Anda di halaman 1dari 10

214

PENERAPAN LOGIKA FUZZY SEBAGAI SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA Decky Irmawan1), Khamami Herusantoso2) 1) Stasiun Meteorologi Klas I Ngurah Rai Gedung GOI Lt.II Bandara Ngurah Rai Denpasar 2) Pusdiklat Keuangan Umum Jl. Pancoran Timur II No.1 Jakarta Selatan e-mail: dq_i@yahoo.com, khamami2005@gmail.com Abstract
One of weather analyzing source is contributed by Radiosonde; an instrument aimed to record atmospheric condition. The output may consist of several variables. Through proper methods, we can predict both weather and thunderstorm in next 12 hours. The research uses fuzzy logic approachment through Sugeno Ordo 0 methods. To test the effectiveness of system, datas from January 2009 involved. The output then compared through real condition at similar time.The result shows weather prediction appoints 76%. Meanwhile thunderstorm prediction appoints 86%. These mean fuzzy logic approachment deserves a decision support system to forecast both weather and thunderstorm in next 12 hours. Keywords: weather forecast, fuzzy logic, Sugeno Ordo 0 methods, Radiosonde 1. Pendahuluan dinamika atmosfer. Sinyal yang dipancarkan dari rason akan diterima oleh stasiun pengamatan cuaca di permukaan bumi dan selanjutnya diolah dengan perangkat lunak RAOB sehingga akan menghasilkan output berupa informasi dinamika atmosfer pada suatu wilayah tertentu di atas permukaan bumi. Dengan dilakukannya pengamatan rason tiap 12 jam, maka sebagian output data pengamatan rason tersebut setidaknya dapat digunakan untuk memprakirakan kondisi cuaca maupun peluang badai guntur dalam 12 jam ke depan. Sebagian output data rason dimaksud adalah gaya angkat uap air itu sendiri atau SWEAT (Severe Weather Threat), energi potensial yang memungkinkan uap air terangkat secara vertikal atau CAPE (Convective Available Potential Energy), dan ketersediaan uap air pada ketinggian tertentu di atmosfer atau RH 700 (Relative Humidity at 700 mb), K Indeks yang merupakan metode untuk memprakirakan peluang badai guntur di daerah tropis, serta Total Totals Indeks untuk mengetahui laju penurunan suhu pada lapisan atmosfer antara 850 mb dan 500 mb. Masing-masing variabel tersebut memiliki rentang skala yang berbeda dalam memberikan kriteria prakiraan. Untuk menyederhanakan persepsi agar menghasilkan kriteria prakiraan cuaca yang sama dari beberapa variabel di atas, perlu ada suatu metode yang dapat membantu menjelaskan batasan antara satu kriteria dengan kriteria lainnya. Dengan begitu, akan lebih mudah dalam mendukung keputusan prakiraan kondisi cuaca umum di suatu wilayah, apakah cerah, berawan, ataupun hujan. Serta dapat memprakirakan peluang terjadinya

Kian pesatnya perkembangan teknologi informasi dan komunikasi menjadikan hal tersebut sebagai suatu kebutuhan. Teknologi tidak hanya berkutat di pusat-pusat kegiatan ekonomi manusia, tetapi juga telah menyentuh bidang yang lebih spesifik. Di antara yang spesifik tersebut adalah teknologi informasi dan komunikasi di bidang meteorologi. Meteorologi adalah ilmu yang mempelajari keadaan cuaca beserta sifat fisisnya. Pemanfaatan teknologi di bidang meteorologi dapat diterapkan untuk: • • • • • melakukan pengamatan cuaca, melaksanakan analisis dan prakiraan cuaca membuat model cuaca menyelenggarakan sistem komunikasi dan jaringan informasi cuaca pemeliharaan instrumen cuaca

Pada dasarnya, dalam melakukan analisis cuaca, dibutuhkan masukan yang terdiri dari berbagai unsur meteorologi. Pendekatan untuk memahami kejadian cuaca dilakukan dengan menggunakan bermacam teori fisika dan matematika, yang selanjutnya diterapkan ke dalam sistem komputer sehingga dapat mendukung prakirawan dalam memprakirakan cuaca. Stasiun Meteorologi Klas I Cengkareng, menggunakan beberapa sumber untuk membuat informasi prakiraan. Di antaranya dengan memanfaatkan data hasil pengamatan Radiosonde (rason), yaitu pengamatan dengan cara menerbangkan setiap 12 jam sekali sebuah perangkat elektronik yang dilengkapi pemancar untuk mengetahui
e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011, Bandung

