1, Februari 2016 1
ABSTRACT
This study aims to Implement Sugeno Fuzzy Logic method for weather forecasts and testing the accuracy of this research.
The problem definition covers only the Data-Based Design of Weather Forecasting Sugeno Fuzzy Logic method using
Matlab so as not to come out of the issues raised, it is used as the input is temperature, humidity and wind. In determining
the results of research is an important weather forecasting particularly determined membership functions and the rule is
used. Fuzzy logic using Sugeno method is best used in forecasting for the accuracy above 60%. The more variables that
are used as input it will produce better output (inaccurate).
Keywords: Weather Forecasting, Fuzzy Logic
INTISARI
Penelitian ini bertujuan untuk Menerapkan Logika Fuzzy Metode Sugeno untuk prakiraan cuaca dan melakukan
pengujianakurasi dari penelitiaan ini. Adapun batasan masalah hanya mencakuppada Data Perancangan Peramalan Cuaca
Berbasis Logika Fuzzy Metode Sugeno dengan menggunakan Matlab supaya tidak keluar dari permasalahan yang
diangkat, maka yang dijadikan input adalahsuhu, kelembabandanangin Hasil penelitian adalah dalam menentukan sebuah
peramalan khususnya cuaca yang penting ditentukan adalah fungsi keanggotaan dan rule yang digunakan. Logika Fuzzy
dengan menggunakan metode sugeno sangat baik di gunakan dalam peramalan karena tingkat keakuratan diatas 60%.
Semakin banyak variabel-variabel yang dijadikan input maka akan menghasilkan output yang semakin baik (akurat).
Kata Kunci: Peramalan Cuaca, Logika Fuzzy
2) Tekanan udara tekanan udara adalah berat massa suhu. Dalam bidang ilmu pengetahuan, seluruh dunia
udara pada suatu wilayah. Tekanan udara mengukur suhu dalam kelvin pada skala suhu
menunjukkan tenaga yang bekerja untuk (mutlak) termodinamik dan juga dalam Celsius.
menggerakkan massa udara dalam setiap satuan Hanya di Amerika Serikat dan Jamaika saja, orang
luas tertentu. Tekanan udara semakin rendah jika kebanyakan menggunakan skala Fahrenheit untuk
semakin tinggi dari permukaan laut,alat ukur tujuan-tujuan pengukuran suhu biasa (industri,
adalah Barometer. prakiraan cuaca, dan kerajaan). Dan dalam bidang-
3) Angin: angin adalah massa udara yang bergerak bidang teknologi khususnya, di Amerika Serikat,
dari suatu tempat ke tempat lain. Tiupan angin skala Rankine digunakan terutamanya dalam disiplin-
terjadi jika di suatu daerah terdapat perbedaan disiplin yang berkaitan dengan termodinamik seperti
tekanan udara, yaitu tekanan udara maksimum system pembakaran dan lain-lain.
dan minumum. Angin bergerak dari daerah Skala Celsius adalah suatu skala suhu yang
bertekanan udara maksimum ke minimum,alat didesain supaya titik beku air berada pada 0 derajat
ukur adalah Anenometer. dan titik didih pada 100 derajat di tekanan atmosferik
4) Kelembaban udara : kelembaban udara adalah standar. Skala ini mendapat namanya dari ahli
kandungan uap air dalam udara. Uap air yang ada astronomi Anders Celsius (1701–1744), yang
dalam udara berasal dari hasil penguapan air di pertama kali mengusulkannya pada tahun 1742.
permukaan bumi, air tanah, atau air yang berasal
dari penguapan tumbuh-tumbuhan,alat ukur C) Pengertian Kelembaban Udara
adalah Higrometer. Menurut Gunawan (2011:22) Kelembaban adalah
kandungan total uap air di udara atau banyaknya
B) Pengertian Suhu kandungan uap air di atmosfer. Udara atmosfer
Dalam kehidupan sehari-hari, masyarakat adalah campuran dari udara kering dan uap air.
