikasi ini.

9. TINJAUAN PUSTAKA
9.1 Pengertian Aplikasi
Menurut Jogiyanto (2004:4) aplikasi merupakan program yang
berisikan perintah-perintah untuk melakukan pengolahan data. Jadi
aplikasi secara umum adalah suatu proses dari cara manual yang
ditransformasikan ke komputer dengan membuat sistem atau program
agar data diolah lebih berdaya guna secara optimal.
Sedangkan menurut Daryanto (2004:347), aplikasi adalah
software atau perangkat lunak yang dibuat untuk mengerjakan
menyelesaikan masalah-masalah khusus.
Dari uraian diatas maka dapat disimpulkan bahwa aplikasi
adalah

sebuah

perangkat

lunak

yang

berisi

perintah

untuk

menyelesaikan masalah dan pengolahan data.

9.2

Pengertian Cuaca
Cuaca adalah kadaan udara pada saat tertentu dan diwilayah
tertentu yang relatif sempit dan dalam jangka waktu yang singkat.
Unsur-unsur yang mempengaruhi cuaca dan iklim adalah
sebagai berikut:
a. Suhu udara perubahan suhu udara di satu tempat dengan
tempat lainnya bergantung pada ketinggian tempat dan letak
astronomisnya (lintang). Perubahan suhu karena perbedaan
ketinggian jauh lebih cepat daripada perubahan suhu karena
perbedaan letak lintang. Biasanya, perubahan suhu terjadi

berkisar 0,6 derajat celcius tiap kenaikan 100 meter,alat ukur

adalah Termometer.
b. Tekanan udara tekanan udara adalah berat massa udara pada
suatu wilayah. Tekanan udara menunjukkan tenaga yang
bekerja untuk menggerakkan massa udara dalam setiap satuan
luas tertentu. Tekanan udara semakin rendah jika semakin
tinggi dari permukaan laut,alat ukur adalah Barometer.
c. Kecepatan Angin: angin adalah massa udara yang bergerak dari
suatu tempat ke tempat lain. Tiupan angin terjadi jika di suatu
daerah terdapat perbedaan tekanan udara, yaitu tekanan udara
maksimum dan minumum. Angin bergerak dari daerah
bertekanan udara maksimum ke minimum,alat ukur adalah
Anenometer.
d. Kelembaban udara: kelembaban udara adalah kandungan uap
air dalam udara. Uap air yang ada dalam udara berasal dari
hasil penguapan air di permukaan bumi, air tanah, atau air yang
berasal dari penguapan tumbuh-tumbuhan,alat ukur adalah
Higrometer.

9.3 Pengertian Logika Fuzzy

Logika fuzzy adalah sesuatu yang amat rumit dan tidak
menyenangkan. Namun, sekali seseorang mulai mengenalnya, ia pasti
akan sangat tertarik dan akan menjadi pendatang baru untuk ikut serta
mempelajari logika fuzzy. Logika fuzzy dikatakan sebagai logika baru

yang lama, sebab ilmu tentang logika fuzzy modern dan metodis baru
ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep
tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama.
Logika fuzzy adalah suatu cara yang tepat untuk memetakan
suatu ruang input ke dalam suatu ruang output. Sebagai contoh:
1. Manajer pergudangan mengatakan pada manajer produksi seberapa
banyak persediaan barang pada akhir minggu ini, kemudian
manajer produksi akan menetapkan jumlah barang yang harus
diproduksi esok hari.
2. Pelayan restoran memberikan pelayanan terhadap tamu, kemudian
tamu akan memberikan tip yang sesuai atas baik tidaknya pelayan
yang diberikan;
3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda
inginkan, saya akan mengatur putaran kipas yang ada pada ruangan
ini.
4. Penumpang taksi berkata pada sopir taksi seberapa cepat laju
kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas
taksinya.
Logika fuzzy telah lama dikenal dan digunakan dalam berbagai
bidang oleh para ahli dan insinyur. Penggunaan logika fuzzy pada
awalnya digunakan untuk beberapa bidang, seperti sistem diagnosa
penyakit (dalam bidang kedokteran); pemodelan sistem pemasaran, riset
operasi (dalam bidang ekonomi); kendali kualitas air, prediksi adanya
gempa bumi, klasifikasi dan pencocokan pola (dalam bidang teknik).

