Perancangan Sistem Informasi Prediksi Curah Hujan Pada Kabupaten Jombang

Menggunakan Metode Fuzzy Time Series

Martin Suhartanto
S1 Teknik Informatika, Fakultas Teknologi Informasi, Universitas Hasyim Asy’ari
Email: martinsuhartanto19@gmail.com
I Kadek Dwi Nuryana
Fakultas Teknologi Informasi, Universitas Hasyim Asy’ari
Email: dwinuryana@unhasy.ac.id
Ahmad Heru Mujianto
S1 Sistem Informasi, Fakultas Teknologi Informasi, Universitas Hasyim Asy’ari
Email: ahmadmujianto@unhasy.ac.id

Abstrak

Informasi cuaca dan iklim merupakan hal yang sangat penting bagi sebagian orang untuk
menunjang kehidupan. Pada bidang pertanian misalnya, perubahan iklim memiliki akibat besar
pada pergantian pola tanam. Fuzzy Time Series (FTS), Prediksi curah hujan digunakan untuk
menegetahui intensitas curah hujan mendatang yang berfungsi sebagai acuan dalam membuat
keputusan yang tepat dan mempersiapkan untuk mengatasi masalah yang akan terjadi. Pada
penelitian ini menggunakan Fuzzy Time Series (FTS), metode ini dapat digunakan untuk
menyelesaikan masalah peramalan dengan data historis yang berwujud linguistik dan bilangan riil
dengan mengubah data bilangan riil tersebut menjadi variabel linguistik. Hasil penelitian ini adalah
sebuah sistem berbasis website yang dapat memprediksi curah hujan ditahun mendatang dengan
menggunakan data histori curah hujan sebelumnya sebagai acuan perhitungan prediksi. dari
perhitungan yang dilakukan sistem dalam memprediksi curah hujan dengan menngunakan metode
Fuzzy Time Series sebagai contoh pada kecamatan perak ini menghasilkan nilai rata-rata MAPE
sebesar 0,90 yang artinya memiliki kinerja yang sangat baik karena menghasilkan nilai rata-rata
kesalahan peramalan MAPE kurang dari 10.

Kata kunci: Prediksi, Hujan, FTS, website

Abstract
Weather and climate information is very important for some people to support life. In
agriculture, for example, climate change has a major effect on changing planting patterns. Fuzzy Time
Series (FTS), Rainfall prediction is used to understand the intensity of future rainfall that serves as a
reference in making the right decisions and preparing to address future problems. In this study using
the Fuzzy Time Series (FTS), this method can be used to solve forecasting problems with linguistic
historical data and real numbers by converting the real number data into linguistic variables. The results
of this study are a website-based system that can predict rainfall in the coming year by using previous
rainfall history data as a reference for prediction calculations. from the calculation done by the system
in predicting rainfall by using the Fuzzy Time Series method as an example in this silver sub-district
produces an average mape value of 0.90 which means it has excellent performance because it produces
an average mape forecasting error value of less than 10.

Key words: Prediction, Rainy, FTS, website

PENDAHULUAN
Curah hujan merupakan salah satu faktor terbesar yang mempengaruhi iklim suatu wilayah dan
mempengaruhi berbagai sektor kehidupan manusia. Pada bidang pertanian misalnya, pergantian iklim
memiliki akibat yang besar pada pergantian pola tanam. Produksi pertanian memerlukan kondisi iklim yang
baik agar hasil produksi dari tanaman dapat menghasilkan hasil yang baik. Tetapi pergantian iklim yang
tidak pasti berakibat menyebabkan hasil produksi pertanian mengalami penurunan, hal tersebut
menyebabkan para petani mengalami gagal panen.

1
 Dalam rangkaian informasi cuaca dan iklim, komponen yang berperan sangat besar adalah curah
hujan. Curahhujan dapat dijelakan sebagai air hujan yang turun dan pada tempat datar dengan kondisi tidak
menguap, tdak meresap, dan tidk mengalir. Dalam suatu satuan curah hujan sebanyak 1 mm disebut sebagai
air hujan yang memiliki tinggi 1 mm yang turun pada bidang datar seluas 1 m2 dengan kondisi tidak
. .

menguap, tdak meresap, dan tidk mengalir. Penggolongan iklim dapat dilakukan dari perbandingan antara
total rata-rata bulan kering dengan jumlah bulan basah. Disebut bulan kering jika rata-rata curah hujan
bulanan kurang dari 60 mm/bulan, sedangkan disbut bulan basah jika rata-rata curah hujan bulanan diatas
100 mm/bulan (Manalu, 2016).
Bentuk topografi kabupaten Jombang membuat hujan menjadi sesutau yang sangat penting terutama
jika intensitas curah hujan tinggi akan berdampak dapat menimbulkan banjir. Dalam memperkirakan curah
hujan ini sangat tergantung dengan bu lannya, karena terdapat dua musim yakni kemarau dan penghujan
.

(Ritha, dkk. 2016). Tetapi akhir-akhir ini, curah hujan kian sulit diprediksi, untuk itu diperlukan perkiraan
curah hujan yang menghasilkan akurasi tinggi berdasar menggunakan data terdahulu untuk mencegah efek
hal tersebut dengan ti ndakan preventif.
.

Penelitian ini memiliki tujuan yaitu menghasilkan prediksi curah hujan bulanan kabupaten Jombang
yang didapatkan melalui proses perhitungan prediksi dengan menggunakan data terdahulu (histori). Dalam
penelitian ini penulis menggunakan metode FTS (fuzzy time series) dalam menentukan hasil prediksi curah
hujan. Terdapat 5 kriteria intensitas curah hujan yakni hujan sangat ringan, ringan, sedang, lebat, dan h ujan
.

sangat lebat. Data yang digunakan adalah data curah hujan kabupaten Jombang tahun 2014 sampai tahun
2019.
Penelitian prediksi curah hujan pernah dilakukan oleh Wahyuni dan Ahda dengan metode Tsukamoto
Fuzzy Inference System (FIS). Penelitian tersebut menggunakan data dasarian curah hujan sebagai data
masukan. Nilai Root Mean Square Error (RMSE) yang didapat pada daerah Junggo sebesar 9.196, pada
daerah Pujon sebesar 9.407, pada daerah Tinjomulyo sebesar 8.798, pada daerah Ngujung sebesar
8.825(Wahyuni dan Ahda, 2018). Penelitian lain dengan menggunakan metode Fuzzy Time Series pernah
dilakukan oleh Lestari dkk, tentang penggunaan metode Fuzzy Time Series untuk meramalkan hasil
produksi padi di kabupaten Majalengka. Hasil pengujian dalam penelitian tersebut didapatkan nilai
keakuratan peramalanya mencapai 95,76% dan hasil peramalan peramalan pada tahun 2017 didapatkan
produksi padi sebesar 677943,6 ton (Lestari dkk, 2017). Dalam perhitungan metode Fuzzy Time Series
sangat dipengaruh i dengan jumlah data dan jumlah interval dalam memb agi data terseb ut. Dari beberapa
. . .

penelitian diatas metode yang terhitung paling akurat adalah metode Fuzzy Time Series yang kekakuratan
peramalanya mencapai 95,76% dalam meramalkan produksi padi, oleh karena itu dengan menerapkan
metode fuzzy time series untuk memprediksi curah hujan kabupaten Jombang diharapkan bisa memprdiksi
curah hujan yang menghasilkan tingkat akurasi yang baik.

METODE
Dalam memprediksi terdapat berbagai macam metode yang digunakan, pemilihan metode yang tepat
akan berpengaruh besar pada hasil ke akuratan prediksi. Salah satu metode dalam prediksi adalah Fuzzy
Time Series (FTS) yang akan digunakan dalam penelitian ini. Fuzzy Time Series bertujuan untuk digunakan
sebagai metode dalam meramalkan masalah dengan data aktual yang dibentuk ke dalam nilai-nilai
linguistik. (Sumartini dkk, 2017).
Berikut tahapan perhitungan prediksi data time series dengan memakai FTS Cheng (Rahmawati dkk,
2019):
a. Menghitung h impunan semesta (U) data aktual, yaitu (Rahmawati dkk, 2019):
.

𝑈 = [𝑑𝑚𝑖𝑛 , 𝑑𝑚𝑎𝑥 ]

Dimana 𝑑𝑚𝑖𝑛 adalah data dengan nilai terkecil, 𝑑𝑚𝑎𝑥 adalah data dengan nilai terbesar.
b. Menggunakan distribusi frekuensi untuk menentukan lebar interval, dengan langkah-langkahsebagai
berikut:
1. Menghitung rentang (range) berikut rumusnya:
𝑅 = 𝑑𝑚𝑎𝑥 − 𝑑𝑚𝑖𝑛

Dimana R merupakan nilai rentang yang dihasilkan dari hasil pengurangan data nilai
terbesar (𝑑𝑚𝑎𝑥 ) dikurangi data nilai terkecil (𝑑𝑚𝑖𝑛 ).