umumnya untuk mengukur suhu cenderung Kelembaban udara menggambarkan kandungan uap
menggunakan indera peraba, tetapi dengan adanya air di udara yang dapat dinyatakan sebagai
perkembangan teknologi, maka diciptakanlah kelembaban mutlak.
termometer sebagai alat pengukur suhu yang akurat Secara umum kelembaban (Relative Humidity)
(valid). Pada abad 17 terdapat 30 jenis skala suhu adalah istilah yang digunakan untuk menggambarkan
yang membuat para ilmuan kebingungan untuk jumlah uap air yang ada di udara dan dinyatakan
menentukan alat ukur suhu mana yang dapat dalam persen dari jumlah uap air maksimum dalam
digunakan secara universal dan diakui secara ilmiah. kondisi jenuh.
Hal ini memberikan inspirasi pada Anders Celcius
(1701- 1744) sehingga pada tahun 1742 dia D) Pengertian Angin
memperkenalkan skala yang digunakan sebagai Secara singkat dapat dijelaskan bahwa angin
pedoman pengukuran suhu. Skala ini diberi nama adalah udara yang bergerak. Menurut Buys Ballot,
sesuai dengan namanya yaitu Skala Celcius. ahli ilmu cuaca dari Perancis, angin adalah massa
Apabila benda didinginkan secara terus-menerus udara yang bergerak dari daerah bertekanan
maka suhunya akan semakin dingin dan partikelnya maksimum ke daerah bertekanan minimum. Gerakan
akan berhenti bergerak, kondisi ini disebut kondisi massa udara yang arahnya horizontal dikenal dengan
nol mutlak. Pada fenomena ini, skala Celcius tidak istilah angin. Anemometer mangkok adalah alat yang
bisa menjawab permasalahan ini maka Lord Kelvin digunakan untuk mengukur kecepatan angin. Satuan
(1842 - 1907) menawarkan skala baru yang diberi yang biasa digunakan dalam menentukan kecepatan
nama Kelvin. Skala Kelvin dimulai dari 273 K ketika angin adalah km/jam atau knot (1 knot = 0,5148 m/det
air membeku dan 373 K ketika air mendidih. = 1,854 km/jam).
Sehingga nol mutlak sama dengan 0 K atau -273°C.
Secara umum suhu didefinisikan sebagai besaran E) Logika Fuzzy
yang menyatakan derajat panas dingin suatu benda Logika fuzzy adalah sesuatu yang amat rumit dan
dan alat yang digunakan untuk mengukur suhu adalah tidak menyenangkan. Namun, sekali seseorang mulai
thermometer. mengenalnya, ia pasti akan sangat tertarik dan akan
Suhu diukur menggunakan termometer yang menjadi pendatang baru untuk ikut serta mempelajari
didasarkan pada bermacam jenis skala suhu. Seluruh logika fuzzy. Logika fuzzy dikatakan sebagai logika
dunia (kecuali Amerika Serikat) menggunakan skala baru yang lama, sebab ilmu tentang logika fuzzy
Celsius untuk kebanyakan penggunaan pengukuran modern dan metodis baru ditemukan beberapa tahun
yang lalu, padahal sebenarnya konsep tentang logika logika, serta aturan IF-THEN. Hasil dari proses ini
fuzzy itu sendiri sudah ada pada diri kita sejak lama. akan menghasilkan sebuah sistem yang disebut
Logika fuzzy adalah suatu cara yang tepat untuk dengan FIS (Fuzzy Inferensi System). Dalam logika
memetakan suatu ruang input ke dalam suatu ruang fuzzy tersedia beberapa jenis FIS diantaranya adalah
output. Sebagai contoh: Mamdani, Sugeno, dan Tsukamoto.