10

Penggunaan logika fuzzy dalam bidang sistem daya (power system) juga
sudah dilakukan, antara lain dalam analisis kemungkinan, prediksi dan
pengaturan

beban,

identifikasi

gangguan

pada

generator

dan

penjadwalan pemeliharaan generator. Dalam paper ini dijelaskan

aplikasi logika fuzzy dalam mengkaji pengaruh induksi medan magnet
pada kesehatan manusia. Hasil aplikasi logika fuzzy menunjukkan tidak
adanya pengaruh yang signifikan dari medan magnet tersebut.
Menurut Asus Naba, logika fuzzy adalah: Sebuah metodologi
berhitung dengan variabel kata-kata (linguistic variable) sebagai
pengganti

berhitung dengan bilangan. Kata-kata digunakan dalam

logika fuzzy memang tidak sepresisi bilangan, namun kata-kata jauh

lebih dekat dengan intuisi manusia[NAB-2009].
Mengenai logika fuzzy pada dasarnya tidak semua keputusan
dijelaskan dengan 0 atau 1, namun ada kondisi diantara keduanya,
daerah diantara keduanya inilah yang disebut

dengan fuzzy atau

tersamar. Secara umum ada beberapa konsep sistem logika fuzzy,

sebagai berikut dibawah ini:
Himpunan tegas yang merupakan nilai keanggotaan suatu sistem
dalam suatu himpunan tertentu. Himpunan fuzzyyang merupakan suatu
himpunan yang digunakan untuk mengatasi kekakuan dari himpunan
tegas. Fungsi keanggotaanyang memiliki interval 0 sampai 1 Variabel
linguistic yang merupakan suatu variabel yang memiliki nilai berupa
kata-kata yang dinyatakan dalam bahasa alamiah dan bukan angka.

11

Operasi dasar himpunan fuzzy merupakan operasi untuk

menggabungkan dan atau memodifikasi himpunan fuzzy, aturan(rule)ifthen fuzzy merupakan suatu pernyataan if-then, dimana beberapa katakata dalam pernyataan tersebut ditentukan oleh fungsi keanggotaan.
Dalam proses pemanfaatan logika fuzzy, ada beberapa hal yang harus
diperhatikan salah satunya adalah cara mengolah input menjadi output
melalui sistem inferensi fuzzy. Metode inferensi fuzzy atau cara
merumuskan pemetaan, dari masukan yang diberikan kepada sebuah
keluaran. Proses ini melibatkan fungsi keanggotaan, operasi logika,
serta aturan IF-THEN. Hasil dari proses ini akan menghasilkan sebuah
sistem yang disebut dengan FIS (Fuzzy Inferensi System).

9.3.1

Alasan Digunakannya Logika Fuzzy

Ada beberapa alasan mengapa orang menggunakan
logika fuzzy, antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis
yang mendasari penalaran fuzzy sangat sederhana dan
mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang
tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear
yang sangat kompleks.

12

5. Logika fuzzy dapat membangun dan mengaplikasikan

pengalaman-pengalaman para pakar secara langsung tanpa
harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik
kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.

9.3.2

Himpunan Fuzzy
Ada beberapa hal yang perlu diketahui dalam memahami
sistem fuzzy, yaitu:
a. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam
suatu sistem fuzzy. Contoh: umur, temperatur, permintaan, dsb.
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu
kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
Contoh:
1. Variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu:
MUDA, PAROBAYA, dan TUA. (Gambar 7.3)
2. Variabel temperatur, terbagi menjadi 5 himpunan fuzzy,
yaitu: DINGIN, SEJUK, NORMAL, HANGAT, dan
PANAS.

13

DINGIN

SEJUK

NORMAL HANGAT

PANAS

[x]

15

20

25

30

35

40

Temperatur (oC))

Gambar. Himpunan fuzzy pada variabel temperatur.

c. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang
diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.
Semesta pembicaraan merupakan himpunan bilangan real yang
senantiasa naik (bertambah) secara monoton dari kiri ke kanan.
Nilai semesta pembicaraan dapat berupa bilangan positif
maupun negatif. Adakalanya nilai semesta pembicaraan ini
tidak dibatasi batas atasnya.
d. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang
diijinkan

dalam

semesta

pembicaraan

dan

boleh

dioperasikan dalam suatu himpunan fuzzy. Seperti halnya

semesta

pembicaraan,

domain

merupakan

himpunan

bilangan real yang senantiasa naik (bertambah) secara

monoton dari kiri ke kanan. Nilai domain dapat berupa
bilangan positif maupun negatif. Perolehan Data beserta
rentang nilai. Sebagian data diatas dipergunakan sebagai
variabel masukan.
14

