Optimasi Fuzzy Inference System Dengan Particle Swarm Optimization (Pso) Untuk Prediksi Awal Musim Hujan
View/ Open
Date
2016Author
Noviandi
Buono, Agus
Sitanggang, Imas Sukaesih
Metadata
Show full item recordAbstract
Curah hujan yang terjadi pada suatu wilayah akan menjelaskan awal musim
hujan (AMH). AMH merupakan karakteristik dari musim hujan yang penting
untuk diketahui, namun karakteristik hujan sendiri sangat sulit untuk di prediksi.
Hujan merupakan unsur yang paling kompleks dari siklus hidrology sehingga
sangat sulit untuk di modelkan dan di prediksi. Prediksi AMH adalah informasi
yang memiliki beberapa peranan, karena informasi tersebut menjadi dasar dalam
penetapan rencana, pengambilan keputusan, dan kepentingan manajemen
sehingga resiko iklim dapat diperkecil. Dalam penelitian ini, optimasi Fuzzy
Inference System (FIS) dengan Particle Swarm Optimization (PSO) dilakukan
untuk prediksi AMH. Tujuan penelitian ini adalah untuk membangun model FIS,
mengoptimasi parameter FIS dengan algoritme PSO untuk prediksi AMH dengan
prediktor ASPL Nino 3.4 dan IOD.
Penelitian ini dilakukan di Waingapu, Kabupaten Sumba Timur, provinsi
Nusa Tenggara Timur. Data yang digunakan merupakan data curah hujan harian
tahun 1973 hingga 2013, data IOD dan data ASPL Nino 3.4 yang digunakan
sebagai data uji dan data latih untuk prediksi AMH. Tahapan penentuan AMH
dilakukan dengan menghitung nilai rataan curah hujan tahunan periode 1973-2013
menggunakan metode Liebmann. Model prediksi dilakukan dengan menggunakan
metode FIS mamdani, dengan fungsi keanggotaan menggunakan fungsi zmf,
gaussian dan smf.
Hasil perhitungan AMH dengan metode Liebmann menunjukkan bahwa
AMH terjadi diantara bulan September sampai dengan bulan Desember. Hasil
perhitungan korelasi memperlihatkan bahwa nilai korelasi ASPL Nino 3.4 bulan
Juli, Agustus, September dan IOD bulan September dijadikan sebagai prediktor
yang masing-masing memiliki nilai korelasi sebesar 0.296, 0.342, 0.381 dan
0.285. Hasil prediksi AMH menunjukkan bahwa model fold 5 merupakan model
fold terbaik berdasarkan nilai korelasi dan RMSE terbaik berdasarkan analisis
menggunakan 23 aturan sebesar 0.57 dan 2.96. Berdasarkan nilai parameter pada
fold 5 yang dioptimasi dengan algoritme PSO terhadap data prediktor dan respon.
Nilai model FIS-PSO sesudah optimasi terhadap fold 5 yang merupakan model
fold terbaik memiliki nilai korelasi terbaik dengan nilai korelasi sebesar 0.91 dan
nilai RMSE sebesar 8.46 yang merupakan nilai RMSE terkecil dibandingkan
dengan model fold yang lain.