• Himpunan fuzzy. • Komposisi: disebut juga dengan agregasi.2. Selanjutnya derajat keanggotaan masing-masing variabel ditentukan. Sedangkan penggunaan logika fuzzy untuk memprakirakan cuaca dalam 12 jam ke depan (very short range) dengan memanfaatkan output data hasil pengamatan rason belum pernah dilakukan. ° adalah operator fuzzy (AND atau OR) dan k merupakan konstanta tegas sebagai konsekuen (kesimpulan). selama ini sebagian besar penelitian untuk mamprakirakan cuaca berdasarkan logika fuzzy dilakukan dengan memanfaatkan output data unsur pengamatan cuaca permukaan. cara kerja dan deskripsi yang jelas berdasarkan logika fuzzy. 2. Metode Sugeno Pada dasarnya tidak banyak perbedaan antara FIS metode Mamdani dan Sugeno. 2. serta aturan IF-THEN. Sejauh yang penulis ketahui. maka proses agregasi dilakukan secara terpisah untuk tiap variabel keluaran aturan IF-THEN. melainkan ada kondisi yang terdapat di antara keduanya. namun kata-kata jauh lebih dekat dengan intuisi manusia” (Naba. Metode ini memiliki dua model. yaitu suatu sistem yang dibangun dengan definisi. Logika Fuzzy Menurut Agus Naba. • Penegasan (defuzzy) adalah tahapan di mana besaran fuzzy hasil dari sistem inferensi. operasi logika. dengan Ai adalah himpunan fuzzy ke i sebagai antaseden (alasan). Proses ini melibatkan: fungsi keanggotaan. Jika pada bagian kesimpulan terdapat lebih dari satu pernyataan. diubah menjadi besaran tegas. adalah suatu variabel yang memiliki nilai berupa kata-kata yang dinyatakan dalam bahasa alamiah dan bukan angka. Inferensi fuzzy metode atau cara untuk merumuskan pemetaan dari ma-sukan yang diberikan kepada sebuah output. Metode Mamdani Metode Mamdani adalah cara untuk mendapatkan keluaran dengan menggunakan tahapan: • Fuzzifikasi: tahapan di mana variabel masukan maupun keluaran terdiri atas satu atau lebih himpunan fuzzy. Fungsi Implikasi yang digunakan pada metode ini adalah fungsi minimum. Perbedaan utamanya hanya terletak pada keluaran sistemnya yang bukan berupa himpunan fuzzy. konsep sistem logika fuzzy adalah: • Himpunan tegas. Secara umum. antara lain Mamdani. memiliki interval 0-1 • Variabel linguistik. badai guntur. Dalam proses pemanfaatan logika fuzzy. • Aturan (rule) if-then fuzzy adalah suatu pernyataan if-then. • Operasi dasar himpunan fuzzy. Bandung . Hasil dari proses ini akan menghasilkan sebuah sistem yang disebut Sistem Inferensi Fuzzy (FIS). sehingga akan didapatkan nilai linguistiknya. 2. adalah operasi untuk menggabungkan dan atau memodifikasi himpunan fuzzy.1. yaitu Orde 0 dan Orde 1. setiap variabel masukan difuzzifikasikan. adalah nilai keanggotaan suatu item dalam suatu himpunan tertentu.215 beberapa jenis FIS.3. Kata-kata yang digunakan dalam fuzzy logic memang tidak sepresisi bilangan. • Fungsi keanggotaan. Dasar Teori 2. adalah suatu proses untuk mengkombinasikan keluaran semua IF-THEN menjadi sebuah kesimpulan tunggal. artinya menetapkan fungsi terkecil di antara dua atau lebih bilangan. Daerah di antara 0 dan 1 inilah yang dikenal dengan fuzzy atau tersamar. hal yang perlu diperhatikan adalah cara mengolah input menjadi output melalui sistem inferensi fuzzy. Pada logika fuzzy. tetapi berupa konstanta atau persamaan linear. Sedangkan rumus Orde 1 adalah: IF (x1 is a1) ° (x2 is A2) °…°(xn is An) THEN z = p1*x1+…+pn*xn+q. Dengan cara ini. apakah lemah atau kuat. adalah suatu himpunan yang digunakan untuk mengatasi kekakuan dari himpunan tegas. Pada Orde 0. Input dari defuzzifikasi adalah suatu himpunan yang diperoleh dari komposisi aturan-aturan fuzzy. Salah satu metode yang mampu mengatasi permasalahan ini adalah pendekatan logika fuzzy. • Aplikasi Fungsi Implikasi: tahap di mana proses mendapatkan kesimpulan sebuah aturan IF-THEN dilakukan berdasarkan derajat kebenaran. tersedia e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011. rumusnya adalah: IF (x1 is a1) ° (x2 is A2) °…°(xn is An) THEN z= k. sedangkan output yang dihasilkan merupakan bilangan pada domain himpunan fuzzy tersebut. logika fuzzy adalah: ”Sebuah metodologi berhitung dengan variabel kata-kata (linguistic variable) sebagai pengganti berhitung dengan bilangan. Agre-gasi semacam ini dijalankan dengan logika fuzzy OR. 2009). Sugeno dan Tsukamoto. di mana beberapa kata-kata dalam pernyataan tersebut ditentukan oleh fungsi keanggotaan. Pemahaman tentang logika fuzzy adalah bahwa pada dasarnya tidak semua keputusan dijelaskan hanya dengan 0 atau 1.

