Significant wave height forecasting using wavelet fuzzy logic approach

Pekerjaan yang menyangkut bidang teknik kelautan salah satunya adalah aplikasi energi tidal,
parameter gelombang laut seperti SWH (significant wave height) dan prediksi periode gelombang
rata-rata merupakan elemen yang sangat penting dalam pekerjaan tersebut. Persistensi memegang
peranan penting dalam model prediksi gelombang. Namun, seiring meningkatnya lag time, persistensi
mengalami penurunan. Sementara model prediksi memberikan hasil yang memuaskan yaitu mencapai
6 jam lead time, nilai akurasi semakin menurun untuk nilai lead time yang semakin naik, misalnya 24
jam atau 48 jam. Oleh karena masalah tersebut, sangatlah penting untuk mengetahui hasil yang akurat
untuk nilai lead time yang lebih tinggi. Sejauh ini banyak skema prediksi yang telah diusulkan untuk
prediksi parameter gelombang. Khususnya, teknik soft computing seperti jaringan saraf tiruan (ANN),
genetic algorithms (GA) dan logika fuzzy (FL). ANN merupakan metode yang paling sering digunakan,
dari hasil percobaan yang pernah dilakukan dengan membandingkan metode ANN dengan model
autoregressive (AR), autoregressive moving average (ARMA) dan autoregressive integrated moving
average (ARIMA) diketahui bahwa model ANN memiliki nilai akurasi yang lebih tinggi. Belakangan ini,
mulai banyak digunakan Fuzzy Inference Systems (FISs) sebagai prediksi parameter gelombang. Tujuan
dari penelitian ini adalah untuk mengilustrasikan pendekatan baru untuk prediksi SWH dan periode
rata-rata gelombang berdasarkan wavelet dan logika fuzzy. Algoritma wavelet fuzzy logic (WFL) akan
dikembangkan dan diterapkan untuk meningkatkan kemampuan model prediksi yang dapat
melakukan prediksi hingga 48 jam. Penemuan baru ini akan menyelesaikan masalah rendahnya nilai
akurasi prediksi gelombang pada jangka waktu yang lama (>24 jam).
Metode yang digunakan yaitu wavelet fuzzy logic. Analisa wavelet didasari oleh wavelet yang
merupakan bentuk gelombang yang cenderung tidak beraturan tidak seperti gelombang sinus. Jika
analisis fourier memecah sinyal menjadi gelombang sinus dengan frekuensi yang bervariasi, analisis
wavelet memecah sinyal menjadi gelombang yang tergeser dan terskala dari gelombang awalnya.
Transformasi wavelet dapat menguraikan sinyal menjadi subseries berdasarkan waktu dan domain
frekuensinya serta dapat mendeteksi informasi dengan frekuensi rendah dan tinggi menggunakan
wavelet berskala. Model logika fuzzy terdiri dari fuzzy rules dan fuzzy sets yang menghasilkan
pembebanan untuk peraturan/rules. Peraturan fuzzy berbentuk pernyataan IF-THEN, dimana IF
merupakan sebab dan THEN adalah akibat. Contohnya, jika H(t) tinggi dan H(t-1) tingggi maka H(t+n)
juga tinggi. Dalam pernyataan tersebut, n menyatakan lead time dalam jam. Dalam penerapan FL
terdapat dua pendekatan secara umum yaitu Mamdani dan Takagi Sugeno (TS) inference system.
Mamdani inference system dapat memproses data linguistik selain data numerik, sedangkan TS
inference system hanya dapat memproses data numerik. Sistem TS digunakan untuk prediksi karena
periode panjang yang dimiliki oleh wave height time series.
Percobaan dilakukan dengan membandingkan model WFL dengan metode FL konvensional,
ANN dan ARMA diuji dengan lead time 3, 6, 12, 24 dan 48 jam. Untuk mengevaluasi metode-metode
tersebut, diperhatikan nilai coefficient of efficiency (CE) dan mean absolute error (MAE). Apabila nilai
CE mendekati nilai 1 maka prediksi semakin baik. Didapatkan hasil bahwa pada keempat metode yang
diuji, nilai CE dan MAE cenderung mendekati nilai 1 untuk lead time 3 jam. Sedangkan untuk lead time
yang tinggi seperti 48 jam, pada metode FL dan ANN nilai berkisar antara 0.1 sampai 0.3 serta bernilai
sangat rendah hingga mendekati nilai 0 untuk metode ARMA. Namun pada metode WFL dengan lead
time 48 jam didapatkan hasil yang baik yaitu berkisar antara 0.5 sampai 0.7 . dari hasil tersebut dapat
disimpulkan bahwa kinerja metode WFL dapat melampaui metode-metode lain yang telah diuji.
Dimana metode WFL menunjukkan hasil yang hampir sama dengan hasil dari metode lainnya saat
dilakukan uji prediksi dengan lead time yang kecil. Namun dapat terlihat jelas pada uji prediksi dengan
lead time yang tinggi hingga 48 jam, WFL menunjukkan hasil yang berbeda jauh dengan metode
lainnya. Hal ini menunjukkan bahwa metode WFL memiliki kinerja terbaiknya saat dilakukan uji
prediksi dengan lead time yang tinggi.