Aplikasi

Fungsi

Implikasi,

Komposisi

dan

Penegasan

(Defuzzyfikasi). Setelah menerima input fungsi keanggotaan dari

masing-masing

himpunan,

langkah

selanjutnya

adalah

mengkombinasikan himpunan-himpunan tersebut menjadi 27

aturan(R). Dengan menggunakan operator AND dalam kombinasi
ini, maka penentuan predikat dilakukan dengan mencari nilai
terkecil dari setiap kombinasi. Agar lebih mudah memahami proses
implikasi, komposisi, dan defuzzyfikasi,kitaasumsikan bahwa:
1. Untuk fungsi keanggotaan tekanan udara, himpunan lemah
diberi bobot 1, kuat diberi bobot 2, dan sangat kuat diberi
bobot 3.
2. Untukfungsi keanggotaan suhu udara:himpunan kecil diberi
bobot1,besar diberi bobot 2, dan sangat besar diberi bobot 3.
3. Untuk fungsi keanggotaan kelembaban udara: himpunan
sedikit diberi bobot 1, sedang diberi bobot 2, dan banyak diberi
bobot 3
4. Untuk fungsi keanggotaan kecepatan angin: himpunan kecil
diberi bobot 1, sedang diberi bobot 2, dan besar diberi bobot 3

9.3.3

Komposisi Aturan
Tidak seperti penalaran monoton, apabila sistem
terdiri-dari beberapa aturan, maka inferensi diperoleh dari
kumpulan dan korelasi antar aturan. Ada 3 metode yang
digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max,
additive dan probabilistik OR (probor).
a. Metode Max (Maximum)

15

Pada metode ini, solusi himpunan fuzzy diperoleh dengan

cara

mengambil

nilai

maksimum

aturan,

kemudian

menggunakannya untuk memodifikasi daerah fuzzy, dan

mengaplikasikannya

ke

output

dengan menggunakan

operator OR (union). Jika semua proposisi telah dievaluasi,

maka output akan berisi suatu himpunan fuzzy yang
merefleksikan konstribusi dari tiap-tiap proposisi. Secara
umum dapat dituliskan:
sf[xi] max ( sf[xi] , kf[xi])

dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i
kf[xi]=nilai keanggotaan konsekuen fuzzy aturan ke-i

b. Metode Additive (Sum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan
cara melakukan bounded-sum terhadap semua output daerah
fuzzy. Secara umum dituliskan:
sf[xi] max ( 1, sf[xi] + kf[xi]
dengan:
sf[xi]=nilai keanggotaan solusi fuzzy sampai aturan ke-i
kf[xi]=nilai keanggotaan konsekuen fuzzy aturan ke-i
c. Metode Probabilistik OR (probor)

16

Pada metode ini, solusi himpunan fuzzy diperoleh dengan

cara melakukan product terhadap semua output daerah
fuzzy. Secara umum dituliskan:
sf[xi] max ( sf[xi] + kf[xi] ) (sf[xi] * kf[xi] )
dengan:
sf[xi]=nilai keanggotaan solusi fuzzy sampai aturan ke-i
kf[xi]=nilai keanggotaan konsekuen fuzzy aturan ke-

9.3.4 Defuzzifikasi
Defuzzifikasi merupakan sebuah bilangan tunggal,yaitu
harga

variable

masukan

dan

keluarnya

adalah

derajat

keanggotan dalam suatu fuzzy set dalam antecedent,maka

masukan dan keluaran defuzzifikasi adalah sebuah set (dalam hal
ini fuzzy set hasil agregasi) dan keluarannya adalah sebuah
tunggal untuk diisikan ke sebuah variable keluaran FIS. Ada
beberapa jenis versi bilangan tunggal yang dimaksud tersebut
.mungkin yang paling populer adalah center of area atau
centroid dibawah kurva dari fuzzy set hasil agregasi.
Transformasi yang menyatakan kembali keluaran dari dominan
fuzzy dalam dominan crisp. Keluaran fuzzy diperoleh melalui
eksekusi dari beberapa fungsi keanggotaan fuzzy. Terdapat
tujuan

metode

yang

dapat

digunakan

pada

proses

defuzzifiheight method (Max-membership principle),dengan

mengambil nilai fungsi keanggotaan terbesar dari keluaran fuzzy
yang ada untuk dijadikan nilai keluaran dari seluruh fungsi