1) Manajer pergudangan mengatakan pada manajer
produksi seberapa banyak persediaan barang F) Himpunan Fuzzy
pada akhir minggu ini, kemudian manajer Ada beberapa hal yang perlu diketahui dalam
produksi akan menetapkan jumlah barang yang memahami sistem fuzzy, yaitu:
harus diproduksi esok hari. 1) Variabel fuzzy
2) Pelayan restoran memberikan pelayanan Variabel fuzzy merupakan variabel yang hendak
terhadap tamu, kemudian tamu akan memberikan dibahas dalam suatu sistem fuzzy. Contoh: umur,
tip yang sesuai atas baik tidaknya pelayan yang temperatur, permintaan, dsb.
diberikan; 2) Himpunan fuzzy
3) Anda mengatakan pada saya seberapa sejuk Himpunan fuzzy merupakan suatu grup yang
ruangan yang anda inginkan, saya akan mengatur mewakili suatu kondisi atau keadaan tertentu dalam
putaran kipas yang ada pada ruangan ini. suatu variabel fuzzy.
4) Penumpang taksi berkata pada sopir taksi Sebagai contoh, variabel temperatur, terbagi
seberapa cepat laju kendaraan yang diinginkan, menjadi 5 himpunan fuzzy, yaitu: DINGIN, SEJUK,
sopir taksi akan mengatur pijakan gas taksinya. NORMAL, HANGAT, dan PANAS.
Menurut Asus Naba, logika fuzzy adalah: “Sebuah
metodologi berhitung dengan variabel kata-kata
DINGIN SEJUK NORMAL HANGAT PANAS
(linguistic variable) sebagai pengganti berhitung 1
dengan bilangan. Kata-kata digunakan dalam fuzzy
logic memang tidak sepresisi bilangan, namun kata-
[x]
kata jauh lebih dekat dengan intuisi manusia” [NAB-
2009]. Mengenai logika fuzzy pada dasarnya tidak
semua keputusan dijelaskan dengan 0 atau 1, namun 0
0 15 20 25 30 35 40
ada kondisi diantara keduanya, daerah diantara
Temperatur ( C))
o
keduanya inilah yang disebut dengan fuzzy atau
tersamar. Secara umum ada beberapa konsep sistem Gambar 1. Himpunan fuzzy pada variabel temperatur
logika fuzzy , sebagai berikut dibawah ini:
Himpunan tegas yang merupakan nilai 3) Semesta Pembicaraan
keanggotaan suatu item dalam suatu himpunan Semesta pembicaraan adalah keseluruhan nilai
tertentu. Himpunan fuzzy yang merupakan suatu yang diperbolehkan untuk dioperasikan dalam suatu
himpunana yang digunakan untuk mengatasi variabel fuzzy. Semesta pembicaraan merupakan
kekakuan dari himpunan tegas. Fungsi keanggotaan himpunan bilangan real yang senantiasa naik
yang memiliki interval 0 sampai 1 Variabel linguistic (bertambah) secara monoton dari kiri ke kanan. Nilai
yang merupakan suatu variabel yang memiliki nilai semesta pembicaraan dapat berupa bilangan positif
berupa kata-kata yang dinyatakan dalam bahasa maupun negatif. Adakalanya nilai semesta
alamiah dan bukan angka. pembicaraan ini tidak dibatasi batas atasnya.
Operasi dasar himpunan fuzzy merupakan operasi 4) Domain
untuk menggabungkan dan atau memodifikasi Domain himpunan fuzzy adalah keseluruhan nilai
himpunan fuzzy, Aturan (rule) if-then fuzzy yang diijinkan dalam semesta pembicaraan dan boleh
merupakan suatu pernyataan if-then, dimana beberapa dioperasikan dalam suatu himpunan fuzzy. Seperti
kata-kata dalam pernyataan tersebut ditentukan oleh halnya semesta pembicaraan, domain merupakan
fungsi keanggotaan. Dalam proses pemanfaatan himpunan bilangan real yang senantiasa naik
logika fuzzy, ada beberapa hal yang harus diperhatikan (bertambah) secara monoton dari kiri ke kanan. Nilai
salah satunya adalah cara mengolah input menjadi domain dapat berupa bilangan positif maupun negatif.
output melalui sistem inferensi fuzzy. Metode Perolehan Data beserta rentang nilai. Sebagian data
inferensi fuzzy atau cara merumuskan pemetaan, dari diatas dipergunakan sebagai variabel masukan.
masukan yang diberikan kepada sebuah keluaran.
