Penerapan Logika Fuzzy Untuk Memprediksi Tingkat Curah Hujan di Kota Kendari

Muhammad Ricky Aryansah. B; Fildzah Khalishah Ghassani; Rizal Adi Saputra

doi:10.56427/jcbd.v3i2.406

Authors

Muhammad Ricky Aryansah. B Universitas Halu Oleo
Fildzah Khalishah Ghassani Universitas Halu Oleo
Rizal Adi Saputra Universitas Halu Oleo

DOI:

https://doi.org/10.56427/jcbd.v3i2.406

Keywords:

Logika Fuzzy, Curah Hujan, Metode Fuzzy, Fuzzy Logic Matlab

Abstract

Curah hujan merupakan unsur cuaca yang bervariasi di setiap wilayah Indonesia termasuk Kota Kendari, mempengaruhi berbagai aspek kehidupan manusia, sehingga informasi prediksi curah hujan sangat diperlukan. Penelitian ini bertujuan membangun aplikasi prediksi curah hujan Kota Kendari menggunakan tiga metode logika fuzzy, yaitu Mamdani, Takagi-Sugeno, dan Tsukamoto, serta membandingkan hasil prediksi ketiganya. Pembuatan aplikasi meliputi pengumpulan data, pembentukan himpunan fuzzy, pengolahan data dengan fuzzy, implementasi prediksi, dan perbandingan hasil prediksi. Data cuaca yang digunakan mencakup curah hujan, temperatur, kecepatan angin, kelembaban, dan tekanan udara. Software yang digunakan adalah Matlab2014b dengan Fuzzy Logic Toolbox. Hasil penelitian menunjukkan Metode Sugeno memiliki tingkat akurasi dan nilai Kappa terbaik, yakni 78% dan 0.57, dibandingkan Metode Mamdani dan Tsukamoto yang masing-masing 67% dan 0.34. Metode ini memberikan wawasan tentang prediksi curah hujan yang bisa diterapkan pada masalah lain. Hasil prediksi dapat digunakan untuk memprediksi banjir, meminimalisir risiko, dan dampak negatifnya. Informasi prediksi curah hujan juga bermanfaat dalam berbagai bidang seperti penerbangan, pelayaran, transportasi darat, lingkungan, dan pertanian.

Downloads

Download data is not yet available.

References

E. Suasaningdyah, “Peningkatan Nilai Peserta Didik Mata Pelajaran IPS Topik Bermain Layang-Layang Melalui Pembelajaran Konstektual,” J. Pendidik. (Teori dan Prakt., vol. 2, no. 2, p. 105, 2018, doi: 10.26740/jp.v2n2.p105-115.

Z. Julisman and Erlin, “Prediksi Tingkat Curah Hujan di Kota Pekanbaru menggunakan Logika Fuzzy Mamdani,” J. SATIN - Sains dan Teknol. Inf., vol. 3, no. 1, pp. 65–72, 2014.

S. Alfiandy et al., “Analisis Iklim Provinsi Sulawesi Tengah berdasarkan Data Pemantau Cuaca Otomatis BMKG,” Bul. GAW Bariri, vol. 1, no. 1, pp. 1–11, 2020, doi: 10.31172/bgb.v1i1.5.

Y. Mardiana, T. U. Kalsum, and Y. A. Rozzi, “Rainfall Prediction In Bengkulu City Fuzzy Logic-Based,” J. Media Comput. Sci., vol. 1, no. 2, pp. 313–320, 2022, doi: 10.37676/jmcs.v1i2.2853.

I. H. Wele, N. D. Rumlaklak, and M. Boru, “Sistem Peramalan Cuaca dengan Fuzzy Mamdani (Studi Kasus: BMKG Lasiana),” J. Komput. dan Inform., vol. 8, no. 2, pp. 163–169, 2020, doi: 10.35508/jicon.v8i2.2883.

A. dkk Fakhurozi, “Kajian Dampak Pembangunan Jalan Tol Trans Sumatera (JTTS) Terhadap Infrastruktur dan Ligkungan,” J. Ilm. Penal. dan Penelit. Mhs., vol. 4, no. 1, pp. 14–29, 2020, [Online]. Available: http://jurnal.ukmpenelitianuny.id/index.php/jippm/article/view/185/77

I. Dainty, S. H. Abdullah, and A. Priyati, “Analisis Peluang Curah Hujan Untuk Penetapan Pola Dan Waktu Tanam Serta Pemilihan Jenis Komoditi Yang Sesuai Di Desa Masbagik Kecamatan Masbagik Kabupaten Lombok Timur: Analysis on Rainfall Probability for Determine Pattern and PlantingPeriodand Selection,” J. Ilm. Rekayasa Pertan. dan Biosist., vol. 4, no. 1, pp. 207–216, 2016.

Lala Pricilia Sahfitri, “Analisis System Aplication and Product (SAP) Pada Bagian Keuangan di PT PLN UPDL Tuntungan,” J. Comput. Digit. Bus., vol. 2, no. 1, pp. 24–31, 2023, doi: 10.56427/jcbd.v2i1.38.

N. Yulianti and A. Wijaya, “Implementasi Logika Fuzzy Metode Mamdani Pada Prediksi Biaya Pemakaian Listrik,” J. Math., vol. 3, no. 3, pp. 57–65, 2014, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujme

E. Ramdani, “Fuzzy Logic Modeling untuk pengambilan keputusan menggunakan MATLAB,” Setrum Sist. Kendali-Tenaga-elektronika-telekomunikasi-komputer, vol. 4, no. 2, p. 74, 2016, doi: 10.36055/setrum.v4i2.455.

J. Landis and G. Koch, “The measurement of observer agreement for categorical data. - PubMed - NCBI,” Biometrics, vol. 33, pp. 159–174, 1977.