17

keanggotan keluaran fuzzy yang ada untuk dijadikan nilai

defuzzifikasi, centroid (center of grafity )method, mengambil
nilai tengah dari seluruh fungsi keanggotan keluaran fuzzy yang
ada untuk dijadikan nilai defuzzyfikasi, weighted average
method, hanya dapat digunakan untuk keluaran fungsi
keanggotan dari beberapa proses fuzzy mempunyai bentuk yang
sama, mean-max membership, mempunyai perinsif kerja yang
sama dengan metode maxsimum tetapi lokasi dan fungsi
keanggotaan maksimum tidak harus unik, center of sums,
mempunyai perinsip kerja yang hampir sama dengan weighted
average method tetapi nilai yang dihasilkan merupakan area
respektif dari fungi keanggotaan yang ada.
9.3.5 Aturan IF-THEN
Dari

data

penjelasan

parameter-paramater

fungsi

keanggotan sebagaimana diatas,kemudian dapat dibuat aturan

IF-THEN.basis aturan dibentuk dalam 2 bagian yaitu bagian
paramatter

blok

yang

digunakan

menyimpan

nilai-nilai

parameter dari satu aturan dan bagian lainnya adalah rulers

block yang digunakan untuk menyimpan aturan itu sendiri.
Jumlah aturan IF-THEN yang dihasilkan merrupakan
perkalian zikma kemungkinan gejala-gejalanya (premis), yang
kemudian dikurangi jumlah aturan yang dapat diredukasi.
9.4 Metode Takagi-Sugeno
Menurut Fanoeel Thamrin (2012:9) dalam membangun sebuah
system fuzzydikenal beberapa metode penalaran ,antara lain: metode

18

Tsukamoto, metode Mamdani, dan metode Takagi-Sugeno. Pada

perancangan peramalan cuaca akan digunakan metode Takagi-Sugeno.
Fuzzy metode sugeno merupakan metode inferensi fuzzy untuk
aturan yang direpresentasikan dalam bentuk IF THEN, dimana output
(konsekuen) system tidak berupa himpunan fuzzy, melainkan berupa
konstanta

atau

persamaan

linear

[KUS-02:98].

Metode

ini

diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Model

Takagi-Sugeno menggunakan fungsi keanggotaan Singleton yaitu
fungsi keanggotaan yang memiliki derajat keanggotaan 1 pada suatu
nilai crisp tunggal dan 0 pada nilai crisp yang lain.
Untuk Orde 0 dengan rumus :
IF(x1 is a1) (x2 is A2) (xn is An)
THEN z= k,
dengan Ai adalah himpunan fuzzyke i sebagai antaseden
(alasan), adalah operator fuzzy (AND atau OR) dan k merupakan
konstanta tegas sebagai konsekuen (kesimpulan).
Sedangkan rumus Orde1 adalah:
IF(x1 is a1) (x2 is A2) (xn is An)
Pada metode Takagi-Sugeno ,setiap konsekuen pada aturan yang
berbentuk IF-THEN harus di persentasikan dengan suatu himpunan
fuzzy dengan fungsi keanggotan monoton. Sebagai hasilnya, output
hasil inferensi dari tiap-tiap aturan diberikan (crsip) berdasarkan
apredikat (fire strength). Hasil akhirnya diperoleh menggunakan ratarata terbobot. Misal ada 2 variabel input,var -1{x} dan var -2(y) serta 1
variabel output var-3 (z),dimana var-1 terbagi atas 2 himpunan yaitu
A1 dan A2 dan var-2 terbagi atas himpunan B1 dan B2. Sedangkan var3 juga terbagi atas 2 himpunan yaitu C1dan C2.Ada 2 aturan yang
digunakan yaitu:

19

[R1] IF (x is A1) and (y is B2) THEN (z is c1)

[R2] IF (x is A2) and (y is B1) THEN (z is C2).
9.5 Matlab
Menurut Teguh Widiarsono (2005:1) Matlab merupakan suatu
bahasa pemograman yang bisa membantu memecahkan berbagai
masalah matematis yang kerap kita temui dalam bidang teknis.
Sedang menurut Muhammad Iqbal (2009:2) Matlab adalah
sebuah bahasa dengan (high-performance) kinerja tinggi untuk
komputasi masalah teknik. Matlab mengintegrasikan komputasi,
visualisasi, dan pemrograman dalam suatu model yang sangat mudah
untuk

pakai

dimana

masalah-masalah

dan

penyelesaiannya

diekspresikan dalam notasi matematika yang familiar.

Matlab merupakan akronim dari kata Matrix Laboratory.Versi
pertama Matlab ditulis pada tahun 1970.Saat itu, Matlab digunakan
untuk pelatihan dalam teori matrik, aljabar linier dan analisis numerik.
Fungsi-fungsi Matlab ini digunakan untuk menyelesaikan masalah
bagian khusus, yang disebut toolboxes. Toolboxes dapat digunakan
untuk bidang pengolahan sinyal, sistem pengaturan, fuzzy logic,
numeral network, optimasi, pengolahan citra, dan simulasi yang lain.
Matlab adalah bahasa pemrograman level tinggi yang
dikhususkan untuk komputasi teknis. Bahasa ini mengintegrasikan
kemampuan komputasi, visualisasi, dan pemrograman dalam sebuah
lingkungan yang tunggal dan mudah digunakan. Matlab memberikan
sistem interaktif yang menggunakan konsep array sebagai standar
variabel elemennya tanpa membutuhkan pendeklarasian array seperti

20

pada bahasa pemrograman lain.

10 PENELITIAN TERKAIT
Berikut ini adalah beberapa penelitian yang telah dilakukan
sebelumnya yang terkait dengan penelitian yang penulis lakukan ini :
a. Aplikasi Prediksi Cuaca Berbasis Logika Fuzzy Untuk Rekomendasi
Penerbangan Di Bandar Udara Raja Haji Fisabilillah, oleh Nur Endah Sari,
Dr. Edi Sukirman, S.Si., MM, Jurusan Teknik Informatika, Fakultas
Teknik Industri, Universitas Gunadarma, pada tahun 2011. Berdasarkan
pembahasan dapat disimpulkan bahwa model prediksi cuaca menggunakan
metode logika fuzzy untuk kebutuhan penerbangan menghasilkan nilai
keakuratan untuk prediksi hujan adalah 61.73%, dan prediksi kecepatan
angin menghasilkan nilai keakuratan 50.5%.
b. Pengenalan Pola Cuaca Maritim (Curah Hujan, Tinggi Gelombang Dan
Kecepatan Arus) Dengan Metode Adaptive Neuro Fuzzy Inference System
(Anfis) Pada Jalur Pelayaran Surabaya-Makasar, oleh Riska Lutfiana dan
M.Tirono pada tahun 2013 Jurusan Fisika Universitas Islam Negeri (UIN)
Maulana Malik Ibrahim Malang. Dari penelitian yang telah dilakukan
dapat disimpulkan bahwa pola cuaca, khususnya pada pola curah hujan,
ketingian gelombang laut dan kecepatan arus laut dapat diamati dan
dipelajari pola yang terbentuk, dari sini dirancang Pengenalan Pola Cuaca
Maritim (Curah Hujan, Tinggi Gelombang dan Kecepatan Arus) dengan
Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS), yang
selanjutnya bisa didapatkan pola cuaca maritime pada jalur pelayaran
Surabaya-Makasar.
c. Penerapan Logika Fuzzy Metode Sugeno untuk Sistem Pendukung
Keputusan Prakiraan Cuaca oleh Eka Mahargiyak, Diah Anggraeni P.,

21

Restu wandiro S., Yasrifan Mahzar Program Studi Informatika/ Ilmu

Komputer Program Teknologi Informasi Dan Ilmu Komputer Universitas
Brawijaya pada tahun 2013. Persentasi kebenaran pada uji verifikasi yang
dilakukan secara manual dan sistem memiliki kategori yang sama yaitu
baik. Dengan prosentasi masing masing yaitu - Uji verifikasi manual =
76% (44 data tepat dari 58 data). - Uji verifikasi sistem = 74% (43 data
tepat dari 58 data).
d. Analisis Sistem Inference Fuzzy Takagi-Sugeno dalam menentukan harga
penjualan tanah untuk pembangunan minimarket, Rizkysari Meimaharani,
Jurnal Simetris, Vol 5 No 1 April 2014 Issn: 2252-4983, Fakultas Teknik,
Program Studi Teknik Informatika Universitas Muria Kudus.Berdasarkan
pengujian yang dilakukan dapat diketahui bahwa teknik kendali fuzzy
mampu menghasilkan respon seperti yang diharapkan yaitu mampu
menilai jarak jauh dekat yang menentukan harga dalam penjualan tanah
untuk pembangunan minimarket.
11 JADWAL WAKTU PELAKSANAAN
Bulan