Proses ini melibatkan fungsi keanggotaan, operasi
dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
kf[xi] = nilai keanggotaan konsekuen fuzzy
aturan ke-i;
Gambar 3. Fungsi Keanggotaan Variabel Suhu Udara
kf[xi] = nilai keanggotaan konsekuen fuzzy 2 bagian yaitu bagian paramatter blok yang
aturan ke-i; digunakan menyimpan nilai-nilai parameter dari satu
aturan dan bagian lainnya adalah rulers block yang
3) Metode Probabilistik OR (probor) digunakan untuk menyimpan aturan itu sendiri.
Pada metode ini, solusi himpunan fuzzy diperoleh Jumlah aturan IF-THEN yang dihasilkan
dengan cara melakukan product terhadap semua merrupakan perkalian zikma kemungkinan gejala-
output daerah fuzzy. Secara umum dituliskan: gejalanya (premis), yang kemudian dikurangi jumlah
sf[xi] ( sf[xi]+ kf[xi]) - ( sf[xi] * kf[xi]) aturan yang dapat diredukasi.
dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai J) Metode Sugeno
aturan ke-i; Menurut fanoeel Thamrin (2012:9) dalam
kf[xi] = nilai keanggotaan konsekuen fuzzy membangun sebuah system fuzzy dikenal beberapa
aturan ke-i; metode penalaran, antara lain: metode Tsukamoto,
metode mamdani dan metode sugeno. pada
H) Defuzzifikasi (Defuzzification) perancangan peramalan cuaca akan digunakan
Defuzzifikasi merupakan sebuah bilangan metode Takagi Sugeno.
tunggal,yaitu harga variable masukan dan keluarnya Fuzzy metode sugeno merupakan metode
adalah derajat keanggotan dalam suatu fuzzy set inferensi fuzzy untuk aturan yang direpresentasikan
dalam antecedent,maka masukan dan keluaran dalam bentuk IF – THEN, dimana output (konsekuen)
defuzzifikasi adalah sebuah set (dalam hal ini fuzzy sistem tidak berupa himpunan fuzzy, melainkan
set hasil agregasi)dan keluarannya adalah sebuah berupa konstanta atau persamaan linear [KUS-02:98].
tunggal untuk diisikan ke sebuah variable keluaran Metode ini diperkenalkan oleh Takagi-Sugeno Kang
FIS.Ada beberapa jenis versi bilangan tunggal yang pada tahun 1985. Model Sugeno menggunakan fungsi
dimaksud tersebut .mungkin yang paling populer keanggotaan Singleton yaitu fungsi keanggotaan yang
adalah center of area atau centroid dibawah kurva memiliki derajat keanggotaan 1 pada suatu nilai crisp
dari fuzzy set hasil agregasi. transformasi yang tunggal dan 0 pada nilai crisp yang lain.Untuk Orde 0
menyatakan kembali keluaran dari dominan fuzzy dengan rumus :
dalam dominan crisp. keluaran fuzzy diperoleh IF (x1 is a1) ° (x2 is A2) °…°(xn is An)
melalui ekaskusi dari beberapa fungsi keanggotaan THEN z= k,
fuzzy. Terdapat tujuan metode yang dapat digunakan
pada proses defuzzifiheight method (Max- dengan Ai adalah himpunan fuzzy ke i sebagai
membership principle),dengan mengambil nilai antaseden (alasan), ° adalah operator fuzzy (AND atau
fungsi keanggotaan terbesar dari keluaran fuzzy yang OR) dan k merupakan konstanta tegas sebagai
ada untuk dijadikan nilai keluaran dari seluruh fungsi konsekuen (kesimpulan).
