Prediksi Panjang Kemarau Di Kabupaten Tuban Dengan Fuzzy Inference Sistem Metode Sugeno Yang Dioptimasi Menggunakan Algoritme K-Means Dan Firefly
| Main Author: | Burhan, M.Shochibul |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/177944/ |
Daftar Isi:
- Kabupaten Tuban merupakan daerah yang sering terjadi kekeringan. Hal ini disebabkan kondisi tanah yang berupa endapan kapur dan curah hujan yang sangat jarang terutama pada musim kemarau. Kekeringan akan menyebabkan kelangkaan air, kelangkaan air akan menyebabkan bencana yang sangat komplek karena kehidupan manusia sangat tergantung pada air. Hal ini dapat ditangani sedini mungkin jika dapat dilakukan prediksi datangnya kemarau sebelumnya. Mitigasi bencana sangat dibutuhkan untuk penanggulangan sedini mungkin dampak dari kekeringan, untuk itu dibutuhkan sebuah metode prediksi tingkatan kemarau yang mampu memprediksi secara akurat terjadinya kekeringan. Berbagai metode prediksi kekeringan telah dikembangkan sebelumnya namun data yang digunakan terbatas hanya pada saat data itu didapatkan, jika prediksi digunakan untuk memprediksi kekeringan sepuluh tahun kedepan maka keakuratan data semakin kecil karena banyak perubahan alam yang terjadi selama sepuluh tahun kedepan. Kekeringan diakibatkan karena tidak adanya hujan dalam jangka waktu yang lama, sedangkan hujan terjadi karena dipengaruhi beberapa faktor, faktor yang utama menyebabkan terjadinya hujan adalah suhu, kelembaban dan kecepatan angin. Logika Fuzzy memungkinkan prediksi dengan berbasis pada aturan (rule), aturan pada Fuzzy didapatkan dari ahli (expert), namun ahli tidak dapat bekerja secara terus menerus dalam jangka waktu yang panjang untuk itu peran ahli digantikan dengan training data yang didapatkan dari pengambilan data secara otomatis pada Website (scrapping), sedangkan untuk memilah data (clustering) digunakan Algoritma K-Means. Untuk menghasilkan output yang akurat maka digunakan Algoritme optimasi yaitu Algoritme Firefly . Didalam penelitian ini menggunakan metode Fuzzy Sugeno – Kmeans- Firefly (FS-KMeans-FA) mendapatkan hasil lebih baik dalam memprediksi tingkat kemarau didapatkan 8 kesalahan data atau mendapat akurasi sebesar 61,9%, dibandingkan dengan metode serupa dengan mengganti optimasi aturan dengan Evolution Strategic (FS-KMeans-ES) sebesar 17 kesalahan data atau 19% tingkat akurasi. Sedangkan dengan menggunakan Regresi linear didapat tingkat kesalahan lebih besar yaitu 21 kesalahan data atau 4% tingkat akurasi.