No

Kegiatan

Studi Kepustakaan

Penerimaan Proposal Skripsi

Apr

Mei

Juni

Juli

201

201

201

201

Agu

Sep

201

201

Pengumpulan dan Analisis

3
Data
4

Pembuatan Aplikasi /Program

Pengujian Aplikasi /Program

22

Penyelesaian Laporan Akhir

12 DAFTAR PUSTAKA
Agus Naba. 2009. Fuzzy Logic Menggunakan Matlab. Andi : Yogyakarta.
Aydin, I., Karakose, M. and Akin, E.. 2009. The Prediction Algorithm
Based on Fuzzy Logic Using Time Series Data Mining Method.
World Academy of Science, Engineering and Technology.
Eka Mahargiyak, Diah Anggraeni P., Restu wandiro S., Yasrifan Mahzar.
2013. Penerapan Logika Fuzzy Metode Sugeno untuk Sistem
Pendukung Keputusan Prakiraan Cuaca. Program Studi
Informatika/ Ilmu Komputer Program Teknologi Informasi Dan
Ilmu Komputer Universitas Brawijaya : Malang.
Hasan M. Iqbal. 2002. Pokok-Pokok Materi, Teori Pengambilan
Keputusan. Ghalia Indonesia : Jakarta
Herliana, Arif Ismul Hadi, Suwarsono. 2010. Analisis Karakteristik
Intensitas Curah Hujan Di Kota Bengkulu. Jurusan Fisika,
Fakultas MIPA, Universitas Bengkulu : Bengkulu.
http://en.wikipedia.org/wiki/Sequence_diagram (diakses pada 5 April
2015)
(http://en.wikipedia.org/wiki/Use_Case_diagram) (diakses pada 5
April 2015)
http://www.ibm.com/developerworks/rational/library/content/RationalEd
ge/sep04/bell/ (diakses pada 10 maret 2015)
Jogiyanto, Hartono. 2004. Pengenalan Komputer. Yogyakarta: C.V.ANDI
OFFSET.
Kodoatie, Robert J., Roestam Sjarief. 2010. Tata Ruang Air. Penerbit
Andi : Jogjakarta.
Kusumadewi S, 2009. Aplikasi Logika Fuzzy. Graha Ilmu. Yogyakarta.
Kusumadewi S, Hartati S. Neuro fuzzy:Integrasi Sistem Fuzzy dan
Jaringan Syaraf. Yogyakarta: Graha Ilmu; 2006.
Makridakis, S, dkk. 1991. Metode dan Aplikasi Peramalan. Edisi
kedua. Jakarta:Erlangga.
Muhammad
Iqbal.
2009.
Pengolahan
MenggunakanMatlab : Jakarta

Citra

Digital

23

Nur Endah Sari, Edi Sukirman. 2011. Prediksi Cuaca Berbasis Logika
Fuzzy Untuk Rekomendasi Penerbangan Di Bandar Udara Raja
Haji Fisabilillah. Jurusan Teknik Informatika, Fakultas Teknik
Industri, Universitas Gunadarma : Jakarta.
Riska Lutfiana dan M.Tirono. 2013. Pengenalan Pola Cuaca Maritim
(Curah Hujan, Tinggi Gelombang Dan Kecepatan Arus) Dengan
Metode Adaptive Neuro Fuzzy Inference System (Anfis) Pada
Jalur Pelayaran Surabaya-Makasar. Jurusan Fisika Universitas
Islam Negeri (UIN) Maulana Malik Ibrahim : Malang
Rizkysari Meimaharani. 2014. Analisis Sistem Inference Fuzzy TakagiSugeno dalam menentukan harga penjualan tanah untuk
pembangunan minimarket. Fakultas Teknik, Program Studi
Teknik Informatika Universitas Muria : Kudus.
Riza, Lala Septem. 2008. Prediksi Data Time Series Dengan
Menggunakan Algoritma Ant System (Studi Kasus Prediksi Harga
Saham). Program Studi Teknik Elektro, Institut Teknologi
Bandung : Bandung.
Schroeder Roger C. 2007. Manajemen Operasi Pengambilan Keputusan
dalam Fungsi Operasi (Terjemahan). Penerbit Erlangga : Jakarta.
Teguh widiarsono, 2005.Tutorial Praktis BelajarMatlab : Jakarta
Yuniar, Risty J., Didik Rahadi S., Onny S. 2013. Perbaikan Metode
Prakiraan Cuaca Bandara Abdulrahmah Saleh Dengan
Algoritma Neural Network Backpropagation. Program Magister
Fakultas Teknik, Universitas Brawijaya : Malang.

24