keanggotan keluaran fuzzy yang ada untuk dijadikan
nilai defuzzifikasi,centroid (center of grafity )method, Sedangkan rumus Orde 1 adalah:
mengambil nilai tengah dari seluruh fungsi IF (x1 is a1) ° (x2 is A2) °…°(xn is An)
keanggotan keluaran fuzzy yang ada untuk dijadikan Pada metode Takagi Sugeno ,setiap konsekuen
nilai defuzzyfikasi,weighted average method,hanya pada aturan yang berbentuk IF-THEN harus di
dapat digunakan untuk keluaran fungsi keanggotan persentasikan dengan suatu himpunan fuzzy dengan
dari beberapa proses fuzzy mempunyai bentuk yang fungsi keanggotan monoton.sebagai hasilnya ,output
sama,mean-max membership,mempunyai perinsif hasil inferensi dari tiap-tiap aturan diberikan (crsip)
kerja yang sama dengan metode maxsimum tetapi berdasarkan a-predikat(fire strength).hasil akhirnya
lokasi dan fungsi keanggotaan maksimum tidak harus diperoleh menggunakan rata-rata terbobot.misal ada
unik ,center of sums,mempunyai perinsip kerja yang 2 variabel input,var -1{x} dan var -2(y) serta 1
hampir sama dengan weighted average method tetapi variabel output var-3 (z),dimana var-1 terbagi atas 2
nilai yang dihasilkan merupakan area respektif dari himpunan yaitu A1 dan A2 dan var-2 terbagi atas
fungi keanggotaan yang ada. himpunan B1 dan B2.Sedangkan var-3 juga terbagi
atas 2himpunan yaitu C1dan C2.Ada 2 aturan yang
I) Aturan IF-THEN digunakan yaitu:
Dari data penjelasan parameter-paramater fungsi [R1] IF (x is A1) and (y is B2) THEN (z is c1)
keanggotan sebagaimana diatas, kemudian dapat [R2] IF (x is A2) and (y is B1) THEN (z is C2).
dibuat aturan IF-THEN.basis aturan dibentuk dalam
Tabel 8. Rencana Lanjutan Aturan Prediksi [𝑅5] if suhu “dingin” and tekanan “sedang” and
No IF Then
angin “sedang” Then hujan ”intensitas sedang”
Suhu Kelembaban Angin
1 Dingin Lembab Pelan Hujan Sedang
= 8,7
2 Dingin Lembab Sedang Hujan Sedang
3 Dingin Lembab Kencang Hujan Deras Dst
4 Dingin Sedang Pelan Hujan Sedang
5 Dingin Sedang Sedang Hujan Sedang c) Rencana Rancangan menggunakan tool box
6 Dingin Sedang Kencang Hujan Deras Matlab
7 Dingin Tidak Lembab Pelan Hujan Rendah Dalam melakukan perancangan dengan tool box
8 Dingin Tidak Lembab Sedang Hujan Rendah
ini, pertama memilih metode yang digunakan sesuai
9 Dingin Tidak Lembab Kencang Hujan Rendah
10 Dan Aturan Prediksi selanjutnya dengan penelitian yaitu Fuzzy Logic dengan Metode
Sugeno. Adapun langkahnya dapat dilihat pada
b) Defuzzyfikasi gambar berikut ini:
Aplikasi Fungsi Implikasi, Komposisi dan
Penegasan (Defuzzyfikasi) Setelah menerima input
fungsi keanggotaan dari masing-masing himpunan,
langkah selanjutnya adalah mengkombinasikan
himpunan-himpunan tersebut menjadi minimal 30
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 defuzzy, kita asumsikan
bahwa:
IV. PEMBAHASAN
A) Memulai Logika Fuzzy
Ketik fuzzy pada lembar command matlab, maka
akan muncul tampilan seperti pada gambar berikut:
C) Fuzzifikasi
Fuzzifikasi adalah tahap pemetaan nilai masukan
dan keluaran kedalam bentuk himpunan fuzzy. Data
masukan berupa himpunan crisp yang akan diubah
menjadi himpunan fuzzy berdasarkan range untuk
setiap variabel masukannya. Pada proses fuzzifikasi
ini terdapat dua hal yang harus diperhatikan yaitu
nilai masukan dan keluaran serta fungsi keanggotaan
Gambar 8.Tampilan Logika Fuzzy (membership function) yang akan digunakan untuk
menentukan nilai fuzzy dari data nilai crisp masukan
B) Logika Fuzzy Dengan Metode Sugeno dan keluaran. Pada proses fuzzifikasi ini digunakan
Setelah berada pada FIS (Fuzzy Inference System) bentuk fungsi keanggotaan gaussian sebagai variabel
Editor, selanjut nya pilih file dan new FIS kemudian masukan karena gaussian sesuai apabila digunakan
pilih Metode Sugo. Seperti dapat dilihat pada gambar untuk data-data alami seperti data cuaca. Disamping
dibawah ini : itu juga dipilih fungsi gaussian karena mempunyai
tingkat keakurasian tinggi dalam membaca data
dibandingkan fungsi lainnya. Proses iterasi dilakukan
pada tahap fuzzifikasi, yaitu dengan merubah nilai
range dan parameter yang digunakan untuk
membangun fungsi keanggotaan, serta dapat juga
D) Penentuan Rule
V. PENUTUP
A) Kesimpulan
Dalam menentukan sebuah peramalan khususnya
cuaca yang penting ditentukan adalah fungsi
keanggotaan dan rule yang digunakan.
