Burhan, M.Shochibul (2019) Prediksi Panjang Kemarau Di Kabupaten Tuban Dengan Fuzzy Inference Sistem Metode Sugeno Yang Dioptimasi Menggunakan Algoritme K-Means Dan Firefly. Magister thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Tuban Regency is an area that often occurs in drought. This is due to soil conditions in the form of limestone deposits and rainfall which is very rare especially in the dry season. Drought will cause scarcity of water, scarcity of water will cause a very complex disaster because human life is very dependent on water. This can be handled as early as possible if it can be predicted the arrival of the previous dry season. Disaster mitigation is urgently needed for mitigation as early as possible from the effects of drought, for this reason a dry level prediction method is needed that can accurately predict drought. Various drought prediction methods have been developed before, but the data used is limited only when the data is obtained, if predictions are used to predict drought in the next ten years, the accuracy of the data will be smaller because of the many natural changes that have occurred over the next ten years. Drought is caused by the absence of rain for a long period of time, while rain occurs due to several factors, the main factors causing rain are temperature, humidity and wind speed. Fuzzy logic allows predictions based on rules, Fuzzy rules are obtained from experts, but experts cannot work continuously for a long period of time so the expert role is replaced with training data obtained from automatic data retrieval. on the Website (scrapping), while to sort data (clustering) K-Means Algorithm is used. To produce accurate output, the optimization algorithm, Firefly Algorithm, is used. In this study using the Fuzzy Sugeno-Kmeans-Firefly (FS-KMeans-FA) method to get better results in predicting drought rates obtained 8 data errors or got an accuracy of 61,9%, compared with similar methods by changing optimization rules with Evolution Strategic (FS -KMeans-ES) for 17 data errors or 19% accuracy. While using Linear Regression obtained a greater error rate of 21 data errors or 4% accuracy.
Other obstract
-
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/511.313/BUR/p/2019/041902951 |
| Uncontrolled Keywords: | FUZZY ALGORITHMS |
| Subjects: | 500 Natural sciences and mathematics > 511 General principles of mathematics > 511.3 Mathematical logic (Symbolic logic) > 511.31 Nonclassical logic > 511.313 Fuzzy logic |
| Divisions: | S2/S3 > Magister Ilmu Komputer, Fakultas Ilmu Komputer |
| Depositing User: | Endang Susworini |
| Date Deposited: | 15 Jan 2020 03:59 |
| Last Modified: | 15 Jan 2020 03:59 |
| URI: | http://repository.ub.ac.id/id/eprint/177944 |
Actions (login required)
 |
View Item |