Sedangkan jika suhu di dalam parsel lebih dingin daripada suhu di lingkungan luarnya. dengan masing-masing himpunan memiliki rentang nilai tertentu. ° adalah operator fuzzy (AND atau OR). cerah dan hujan. TS selalu terjadi pada awan konvektif yang kuat. pi adalah konstanta ke i dan q juga merupakan konstanta dalam konsekuen. dilakukan dengan mengambil nilai minimum dari hasil operasi pembentukan aturan fuzzy. dengan kriteria: > 10 kandungan uap air sedikit 10 to 60 kandungan uap air sedang > 60 kandungan uap air banyak d.1. dengan rumusan fungsi keanggotaan untuk bahu kiri: 1 . 2. suhu udara dan suhu titik embun serta ketinggian lapisan atmosfer di e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011. Jika parsel dapat terus naik dan kelembaban udaranya mencapai 100%. Karena menggunakan operator AND. Menurut Zakir (2008): di Indonesia informasi prakiraan cuaca yang sudah dikenal masyarakat adalah berawan. Karena itu dalam memprakirakan cuaca perlu pengetahuan dasar terhadap parameter yang digunakan (p.7: Gambar 1. maka penentuan nilai keanggotaan (α-predikat).2500 energinya besar > 2500 energinya sangat besar c. dengan kriteria: < 1000 energinya kecil 1000 . Proses ini disebut adiabatik.9). Untuk mengembang. Konsekuensinya. ≤a Data primer hasil pengamatan rason semula hanya berupa data tekanan. Kurva untuk daerah tepi berbentuk bahu. dengan kriteria: < 145 konvektivitas lemah 145 to 205 konvektivitas kuat > 205 konvektivitas sangat kuat b. Fungsi kurva bahu adalah untuk mengakhiri variabel suatu daerah fuzzy. akibat energinya terlepas. CAPE. Akibatnya parsel akan mengembang. Metode Penelitian mana data cuaca dicatat. sedangkan bagian tengah berbentuk segitiga. K Indeks dan Total Totals Indeks lalu dipilih untuk dipergunakan sebagai variabel masukan. kelembaban udara. K Index. parsel memerlukan energi yang diambil dari dalam parsel tersebut. CAPE.4. 2. maka parsel tidak dapat terangkat dan akan kembali ke tempat semula. hasil keluaran akan menunjukkan informasi nilai masing-masing variabel. yaitu awan Cumulonimbus/CB. dengan kriteria: < 45 Tidak ada awan CB ≥ 45 Ada awan CB 3. Dengan memasukkan data tersebut ke dalam RAOB 5. di mana kumpulan hasil pengamatan dilakukan secara matematis dengan memperhatikan ruang dan waktu kecenderungan kondisi fisis udara sedemikian rupa sehingga diperoleh suatu prakiraan. artinya parsel bergerak menuju tempat yang bertekanan lebih rendah. arah dan kecepatan angin. Sementara itu untuk terjadinya hujan dikaitkan dengan proses fisis dan dinamis atmosfer yang diketahui melalui parameter-parameter seperti adanya massa udara.5. Pembentukan Fungsi Keanggotaan Penelitian diawali dengan pengelompokan masing-masing variabel menjadi tiga himpunan. RH700. Hasil pengolahan rason dengan RAOB5.6. Labilitas Udara Sebagai Faktor Pembentuk Cuaca Udara dipersepsikan sebagai paket atau parsel yang dapat terangkat jika suhu di dalam parsel tersebut lebih hangat dibandingkan suhu di lingkungan luarnya. 3. Klasifikasi variabel tersebut adalah: a.216 dengan Ai adalah himpunan fuzzy ke i seba-gai antaseden. dengan kriteria: < 40 potensi labilitas kecil ≥ 40 potensi labilitas besar e. maka suhu parsel tersebut akan turun. gaya vertikal dan energi. RH 700. Berikut adalah contoh output RAOB 5.7.7 Sebagian data di atas yaitu: SWEAT. 2. SWEAT. maka pertumbuhan awan akan mulai terjadi. Sistem Inferensi Fuzzy a. Ketika parsel terangkat. Bandung . Total Totals Index. Prakiraan cuaca Prakiraan cuaca merupakan suatu hasil kegiatan pengamatan kondisi fisis dan dinamis udara dari berbagai tempat pengamatan yang kemudian dikumpulkan. Terjadinya Badai Guntur Badai guntur atau Thunderstorm (selanjutnya disingkat TS) merupakan peristiwa terlepasnya satu atau lebih muatan positif kelistrikan di atmosfer secara mendadak yang ditandai dengan adanya kilat atau guntur.

Bandung . Aplikasi Fungsi Implikasi. a≤x≤b x ≥ b (3.x≤a x-a .1) Untuk kurva segitiga. x ≥ c (3. Diagram Sistem Inferensi Fuzzy untuk memprakiraan cuaca umum Untuk memprakirakan peluang TS. b-a 0 . Untuk menentukan prakiraan cuaca umum. rumusan fungsi keanggotaannya adalah: 0 . karena fungsi keanggotaannya hanya terdiri dari dua himpunan. diperlukan kombinasi kriteria dari ketiga variabel tersebut.x≤b µ“Kriteria Linguistik 3”(x) = x-b c-b 1 b≤x≤c x ≥ c (3.b≤x≤c . Dari diagram di atas. fungsi segitiga tidak dipergunakan. α = α-predikat = nilai minimum dari hasil operasi pembentukan aturan fuzzy ke n w = bobot untuk setiap prakiraan dalam pembentukan aturan fuzzy Cara dan metode yang sama juga digu-nakan untuk memprakirakan peluang terjadinya TS. di bawah ini digambarkan Sistem Inferensi Fuzzy: b. sebagaimana dilakukan dalam pembentukan aturan fuzzy. dengan variabel yang digunakan adalah K Indeks dan Total Totals Indeks dengan masing-masing variabel terdiri atas dua himpunan fuzzy. Diagram berikut akan menjelaskan bagaimana logika fuzzy dilakukan dalam FIS untuk memprakirakan TS: e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011.2) µ“Kriteria Linguistik 2” (x)= Sedangkan rumusan fungsi keanggotaan untuk bahu kanan adalah: 0 .3) Gambar 2. caranya dengan menghitung ratarata terbobot berdasarkan rumus: Z = α1(w1) + α2(w2) + α2(w2) + … + αn(wn) α1 + α2 + α2 +… + αn dengan Z = output rata-rata yang telah diberi bobot dan berupa konstanta (k).217 µ“Kriteri Linguistik 1” (x) = b-x . Komposisi dan Penegasan dengan Metode Suge-no Orde 0 Untuk prakiraan cuaca umum. Untuk mendapatkan keluaran. nampak bahwa tiap variabel memiliki kriteria tersendiri untuk menentukan kejadian cuaca.a≤x≤b b-a c-x c-b 0 .

