Pemodelan Fuzzy Inference System Tsukamoto Untuk Prediksi Curah Hujan Studi Kasus Kota Batu
Article Sidebar
Main Article Content
Abstract
Tidak menentunya pola curah hujan mengakibatkan petani apel menjadi kesulitan dalam menentukan waktu pembungaan yang mengakibatkan hasil panen apel menjadi tidak maksimal. Banyak metode yang digunakan untuk memprediksi curah hujan, salah satunya adalah Fuzzy Inference System (FIS) Tsukamoto. Penelitian terdahulu yang menggunakan metode ini berhasil mendapatkan nilai Root Mean Square Error (RMSE) yang cukup kecil. Pada penelitian ini digunakan metode FIS Tsukamoto untuk membuat pemodelan prediksi curah hujan pada empat lokasi di daerah Batu, Jawa Timur dengan tujuan untuk mendapatkan RMSE yang kecil pula. Metode FIS Tsukamoto digunakan untuk memprediksi curah hujan dengan data time series mulai tahun 2005 sampai tahun 2014. Hasil dari penelitian ini adalah prototipe metode FIS Tsukamoto yang dapat digunakan untuk memprediksi curah hujan dengan nilai error RMSE pada daerah Junggo sebesar 9.196, pada daerah Pujon sebesar 9.407, pada daerah Tinjomulyo sebesar 8.798, pada daerah Ngujung sebesar 8.825.
Downloads
Article Details
Authors retain copyright of their work and grant Jurnal Ilmiah Teknologi Informasi Asia the right of first publication. The work is simultaneously licensed under a Creative Commons Attribution 4.0 International License (CC BY 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
While the editorial board endeavors to ensure accuracy, they accept no responsibility for the content of articles. Liability rests solely with the respective authors.
This is an open-access journal. All articles are immediately available to read and reuse upon publication under the CC BY 4.0 license. Users may share and adapt the material for any purpose, including commercial use, provided they comply with the license terms.
References
BPS. (2015). Statistik Daerah Kota Batu 2015. Batu: BADAN PUSAT STATISTIK KOTA BATU.
Iriany, A., Mahmudy, W. F., Sulistyono, A. D., & Nisak, S. C. (2015). GSTAR-SUR Model for Rainfall Forecasting in Tengger Region, East Java. The 1st International Conference on Pure and Applied Research, University Muhammadiyah Malang, 21-22 August, (1), 1–8.
Mazenda, G., Soebroto, A. A., & Dewi, C. (2015). Implementasi Fuzzy Inference System (FIS) Metode Tsukamoto pada Sistem Pendukung Keputusan Penentuan Kualitas Air Sungai. DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, 1–11.
Restuputri, B. A., Mahmudy, W. F., & Cholissodin, I. (2015). Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Dua Tahap Menggunakan Algoritma Genetika Pada Pemilihan Calon Penerima Beasiswa dan BBP-PPA ( Studi Kasus : PTIIK Universitas Brawijaya Malang ). DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, (15), 1–10.
Sari, N. R., & Mahmudy, W. F. (2015). Fuzzy Inference System Tsukamoto untuk Menentukan Kelayakan Calon Pegawai. Seminar Nasional Sistem Informasi Indonesia, 2-4 Nopember 2015, (2002), 2–4.
Siswanti, K. Y. (2011). Model Fungsi Transfer Multivariant dan Aplikasinya untuk Meramalkan Curah Hujan di Kota Yogyakarta (Multivariant Transfer Function Model and Its Application to Predict Rainfall in Yogyakarta City). Fakultas Matematika dan Ilmu Pengetahuan Alam - Universitas Negeri Yogyakarta, 1–180. https://doi.org/10.1017/CBO9781107415324.004
Tutin, C. E. G., & Fernandez, M. (1993). Relationships between minimum temperature and fruit production in some tropical forest trees in Gabon. Journal of Tropical Ecology, 9(2), 241–248. https://doi.org/10.1017/S0266467400007239
Wahyuni, I., Adam, N. R., Mahmudy, W. F., & Iriany, A. (2017). Modeling Backpropagation Neural Network for Rainfall Prediction in Tengger East Java. 2nd International Conference on Sustainable Information Engineering and Technology (SIET 2017), (11), 170–175.
Wahyuni, I., & Mahmudy, W. F. (2017). Rainfall Prediction in Tengger-Indonesia Using Hybrid Tsukamoto FIS and Genetic Algorithm. Journal of ICT Research and Applications, 11(1), 38–54. https://doi.org/10.5614/itbj.ict.res.appl.2017.11.1.3
Wahyuni, I., Mahmudy, W. F., & Iriany, A. (2017). Rainfall Prediction using Hybrid Adaptive Neuro Fuzzy Inference System ( ANFIS ) and Genetic Algorithm. Journal of Telecommunication, Electronic and Computer Engineering, 9(2–8), 51–56.
Wahyuni, I., Mahmudy, W. F., & Iryani, A. (2016). Rainfall Prediction in Tengger Region Indonesia Using Tsukamoto Fuzzy Inference System. 1st International Conference on Information Technology, Information Systems and Electrical Engineering, ICITISEE 2016, 16, 130–135. https://doi.org/10.1109/ICITISEE.2016.7803061