Optimasi Fuzzy Inference System Dengan Particle Swarm Optimization (Pso) Untuk Prediksi Awal Musim Hujan

Abstract

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.