00 0.90 71 .3 34.4 214. Ketepatan 91 .3 29.82 70.9 29.53 232.9 37.87 575.3 1252.00 0.00 0.00 12.2 40.35 1342.01 227.21 193.3 28.81 212.00 0.00 12.2 253 226.7 16. Rumus verifikasinya: TK = ∑ data prakiraan cuaca benar x 100% ∑ data kondisi cuaca sebenarnya c. maka perlu dilakukan kualifikasi sebagai berikut: Tabel I Skor Penilaian Data Hasil Verifikasi Skor A B C D E F Kategori Istimewa Sangat Baik Baik Cukup Baik Kurang Sangat Kurang Nilai Tk. Sedangkan batasan untuk memperkirakan peluang TS adalah: • TS dinyatakan kuat jika pada rentang waktu yang dimaksud terjadi muatan kelistrikan di atmosfer secara mendadak yang ditandai dee-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011.7 40.1 33.7 36.7 35.93 0 50 849.16 302.00 0.5 38. 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 . meskipun tidak nampak kilat.00 0.7 31.6 33.00 12.3 18.98 836.4 261 252.00 12.1 41.9 41. Bandung d. atau tidak ada guntur dan kilat sama sekali.00 12.3 45.62 CAPE 30.5 27.6 218.00 0.81 103.1 33.39 237.78 84.66 1.60 < 50 11 12 13 14 15 16 17 18 19 Kriteria Kondisi Cuaca dan TS Untuk memudahkan pemahaman apakah kondisi cuaca dianggap cerah.7 43.4 38.42 3.00 12.29 676.3 38.00 12.07 28.00 0.41 236.4 43.9 27.00 12.8 35.00 0.36 25.81 203. Analisa Dan Pembahasan • 4.2 33.2 32.21 250.7 47 42 44.00 12.00 12.70 51 .218 ngan kilat disertai guntur.7 44.6 35.8 42.1 Verifikasi Verifikasi dilakukan untuk mengetahui prosentase tingkat ketepatan prakiraan dibandingkan kondisi cuaca sebenarnya.4 42.67 5.6 204.2 231.00 12.86 RH 82 62 58 66 66 54 40 46 79 79 88 79 79 96 90 82 83 50 62 87 85 94 97 66 76 72 72 82 95 80 71 78 62 89 80 KI 35.65 339.67 195.4 42.5 35.7 35.14 85.00 0.61 97.82 188.21 211.7 22.6 41. 2 3 4 5 6 7 8 9 10 Guna mengetahui nilai hasil verifikasi.00 0.8 35 43.79 219.34 11.23 123.55 1415.1 41.3 35.8 213.3 41.07 133.00 0.81 217.41 208.5 42.00 0. Tabel II Output Data Rason Stasiun Meteorologi Klas I Cengkareng Bulan Januari 2009 Gambar 3.5 34.00 SWEAT 241 206.5 30. maka dibuat batasan-batasan sebagai berikut: • Cuaca cerah jika pada rentang waktu yang ditentukan jumlah awan yang menutupi langit ≤ 4 oktas (menutupi kurang dari separuh hingga separuh bagian langit) dan tidak terjadi hujan • Cuaca berawan jika pada rentang waktu yang ditentukan jumlah awan yang menutupi langit > 4 oktas dan tidak terjadi hujan • Cuaca hujan jika pada rentang waktu yang ditentukan terjadi hujan tanpa mempertimbangkan berapa banyak jumlah awan yang menutupi langit.77 415.9 32.2 191.56 221.00 12.00 0. TS dikatakan lemah jika dalam selang waktu yang dimaksud hanya terlihat kilat saja namun tidak terdengar suara guntur.00 0.00 12.8 38.1 34.21 217.00 12.8 43.9 43.3 625.00 0.23 323.00 0. maka kriteria tersebut termasuk TS kuat.80 61 .19 23.00 12.00 12.4 TI 44.19 205.5 34.100 81 .9 26.29 142.4 222.8 26.41 207.8 33.6 34.36 145.8 32. Jika hanya terdengar suara guntur.9 26.72 1572 629.6 44.52 182. berawan atau hujan.9 38.6 37.24 548.3 40.5 36. Diagram Sistem Inferensi Fuzzy untuk memprakirakan TS NO 1 TGL 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18 19 JAM 0.22 61.3 43.39 214.4 32.61 231.7 37.8 230.00 12.00 12.00 0.

(R10) Jika konvektivitas lemah (1).4 38.81 213. energi kecil (1) dan uap air sedikit (1).00 12. dan sangat besar diberi bobot 3.1 38. maka prakiraan adalah hujan (0. 8.41 0 0 92.00 0.8 31.4 34.5 43. 3. dan defuzzy. maka prakiraan adalah berawan (0.00 12. (R8) Jika konvektivitas sangat kuat (3).5 28.35 593. (R6) Jika konvektivitas kuat (2).88 82 73 71 62 62 62 62 92 58 50 74 78 75 91 71 79 62 79 74 92 91 81 90 36. • Untuk fungsi keanggotaan RH700: him-punan sedikit diberi bobot 1.6 27.3 45.4 26.00 0.21 192.01 196.00 12.36 908.5 44.81 239.00 12. maka prakiraan adalah cerah (0.6 32. langkah selanjutnya adalah mengkombinasikan himpunanhimpunan tersebut menjadi 27 aturan (R). komposisi. maka prakiraan adalah berawan (0.6 212. pemaham-an mengenai ke 27 aturan tersebut beserta pembobotannya adalah sebagai berikut: (R1) Jika konvektivitas lemah (1). kita asumsikan bahwa: • Untuk fungsi keanggotaan SWEAT. Sumber: Stasiun Meteorologi Klas I Cengkareng 4. • Untuk fungsi keanggotaan CAPE: himpunan kecil diberi bobot 1.26 311.00 0.44).00 0.01 732. energi kecil (1) dan uap air sedikit (1).00 0.66).55).2 38 33.9 27 29. energi kecil (1) dan uap air banyak (3).00 12. 4. (R4) Jika konvektivitas kuat (2).5 43. energi besar (2) dan uap air sedang (2).9 36. Pembentukan Fungsi Keanggotaan Fuzzifikasi SWEAT Fuzzifikasi CAPE Fuzzifikasi RH700 e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011.9 35.69 178.5 56.41 215.9 34.83 128.61 188. (R3) Jika konvektivitas lemah (1).00 0.5 43.55). Komposisi dan Penegasan (Defuzzy) Setelah menerima input fungsi keanggotaan dari masing-masing himpunan di atas.1 41.1 41. sedang diberi bobot 2.44).09 44.00 0.64 340.00 12.2 197. energi kecil (1) dan uap air sedikit (1). himpunan lemah diberi bobot 1.41 238 210.41 190. 2. 10.1.81 200. 11.219 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 19 20 20 21 21 22 22 23 23 24 24 25 25 26 26 27 27 28 28 29 29 30 30 31 31 12.7 36.42 273.53 228. (R2) Jika konvektivitas lemah (1).00 0. 7. Berdasarkan pernyataan tersebut. energi kecil (1) dan uap air sedang (2). Agar lebih mudah memahami proses implikasi. maka prakiraan adalah berawan (0. kuat diberi bobot 2.86 821. 6. maka prakiraan adalah cerah (0.41 188.1 42. energi kecil (1) dan uap air banyak (3).8 209 221.00 12.7 33. dan banyak diberi bobot 3. Dengan menggunakan operator AND dalam kombinasi ini.67 1161. dan sangat kuat diberi bobot 3.00 0. 9.00 12.77).6 31 28.2 217. maka prakiraan adalah berawan (0.00 0. maka prakiraan adalah cerah (0. maka prakiraan adalah berawan (0.00 0. b. (R5) Jika konvektivitas kuat (2).6 43.8 450.6 32.66).02 778. 1.73 283.81 204.00 12.61 228.00 12.5 41. maka prakiraan adalah berawan (0. (R9) Jika konvektivitas sangat kuat (3).00 0.7 44. maka penentuan α-predikat dilakukan dengan mencari nilai ter-kecil dari setiap kombinasi.1 45.4 34.2 27 39.6 Aplikasi Fungsi Implikasi.81 204.2 36 36 34.9 44.5 29. maka prakiraan adalah berawan (0.31 133. 5.01 173.55). energi besar (2) dan uap air sedikit (1). (R7) Jika konvektivitas sangat kuat (3).4 46. energi kecil (1) dan uap air sedang (2).44). (R11) Jika konvektivitas lemah (1). Bandung . energi kecil (1) dan uap air banyak (3).6 37. besar diberi bobot 2.8 218.00 12.33).00 12.1 31.5 42.4 202.92 169. FIS untuk Prakiraan Cuaca Umum a.8 41. energi kecil (1) dan uap air sedang (2).02 319.31 411.00 227.55).

44 berawan jika skor 0. energi besar (2) dan uap air banyak (3). (1 3 3) dan (3 3 1) serta pada R15. Namun karena rentang nilai bobot pada logika fuzzy adalah antara 0 sampai 1. maka nilai masing-masing bobot dikali 0. R21 dan R25 dengan komposisi bo-bot (3 1 3). (R22) Jika konvektivitas kuat (2). (R18) Jika konvektivitas sangat kuat (3). (R19) Jika konvektivitas lemah (1).11 = 0. energi besar (2) dan uap air sedikit (1). 16.77). (R26) Jika konvektivitas sangat kuat (3).77) 26.66).88).42 masuk dalam himpunan lemah (1) dan nilai RH700 sebesar 82 masuk dalam himpunan banyak (3). Sedangkan pada R15. energi sangat besar (3) dan uap air banyak (3). Kecuali pada R3. maka pada R9. Dalam metode Sugeno Orde 0. Komposisi ini pada dasarnya sama dengan komposisi pada R9 dengan bobot nilai akhir 0. maka prakiraan adalah berawan (0. yaitu proses untuk mengubah besaran fuzzy menjadi bilangan tegas. R17 dan R23 dengan komposisi bobot (2 2 3). maka prakiraan adalah berawan (0. energi sangat besar (3) dan uap air banyak (3). kriteria prakiraannya adalah berawan. 20. 14.77 yang masuk dalam kriteria hujan. agar bobot maksimum 1 tercapai. energi besar (2) dan uap air sedang (2). FIS untuk Prakiraan Peluang TS a. 23. (R15) Jika konvektivitas kuat (2). karena masih harus melalui proses agregasi. hasil akhirnya tidak serta-merta didapat langsung hanya dengan memperhatikan satu aturan saja. (R20) Jika konvektivitas lemah (1).66).88).77.55). Berdasarkan kriteria. sehingga akan didapati bahwa Z adalah 0. (R12) Jika konvektivitas lemah (1). energi sangat besar (3) dan uap air sedang (2). energi sangat besar (3) dan uap air sedikit (1). maka prakiraan adalah hujan (0.77 hujan jika skor ≥ 0. Jumlah total αpredikatmin yang telah diberi bobot adalah 0. logika untuk memperoleh bobot prakiraan cuaca adalah dengan menjumlah bobot kombinasi antar himpunan. akan didapati nilai SWEAT sebesar 241 masuk dalam himpunan sangat sangat kuat (3). (R13) Jika konvektivitas kuat (2).715. maka prakiraan adalah berawan (0. energi sangat besar (3) dan uap air banyak (3).715).715). energi sangat besar (3) dan uap air sedikit (1).77 masuk kategori hujan. energi besar (2) dan uap air sedang (2).5 x 0. (R16) Jika konvektivitas sangat kuat (3). bagaimana jika terdapat hasil yang sama namun komposisi penjumlahan bobotnya berbeda seperti pada R9. . 25. energi besar (2) dan uap air banyak (3). energi sangat besar (3) dan uap air sedang (2).77 skor maksimum 1. (R17) Jika konvektivitas sangat kuat (3). di mana hasil akhir (Z) merupa-kan jumlah total α-predikatmin dikali bobot dibagi jumlah total α-predikatmin. 15. Dengan memasukkan variabel output data rason untuk prakiraan cuaca umum tanggal 01 Januari 2009. maka prakiraan adalah hujan (0.715). yang masuk dalam kriteria berawan. energi besar (2) dan uap air banyak (3). maka prakiraan adalah berawan (0.11 = 0. maka prakiraan adalah berawan (0. (R24) Jika konvektivitas kuat (2). 24. R17 dan R23 diberi bobot 6. Sedangkan untuk menen-tukan prakiraan cuaca adalah dengan mem-pertimbangkan komposisi bobot paling doe-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011. energi sangat besar (3) dan uap air sedang (2 maka prakiraan adalah berawan (0. Terdapat dua variabel untuk menentukan prakiraan cuaca dengan tiap-tiap variabel digolongkan menjadi dua himpunan kriteria. 19. Dengan demikian maka kriteria prakiraan cuaca umum yang berlaku adalah: • • • cerah jika skor ≤ 0. maka prakiraan adalah berawan (0. Bandung minan dari tiga himpunan yang ada. maka prakiraan adalah hujan (0. maka prakiraan adalah berawan (0. (R21) Jika konvektivitas lemah (1). (R27) Jika konvektivitas sangat kuat (3). energi besar (2) dan uap air sedikit (1).77 dan jumlah total α-predikatmin. 21. maka prakiraan adalah berawan (0. R7 dan R19 dengan komposisi bobot (1 1 3).2. (3 2 2) dan (2 3 2) yang sama-sama berjumlah 7? Untuk membedakannya dalam fungsi IF-THEN. 13.77. Namun berdasarkan runtutan proses.66). 4.88) 27. (R23) Jika konvektivitas kuat (2). adalah 1. nilai 0. 22.220 12. (1 3 1) dan (3 1 1). 17. 18.11. Permasalahannya adalah.44 < Z < 0. energi sangat besar (3) dan uap air sedikit (1).55). Pembentukan Fungsi Keanggotaan Pembentukan fungsi keanggotaan juga dilakukan terhadap variabel untuk memprakirakan peluang badai guntur. maka prakiraan adalah berawan (0.66). (R25) Jika konvektivitas sangat kuat (3). agregasi dilakukan dengan menghitung rata-rata terbobot.77/1 = 0. (R14) Jika konvektivitas kuat (2).66). R21 dan R25 diberi bobot 7 x 0. nilai CAPE sebesar 30. maka prakiraan adalah hujan (1) Semula. maka prakiraan adalah hujan (0. maka prakiraan adalah hujan (0.

00 0.00 0.00 12. Komposisi dan Penegasan (Defuzzy) Setelah menerima input fungsi keanggotaan dari masing-masing himpunan di atas.77 0.00 0.77 0.00 0.00 12. secara empirik diberi bobot: TS Lemah jika skor ≤ 0.352 0. maka praki-raan adalah TS lemah dengan bobot (0).358 0.00 12.00 12.00 12. 4.00 12.02 = 0. Setelah pembobotan pada masing-masing aturan selesai dilakukan.77 0. Dengan memasukkan variabel output data rason untuk prakiraan peluang TS tanggal 01 Januari 2009.77 0. nilai 0.656 0.87 termasuk da-lam kategori TS Lemah. Dengan menggunakan operator AND dalam kombinasi ini. dan perawanan menunjukkan ada CB.00 12. (R4) Jika atmosfer labil. syarat untuk terbentuknya badai guntur (TS) adalah tersedianya potensi labilitas yang besar dan selalu terbentuk dari awan CB.5). agregasi dilakukan dengan meng-hitung rata-rata terbobot.00 12.00 0.00 0.77 Hujan Hujan Berawan Hujan Berawan Berawan Cerah Cerah Berawan Hujan Hujan Hujan Berawan Hujan Hujan Hujan Berawan Berawan Berawan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Berawan Hujan Berawan Berawan Berawan Berawan Cerah Berawan Berawan Hujan Berawan Hujan Berawan Hujan Hujan Hujan Berawan Hujan Berawan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Hujan TGL Jam Z Prakiraan Fakta Fuzzifikasi K Indeks Aplikasi Fungsi Implikasi.00 0. maka penentuan α-pre-dikat dilakukan dengan mencari nilai terkecil dari setiap kombinasi.769 0. maka prakiraan adalah TS kuat dengan bobot (1).00 12. dan perawanan menunjukkan tidak ada CB.87.77 0.77 0. 3.77 0.221 Fuzzifikasi K Indeks bilangan tegas.00 12.77 0. yaitu 1. 4.00 0. (R3) Jika atmosfer labil. Sedangkan untuk menentukan peluang TS.00 0.831 0.761 0. Itulah mengapa pada indeks yang menunjukkan kestabilan atmosfer dan tidak ada awan CB diberi bobot 0.682 0. Penjelasan untuk me-mahami tabel di atas adalah: 1. Sehingga peluang terjadinya CB adalah 50-50.00 0. UJI VERIFIKASI Untuk membandingkan sejauh mana prakiraan sesuai dengan kejadian sebenarnya.8875/1.00 0.8875 dibagi jumlah total α-predikatmin.00 0. Pada dasarnya.3.749 0.821 0.77 0. (R1) Jika atmosfer stabil. dan perawanan menunjukkan tidak ada CB.807 0. maka perlu proses agregasi untuk mengubah besaran fuzzy menjadi • • e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011.00 12.758 0. Verifikasi Prakiraan Cuaca Umum Bulan Januari 2009 Data ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 15 15 16 16 0.00 12. 2.77 0. b. namun ada indikasi awan CB.00 12.77 0.77 0.77 0. maka prakiraan adalah TS lemah dengan bobot (0. Dalam metode Sugeno Orde 0. Bandung 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 .00 12.524 0.5 dan nilai T Indeks sebesar 44.77 0.90 TS Kuat jika skor > 0. di mana hasil akhir (Z) merupakan jumlah α-predikatmin dikali bobot dibagi jumlah αpredikatmin.854 0.77 0.00 12. maka praki-raan adalah TS lemah dengan bobot (0).00 12. maka jumlah total α-predikatmin yang telah diberi bobot ya-itu 0.00 0. kolom paling kanan dari kedua tabel di bawah ini akan menunjukkan kondisi cuaca sebenar-nya sesuai waktu kejadian.00 0. (R2) Jika atmosfer stabil. Sedangkan alasan pembobotan pada aturan nomer dua adalah karena meskipun kondisi stabil. Berdasarkan kriteria prakiraan peluang terjadinya TS.7. Tabel III. dan perawanan menunjukkan ada CB.00 0. akan memperoleh Z= 0.02. langkah selanjutnya adalah mengkombinasi-kan himpunanhimpunan tersebut menjadi 4 aturan.00 0.90 dengan skor maksimum 1.746 0. di mana nilai K Indeks sebesar 35.

87 0.766 0.00 0.00 0. menunjukkan 50 data tepat dari 58 data e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011.00 0.401 0.95 0.319 0.687 0.77 0. Hasil prakiraan cuaca umum bulan Ja-nuari 2009 menunjukkan 44 data tepat dari 58 data yang ada. Hasil prakiraan peluang TS bulan Januari 2009.00 0.711 0.00 0.00 0.00 12.00 0.00 12.915 0.552 0.00 0.768 0.00 0.00 0.00 0.00 12.414 0.00 0.00 12.00 Z 0.00 0.00 12.00 12.00 12.746 0.77 0.756 0.627 0.532 0.571 0.369 0.28 0.00 12.00 12.394 0.77 0.77 0.00 0.372 0.00 12.00 0.222 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 17 17 18 18 19 19 20 20 21 21 22 22 23 23 24 24 25 25 26 26 27 27 28 28 29 29 30 30 31 31 0.755 1 0.00 0.00 0.00 0.00 12.00 12.839 0.333 0.743 0.00 0.738 0.00 12. b.00 0.627 0.00 0.534 0.00 0.00 12.84 0.77 0.00 0.463 0.679 TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Kuat TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Kuat TS Lemah TS Kuat TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Terjadi TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Terjadi TS Tidak Ada TS Tidak Ada TS Terjadi TS Tidak Ada TS Tidak Ada TS Terjadi TS Tidak Ada TS Terjadi TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Berawan Berawan Berawan Berawan Hujan Hujan Hujan Hujan Hujan 39 Berawan Hujan Berawan Hujan Hujan Hujan 40 41 42 43 44 45 46 47 48 49 32 33 34 35 36 37 38 Tabel IV.77 0.77 0.00 12.00 12.765 0.00 0.438 0.619 0.269 0.713 0.761 0.00 12.418 0.00 12.00 12.00 0.77 0.00 12.00 0.251 0.605 0.00 0.00 12.77 Hujan Hujan Hujan Hujan Hujan Hujan Berawan Berawan Berawan Berawan Berawan Berawan Hujan Hujan Berawan Hujan Berawan Berawan Hujan Berawan Hujan Hujan Berawan Hujan Hujan Hujan Hujan Hujan Hujan Hujan Berawan Hujan Berawan Berawan Berawan Berawan Berawan Hujan Berawan Berawan Hujan 20 21 22 23 24 25 26 27 28 29 30 31 10 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18 19 19 20 20 21 21 22 22 23 23 24 24 25 25 26 26 27 27 28 28 29 29 30 30 31 31 12. Verifikasi Prakiraan Peluang TS Bulan Januari 2009 Data ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 TGL 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 Jam 0.748 0.77 0.741 0.00 12.716 0.492 0.799 0.00 12.837 0.00 12.792 0.621 0.00 0.77 0.473 0.68 0.747 0.74 0.00 0.693 0.00 0.00 12.00 12.00 0.00 0.726 0.00 0.00 0.741 0.00 0.547 0.00 12. maka: a.77 0.00 0.00 12.00 0.77 0.77 0.00 12.748 0.738 0.744 0.00 12.91 0.00 12.00 0.00 12.00 12.77 0.00 12.00 0.00 12.631 0.00 12.00 12.00 12.658 0.00 0.00 12.00 0.00 0.76 0.00 12.406 0.00 12.00 0.00 12.00 0.00 12.662 0. Uji verifikasinya: (44/58) x 100% = 76% dengan kategori baik.875 0.00 0. Bandung .818 0.00 12.00 12.755 0.77 0.893 Prakiraan TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Lemah TS Kuat TS Lemah TS Lemah TS Lemah Fakta Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Terjadi TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS Tidak Ada TS 50 51 52 53 54 55 56 57 58 59 60 61 62 Berdasarkan data ke dua tabel di atas.00 0.794 0.

Saran a. Diperlukan berbagai masukan untuk memperbaiki tingkat keakuratannya. b. Juga dapat dengan cepat menen-tukan peluang terjadinya TS.ux1. Hari (2010). Belajar Cepat Fuzzy Logic Menggunakan MATLAB. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. dan uji verifikasi terhadap data-data yang diteliti. Bandung . Sampel penelitian dapat diperluas hingga ke seluruh stasiun yang melakukan peng-amatan rason. berawan atau hujan. Nopember 12 2010 <http://www. [4] Naba. Kesimpulan a. Graha Ilmu [3] Kusumadewi. Andi Offset. analisa.223 yang ada. Yogyakarta. Uji verifikasinya: (50/58) x 100% = 86% dengan kategori sangat baik. Di antaranya adalah dengan mencari alternatif variabel yang tersedia pada data hasil pengamatan rason. Graha Ilmu. Logika fuzzy dengan Metode Sugeno Orde 0 ini dapat diterapkan sebagai sistem pendukung untuk memprakirakan cuaca. Para prakirawan di Stasiun Meteorologi Klas I Cengkareng akan dapat dengan mudah mengambil keputusan untuk me-nentukan keadaan cuaca dalam 12 jam ke depan: apakah cerah. 5. Pusat Sistem Data dan Informasi Meteorologi. Agus (2009). memodifikasi fungsi keanggotaan masing-masing him-punan variabel. Penelitian ini dapat digunakan untuk penelitian sejenis selama masih menerapkan sistem pendukung keputusan de-ngan Logika Fuzzy. Sri. b. DAFTAR REFERENSI [1] Atmospheric Stability. maupun menentukan bobot nilai alternatif di luar penelitian ini. Yogyakarta.eiu. yang ditunjukkan berdasarkan hasil pengolahan. Sri (2010). dan Purnomo. Neuro-Fuzzy Integrasi Sistem Fuzzy & Jaringan Syaraf Edisi 2. e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011. Sri. lemah atau-kah kuat. Modul Praktis Analisa dan Prakiraan Cuaca. [5] Zakir. 6. & Hartati. 5. Jakarta.1. c. Yogyakarta.2.html> [2] Kusumadewi. 2005.edu/~cfjps/ 1400/ stability. KESIMPULAN DAN SARAN 5. Achmad (2008).