Agen Cerdas Berbasis Fuzzy Tsukamoto pada Sistem Prediksi Banjir

Main Article Content

Alfian Sa’dan
Hanny Haryanto
Setia Astuti
Yuniarsi Rahayu

Abstract

Bencana banjir merupakan bencana alam yang sering terjadi. Pada dasarnya bencana banjir disebabkan oleh curah hujan yang tinggi sehingga air tidak dapat tertampung pada tempatnya. Banjir juga dapat di sebabkan oleh ketinggian suatu daerah, karena air akan selalu mengalir ke tempat yang rendah, oleh sebab itu daerah dataran rendah lebih rawan terkena banjir. Banjir tidak terjadi pada dataran rendah saja, banjir juga bisa terjadi pada dataran tinggi. Untuk mengantisipasi terjadinya banjir salah satu caranya adalah memprediksinya. Untuk itu perlu dibuat sistem untuk memprediksi bencana banjir. Penelitian ini menggunakan logika Fuzzy metode Tsukamoto untuk memprediksi banjir dengan objek penelitian di daerah pada kota Semarang. Metode Tsukamoto dipilih karena sifatnya sederhana, memiliki toleransi pada data yang ada, fleksibel. Hasil akhir (z) diperoleh dengan menggunakan rata-rata terpusat. Faktor-faktor yang digunakan sebagai input dalam memprediksi banjir adalah ketinggian daerah, curah hujan, dan suhu. Dari variabel-variabel tersebut dihasilkan defuzzyfikasi yang merupakan output prediksi banjir yang memiliki tingkat akurasi sebesar 87,5%.

Downloads

Download data is not yet available.

Article Details

How to Cite
Sa’danA., Haryanto, H., Astuti, S., & Rahayu, Y. (2019). Agen Cerdas Berbasis Fuzzy Tsukamoto pada Sistem Prediksi Banjir. Jurnal Eksplora Informatika, 8(2), 104-111. https://doi.org/10.30864/eksplora.v8i2.154
Section
Articles

References

K. Khotimah, “Bahan Ajar Diklat Teknis Analisa Cuaca Permukaan,” Jakarta, 2010.

T. D. Wismarini and M. Sukur, “Penentuan Tingkat Kerentanan Banjir Secara Geospasial,” J. Teknol. Inf. Din., vol. 20, no. 1, pp. 57–76, 2015. [link]

T. Sutojo, E. Mulyanto, and V. Suhartono, Kecerdasan Buatan. Semarang, 2010.

M. O. Omisore, O. W. Samuel, and E. J. Atajeromavwo, “A Genetic-Neuro-Fuzzy inferential model for diagnosis of tuberculosis,” Appl. Comput. Informatics, vol. 13, no. 1, pp. 27–37, 2017. [link]

R. A. Priyono and K. Surendro, “Nutritional Needs Recommendation based on Fuzzy Logic,” Procedia Technol., vol. 11, no. 1, pp. 1244–1251, 2013. [link]

A. A. Caraka, H. Haryanto, D. P. Kusumaningrum, and S. Astuti, “Logika Fuzzy Menggunakan Metode Tsukamoto untuk Prediksi Perilaku Konsumen di Toko Bangunan,” Techno.COM, vol. 14, no. 4, pp. 255–265, 2015. [link]

A. Muthohar and Y. Rahayu, “Implementasi Logika Fuzzy Mamdani pada Penilaian Kinerja Pelayanan Perawat Implementation of Fuzzy Mamdani Method for Nurse Performance Evaluation,” J. Appl. Intell. Syst., vol. 1, no. 1, pp. 67–76, 2016. [link]

Rahmawatii and Nidia Rosmawanti, “Prediksi Curah Hujan Bulanan Menggunakan Metode Fuzzy Sugeno,” Progresif, vol. 12, no. 1, pp. 1243–1386, 2016. [link]