2. Menghitung interval kelas dengan persamaan Sturges dengan rumus berikut:

2
 × log n

K merupakn banyaknya interval dan n ialah jumlah data.

3. Menghitung lebar interval dengan rumus berikut:
𝑅𝑎𝑛𝑔𝑒 data (𝑅)
𝐼=
Banyaknya interval kelas (𝐾)

4. Mencari nilai tengah. Adapun untuk rumusnya sebagai berikut:

(batas bawah +batas atas )
𝑚𝑖 =
2

Dimana i disebut sebagai banyaknya himpunan fuzzy.

c. Setelah didapat nilai rentang, nilai interval kelas, lebar interval, dan nilai tengah kemudian
membentuk kelompok fuzzy 𝐴𝑖 melalui cara mengetahui jumlah frekuensi yang berlainan. Untuk
frekuensi paling banyak kesatu dibagi jadi ℎ interval yang serupa, dan frwkuensi paling banyak kedua
dibagi atas ℎ−1 interval yang serupa, pada frekuensi paling banyak ketiga dibagi jadi ℎ−2 interval
yang serupa. Melakukan hal tersebut sampai dengan interval dengan frekuensi yang tidak bisa dibagi
. .

lagi.
d. Selanjutnya adalah melakukan pendefinisian terhadap himpunan fuzzy 𝐴𝑖 dan memfuzzifikasi data
aktual. Dapat dimisalkan 𝐴1 , 𝐴2 ,...,𝐴𝑝 merupakan himpunan fuzzy yang memiliki nilai linguistik dari
suatu variabel linguistik, pendefinisian himpunan fuzzy 𝐴1 , 𝐴2 ,...,𝐴𝑝 pada U sebagai berikut:

= + + ... +

= + + ... +

= + + ... +
⁝
= + + ... + + 1/

Dimana 𝑢𝑖 (i = 1, 2, ..., p) merupakan elemen darai himpunan semestta (U) dan bilanagan yang
terdapat sebuah simbol “/” mengungkapkan bahwa derajat ke anggotaanµ𝐴𝑖 (𝑢𝑖 ) 𝑡𝑒𝑟ℎ𝑎𝑑𝑎𝑝 𝐴𝑖 (i = 1,
2, ..., p) dimana hasilnya merupakan 0, 0,5 atau 1.
e. Langkah berikutnya membuat kolom atau tabel FLR dengan berdasar data aktual. Lambang FLR dapat
digambarkan sebagai 𝐴𝑖 → 𝐴𝑗 , yang artinya 𝐴𝑖 bermaksud current state dan 𝐴𝑗 bermaksud next state.
f. Selanjutnya menentukan Fuzzy Logical Relationship Group (FLRG) dan memberi bobot berdasar
dengan urutan juga perulngan yang sama. FLR yang current state (𝐴𝑖 ) bernilai sama akan disatukan
satu grup kedalam bentuk matriks pembobot.
(t= 1) 𝐴1 → 𝐴1 , diberi bobot 1
.

(t= 2) 𝐴2 → 𝐴1 , diberi bobot 1

(t= 3) 𝐴1 → 𝐴1 , diberi bobot 2
(t= 4) 𝐴1 → 𝐴1 , d iberi bobot 3
Dimana t menyatakan waktu.
g. Kemudian menetapkan defuzzifikasi dari nilai peramalan. Untuk mendapatkan nilai prediksi,
darimatriks pembobot ter standarisasi (W*) akan dikalikan dengan 𝑚𝑖 (nilai tengah). Sehingga
perhitungan prediksinya menjadi:
𝐹𝑖 = 𝑤𝑖1 * (𝑚𝑖 ) + 𝑤𝑖1 ∗ (𝑚𝑖 ) +… + 𝑤𝑖𝑝 * (𝑚𝑝 )
𝑊𝑖
Dimana 𝐹𝑖 adalah hasil peramalan; dengan 𝑤𝑖 ∗ = ∑𝑝
𝑗=1 𝑤𝑖

Dengan penjelasan jika hasildari fuzzifikasi periodeke-i ialah 𝐴𝑖 , dan 𝐴𝑖 tidak membunyai FLR
pada FLRG dengan keluaran kondisi 𝐴𝑖 →∅, dan dimana untuk nilai maksimumnya derajat
keanggotannya berada pada 𝑢𝑖 , maka untuk hasil nilai peramalan (𝐹𝑖 ) sama dengan nilai tengah dari
𝑢𝑖 , atau dapatdidefinisikan dengan 𝑚𝑖 .
Secara garis besar flowchart proses metode FTS dapat digambarkan seperti Gambar 1:

3
 Gambar 1 Flowchart Fuzzy Time Series

ALUR SISTEM
Alur sistem adalah rancangan yang dibuat untuk menggambarkan alur kerja sistem yang akan dibuat.
Rancangan ini menggambarkan alur proses pengolahan data pada sistem yang akan dibentuk. Rancangan
ini digambarkan dengan diagram kontek. Diagram konteks ini disebut juga sebagai gambaran umum atau
gambaran secara garis besar sebuah sistem yang akan dibuat atu dibangun. Dalam sistem ini memiliki entity
external (entitas luar) yaitu Admin, Petugas, dan Warga. Diagram konteks dijelaskan pada Gambar 2.
Log out
Log out
Input operator Input curah hujan

Input admin Log in

Hitung curah hujan (bulanan)

Input curah hujan
Log in 1 Informasi curah hujan harian
Admin Sistem Prediksi Curah Hujan
Informasi curah hujan bulanan Petugas
Kabupaten Jombang
Informasi Login
Informasi curah hujan harian
Informasi curah hujan bulanan
Informasi admin Informasi prediksi
Informasi operator
Informasi Logout
Informasi curah hujan bulanan

Informasi curah hujan harian

Warga

Gambar 2 Diagram Konteks

Entitas eksternal yang berinteraksi dengan sistem adalah:
a. Admin
1) Melakukan login sistem

4
 2) Memasukkan data curah hujan
3) Hitung curah hujan bulanan
4) Melihat curah hujan harian
5) Melihat curah hujan bulanan
6) Memasukkan data admin
7) Memasukkan data operator
8) Memproses prediksi curah hujan dengan metode FTS
9) Melakukan logout sistem
b. Petugas/operator
1) Melakukan login sistem
2) Memasukkan data curah hujan
3) Melihat curah hujan harian
4) Melihat curah hujan bulanan
5) Melakukan logout sistem
c. Warga
1) Melihat curah hujan harian
2) Melihat curah hujan bulanan
3) Memproses prediksi curah hujan dengan metode FTS
Selanjutnya adalah perancangan database sistem informasi prediksi curah hujan. Dalam sistem
informasi prediksi curah hujan ini terdapat beberapa tabel yaitu, tbl_admin, tbl_operator, tbl_lokasi,
tbl_hujan_harian, dan tbl_hujan_bulan. Tabel yang sudah dirancang kemudian direlasi tabel satu dengan
yang lain sebagai pendukung kelancaran pengelolahan data dijelaskan pada gambar 3.

Gambar 3 Perancangan Database

HASIL DAN PEMBAHASAN

Hasil penelitian skripsi yang berjudul “Perancangan Sistem Informasi Prediksi Curah hujan Pada
kabupaten Jombang Menggunakan Metode Fuzzy time series” ini berupa aplikasi untuk memprediksi curah
hujan bulanan pada kabupaten jimbang yang dirancang dalam bentuk website.
1. Halaman Login

Gambar 4 Halaman Login

Pada saat admin pertama mengakses sistem informasi prediksi curah hujan ini, akan ditampilkan
halaman login untuk dapat masuk pada sistem. Untuk dapat menggunkana sistem ini admin harus
memasukkan username dan password kemudian login dengan cara klik tombol Login, kemudian

5
 sistem akan melakukan proses pencocokan username dan password dengan data yang ada. Jika cocok
maka sistem akan menampilkan halaman utuma admin.
2. Halaman utama admin
Halaman menu utama admin diperlihatkan seperti pada Gambar 5 dibawah yang menunjukkan
menu beranda, menu input curah hujan, hitung curah hujan bulanan, hitung curah hujan tahuan, lihat
hujan harian, lihat hujan bulanan, lihat hujan tahunan, input admin, lihat admin, input operator, lihat
operator, dan hitung prediksi.

Gambar 5 Halaman Utama Admin

3. Halaman Hitung Curah Hujan Bulanan

Gambar 6 Halaman Hitung Data Curah Hujan Bulanan

Halaman hitung curah hujan bulanan digunakan untuk menghitung curah hujan bulanan dengan
menghitung rata-rata hujan harian dalam kurun satu bulan. Untuk menghitung curah hujan bulanan
terdapat pilihan yang harus dipilih terlebih dahulu ya itu lokasi, tahun, dan bulan. Terdapat tombol
hitung untuk memulai proses perhitungan curah hujan bulanan dan tombol simpan data untuk
menyimpan data hasil perhitungan. Kemudian setelah proses perhitungan selesai maka akan tampil
halaman data curah hujan bulanan seperti terdapat pada gambar 7 berikut.

6
 Gambar 7 Halaman Hitung Data Curah Hujan Bulanan
4. Halaman Hitung Prediksi
Untuk menghitung prediksi terdapat pilihan lokasi yang harus dipilih terlebih dahulu. Terdapat
tombol proses untuk memulai proses perhitungan prediksi curah hujan bulanan, kemudian terdapat
dua tabel yaitu tabel data curah hujan bulanan dan tabel prediksi curah hujan dan terdapat grafik
perbandingan data aktual dan data prediksi. Terdapat juga tombol tampilkan detail untuk melihat
rincian perhitungan prediksi dengan metode fuzzy time series.

Gambar 8 Halaman Hitung Prediksi Curah Hujan

Untuk tampilan halaman hitung prediksi scurah hujan setelah admin melaakkuan pemilihan
lokasi dan mengeklik proses akan menampilkan tabel yang didalamnya terdapat lokasi, tahun,
bulan kategori, dan keterangan untuk memberi penjelasan secara rinci tentang hasil prediksi.
Kemudian terdapat grafik perbandingan data aktual dengan data hasil prediksi seperti terdapat
pada Gambar 9 berikut.

7
 Gambar 9 Halaman Hitung Prediksi Curah Hujan

Gambar 10 Detail Perhitungan

Dalam detail perhitungan ini seperti yang ditunjukan oleh gambar 10 menampilkan hasil
perhitungan prediksi kemudian juga menampilkan nilai MAPE yang berfungsi sebagai nilai
keakurasian hasil prediksi. Hasil dari perhitungan yang dilakukan sistem dalam memprediksi
curah hujan dengan menngunakan metode Fuzzy Time Series sebagai contoh pada kecamatan
perak ini menghasilkan nilai rata-rata MAPE sebesar 0,90 yang artinya memiliki kinerja yang
sangat baik karena menghasilkan nilai rata-rata MAPE kurang dari 10.

8
PENUTUP
Simpulan
Telah dihasilkan program aplikasi Prediksi Curah Hujan Pada Kabupaten Jombang berdasarkan data
curah hujan terdahulu yang didapat dari dinas Pekerja Umum dan Penata Ruang kabupaten Jombang dengan
menggunakan metode Fuzzy Time Series (FTS). Program yang dihasilkan memilikiki beberapa pilihan
menu sehingga memudahkan admin, operator, dan warga dalam mengoperasikannya serta mampu
menghasilkan prediksi dengan kinerja sangat baik karena menghasilkan MAPE kurang dari 10 yakni
sebesar 0,90.

DAFTAR PUSTAKA
Lestari, Khanty Intan. Soemartini Tine. dan Pontoh Resa Septiani. 2017. Penggunaan Metode Fuzzy Time
Series Untuk Meramalkan Hasil Produksi Padi Kabupaten Majalengka. Bandung : Universitas
Padjadjaran. Vol. 6 hal 130 – 140.
Manalu, Marihot TP. 2016. Jaringan Syaraf Tiruan Untuk Memprediksicurah Hujan Sumatera Utara
Dengan Metode Back Propagation (Studi Kasus: Bmkg Medan). Medan: STMIK Budidarma
Medan. Vol.3 (3) hal 35-40.
Sumartini, Hayati M.N. dan Wahyuningsih, S. 2017. Peramalan Menggunakan Metode Fuzzy Time Series
Cheng. Samarinda : Universitas Mulawarman. Vol, 2 (2), hal 115-124.
Rahmawati. Eka Pandu Cynthia. dan Krisni Susilowati. 2019. Metode Fuzzy Time Series Cheng dalam
Memprediksi Jumlah Wisatawan di Provinsi Sumatera Barat. Riau: UIN Suska Riau. Vol. 1 (1)
hal 11 – 23.
Ritha, Nola. Martaleli Bettiza. dan Ariel Dufan. 2016. Prediksi Curah Hujan dengan Menggunakan
Algoritma Levenberg-Marquardt dan Backpropagation. Tanjungpinang: Universitas Maritim
Raja Ali Haji. Vol. 5 (2) hal 11 – 16.
Wahyuni, Ida. dan Fadhli Almu'iini Ahda. 2018. Pemodelan Fuzzy Inference System Tsukamoto Untuk
Prediksi Curah Hujan Studi Kasus Kota Batu. Malang : STMIK ASIA. Vol. 12 (2) hal 115 –
124.