Logika Fuzzy dengan menggunakan metode
sugeno sangat baik digunakan dalam peramalan
karena tingkat keakuratan diatas 60%.
Semakin banyak variabel-variabel yang dijadikan
input maka akan menghasilkan output yang semakin
baik (akurat).
B) Saran
Gambar 16. Tampilan Rule Viewer
Diharapkan kepada kantor stasiun meteorologi
Keterangan : Fatmawati dapat menggunakan aplikasi ini dengan
Output = 0 – 5 maka Cuaca besok Cerah baik untuk menghindari kecelakaan dalam
Output = 5 – 20 maka Cuaca besok Mendung penerbangan.
Output = 20 – 50 maka Cuaca besok Hujan Dengan keakuratan perkiraan cuaca yang tepat
Dari serangkaian penelitian yang penulis lakukan akan memberikan hasil yang lebih baik
maka penulis membuat sebuah rencana pengujian.
DAFTAR PUSTAKA
Adapun rencana pengujian yang akan penulis lakukan
Gunawan D, Sudarsono, Wahyuono S, Donatus IA,
dapat dilihat pada tabel dibawah ini:
Purnomo. 2011. Cuaca: Hasil Penelitian,
Sifat-sifat dan Penggunaan.Yogyakarta:
Tabel 10. Hasil Pengujian
No Fuzzy Logic Peramalan Keterangan
PPOT UGM
Hasan M. Iqbal. 2002. Pokok-Pokok Materi, Teori
Cerah Hujan Pengambilan Keputusan. Ghalia Indonesia.
1 Aktual 3 4
Jakarta
2 Peramalan 4 3
Jumlah Benar (hari) 6 Hari Meilanitasari, Prita, 2010, Prediksi Cuaca
Jumlah Salah (hari) 1 Hari Menggunakan Logika Fuzzy untuk
Keakuratan (%) 75 % Kelayakan Pelayaran di Tanjung Perak
Surabaya, Tugas Akhir Teknik Fisika ITS
Pengujian perancangan peramalan cuaca berbasis Surabaya
logika fuzzy pada kantor Stasiun Meteorologi Raftery, A.E., Gneiting, T., Balabdaoul, F., dan
Fatmawati dengan maksud untuk menguji kelayakan Polakowski, M.,2005, Using Bayesian Model
sistem yang dibuat dan untuk mengetahui kelemahan Averaging to Calibrate Forecast Ensembles.
dari sistem yang dibuat sehingga serta dapat Monthly Weather Review, Vol. 133, hal.
1155-117
dievaluasi atau diperbaiki.
Supriyono, Widodo, 2004, Psikologi Belajar. Jakarta:
Pengujian dilakukan dengan membuat kuisioner
PT Rineka Cipta
dari aplikasi ini. Kuesioner ini terdiri dari 4 (empat) Teguh Widiarsono, MT, 2005, Tutorial Praktis
pertanyaan dengan menggunakan empat pilihan Belajar Matlab, Institut Teknologi Bandung
jawaban, kuesioner diserahkan kepada karyawan
pada kantor Stasiun Meteorologi Fatmawati
Bengkulu. Dari kuisioner tersebut, maka hasil
jawaban responden dapat dilihat pada tabel berikut: