PREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER ...digilib.its.ac.id/public/ITS-paper-38113-Presentations.pdf · prediksi cuaca maritim untuk mendeteksi keberadaan sumber

PREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER DAYA

LAUT IKAN DI PERAIRAN JAWA TIMUR

OLEH :Bagusranu Wahyudi Putra 2410100044

DOSEN PEMBIMBING :Dr. Ir. Aulia Siti Aisjah, MT.

Ir. Syamsul Arifin, MT.

JURUSAN TEKNIK FISIKAFAKULTAS TEKNOLOGI INDUSTRI

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

ROAD MAP Design of Maritim WeatherStation for Small Island in

Indonesia

1.Design of Maritim Bouy

Weather

Design of Buoy

Analysis of Static and Dynamic

Reliability

Feasibility application at coastal water

2.Software Predictors

Fuzzy Logic System

Neural Network

ANFIS (Adaptif Neural Networks

Inf. System)

Analysis of Predictor

Accuration

3. Instrumentation & Communication System

Sensor

Electronic System

Monitoring System

Communication system

Server

LATAR BELAKANG

LAUT IKAN

SUHU PERMUKAAN LAUT (SPL)

FUZZYKEBERADAAN IKAN ??

METODE

CUACA

WPP – RI 712 (PERAIRAN LAUT JAWA)

PERMASALAHAN DAN TUJUANPermasalahan : Bagaimana merancang sebuah prediktor cuaca

maritim menggunakan metode fuzzy ? Bagaimana menghubungkan prediksi cuaca maritim

untuk mengidentifikasi keberadaaan ikan layang diperairan Jawa Timur ?

Tujuan : Untuk merancang sebuah prediktor cuaca maritim

menggunakan metode fuzzy Untuk menghubungkan prediksi cuaca maritim dengan

persebaran ikan di perairan Jawa Timur (Studi Kasuspada titik koordinat 4°50'41.80"LS - 112°22'30.63"BT)

BATASAN MASALAH

1. Data yang diambil dari data sekunder yang berasal dariNOAA dalam kurun waktu kurang lebih 2 tahun

2. Peramalan (prediktor) cuaca maritim didasarkan darikaidah kepakaran (logika fuzzy) Takagi-Sugeno

3. Jenis ikan yang diteliti adalah ikan layang4. Titik penelitian terletak pada koordinat 4°50'41.80"LS

- 112°22'30.63"BT5. Variabel cuaca yang menjadi obyek penelitian adalah

suhu permukaan air laut6. Pengolahan data menggunakan software matlab

PENELITIAN SEBELUMNYA

METODOLOGI PENELITIAN

MULAI

STUDI LITERATUR

PENGAMBILAN DATA SEKUNDER

NOAA

PERANCANGAN FIS

VALIDASI FIS

APAKAH PERFOMANSI LOGIKA FUZZY

SESUAI ?

PERANCANGAN PREDIKTOR CUACA MARITIM UNTUK MENGIDENTIFIKASI

KENERADAAN IKAN LAYANG DI PERAIRAN JAWA TIMUR

APAKAH SISTEM PREDIKTOR MAMPU MENGIDENTIFIKASI

PERSEBARAN IKAN ?

PEMBUATAN BUKU DAN LAPORAN TUGAS AKHIR

SELESAI

YA

YA

TIDAK

TIDAK

TEORI DASAR LOGIKA FUZZY

Fungsi Keanggotaan

Label

Aturan

Derajat Keanggotaan

SUHU PERMUKAAN LAUT

SUHU OPTIMAL IKAN LAYANG

BERAPA SUHU OPTIMAL IKAN

LAYANG ??

IKAN LAYANG BERADA PADA SUHU OPTIMAL 27.30oC-28.13oC

SUHU OPTIMAL IKAN LAYANG

Suhu Permukaan Laut Keberadaan Ikan Layang

< 27,30 0C Ikan Layang tidak pada suhu optimal

27,30 – 28,13 0C Ikan Layang pada suhu optimal

> 28,13 0C Ikan Layang tidak pada suhu optimal

IKAN LAYANG

PENGAMBILAN DATA

20 LU - 1370 BT

80 LS - 1000 BT

4°50'41.80"LS - 112°22'30.63"BT

INTERPOLASI LAGRANGE UNTUK ESTIMASI SUHU DI LOKASI PERAIRAN JAWA TIMUR

(x0,y0) dan (x1,y1 )

L1x) =

P(x) = L0(x) y0 + L1(x) y1

HASIL INTERPOLASI

25,00

27,00

29,00

31,00

33,00

35,00

37,00

1 22 43 64 85 106

127

148

169

190

211

232

253

274

295

316

337

358

379

400

421

442

463

484

505

526

547

568

589

610

631

652

673

694

715

736

757

778

799

820

841

862

SUHU

(CEL

CIUS

)

Data Ke-

SUHU PERMUKAAN LAUT TAHUN 2010-2012

SUMATRA

PAPUA

TITIK PENELITIAN

Jumlah data = 866

FUZZY CLUSTER MEANS

INPUT(SUHU)

FCM (Fuzzy Clustering

Means)

FUZZY CLUSTER MEANS “TINGGI”

Nilai Minimal : 30,49 0C

Nilai Maximal : 33,20 0C

Titik Tengah : 31,24 0C

FUZZY CLUSTER MEANS “SEDANG”

Nilai Minimal : 28,67 0C

Nilai Maximal : 30,25 0C

Titik Tengah : 29,32 0C

Nilai Minimal : 26,72 0C

Nilai Maximal : 28,66 0C

Titik Tengah : 28,01 0C

FUZZY CLUSTER MEANS “RENDAH”

HASIL FCM

Titik tengah pada Suhu Tinggi ialah 31,23 Titik tengah pada Suhu Sedang ialah 29,32 Titik tengah pada Suhu Rendah ialah 28,01 Nilai standart deviasi ialah 1,10

PERANCANGAN FIS

1. FIS SUHU TIPE PERTAMA2. FIS SUHU TIPE KEDUA

FIS SUHU TIPE PERTAMA

FIS SUHU TIPE PERTAMA

Nilai standart deviasi : 1,10Nilai maksimum : 31,23Nilai tengah : 29,32Nilai minimum : 28,01

FIS SUHU TIPE PERTAMA

FIS SUHU TIPE KEDUA

FIS SUHU TIPE KEDUA

Nilai standart deviasi : - 1,614 (“rendah” & “sedang”)- 1,914 (“tinggi”)

Nilai maksimum : 29,43Nilai tengah : 28,62Nilai minimum : 27,10

FIS SUHU TIPE KEDUA

PERANCANGAN GUI PREDIKTOR

VALIDASI FIS TIPE PERTAMA

VALIDASI FIS TIPE PERTAMA

Error Rata-rata : 1,270

Jumlah Data : 285

Nilai RMSE : 1,818

Keakuratan : 36,88 %

VALIDASI FIS TIPE KEDUA

VALIDASI FIS TIPE KEDUA

Error Rata-rata : 0,170

Jumlah Data : 285

Nilai RMSE : 0,217

Keakuratan : 74,37 %

PERBANDINGAN FIS TIPE 1 DAN 2

FIS PrediksiJumlah

data validasi

Error Rata-

rata

RMSE Validasi

Persentase Keakuratan

Suhu Permukaan Laut

Tipe Pertama

24 jam kedepan 285 1,270 1,818 36,88 %

Suhu Permukaan Laut

Tipe Kedua

24 jam kedepan 285 0,170 0,217 74,37 %

VALIDASI PREDIKTOR KEBERADAAN IKAN LAYANG

Waktu Prediksi

Suhu Ikan Layang (0C)

Jumlah DataProsentase

(%)Rata

-rataData RealData

Prediksi

1 hari

< 27,30 0 0 100%

100%27,30-28,13 24 24 100%

>28,13 261 261 100%

3 hari

< 27,30 0 0 100%

100%27,30-28,13 9 9 100%

>28,13 86 86 100%

5 hari

< 27,30 0 0 100%

100%27,30-28,13 4 4 100%

>28,13 52 52 100%

KESIMPULAN1. Prediktor suhu permukaan air laut dengan metode fuzzy

Sugeno-Takagi mampu berfungsi sebagai identifikasikeberadaan ikan layang di perairan Jawa Timur.

2. Prediktor terbaik adalah tipe kedua dengan nilai maksimal29,430C , nilai minimal ialah 27,100C , titik tengah adalah28,62 0C dan standar deviasi untuk membership function“rendah” dan “sedang” bernilai 1,614 dan membershipfunction “tinggi” bernilai 1,914.

3. Nilai RMSE validasi terbaik untuk peramalan suhupermukaan laut adalah 0,217 dengan akurasi 74,37%.

4. Metode logika fuzzy sugeno memiliki performa sangat baikuntuk mengidentifikasi keberadaan ikan layang pada 1 harikedepan , 3 hari kedepan dan 5 hari kedepan dengankeakuratan mencapai 100%.

TERIMAKASIH

Fuzzifikasi -> Operasi Logika Fuzzy -> Implikasi-> Agregasi ->Defuzzifikasi

SISTEM INFERENSI FUZZY

SISTEM INFERENSI FUZZY SUGENO

KESAMAAN KARAKTERISTIK IKAN DI TIGA PERAIRAN

WPP-RI 572 (Sumatera) WPP-RI 712 (Jawa Timur)WPP-RI 717 (Samudra

Pasifik/Papua)

JENIS IKAN HASIL (Ton) JENIS IKANHASIL (Ton) JENIS IKAN

HASIL (Ton)

SELAR 40.700 SELAR 29.500 SELAR 3.800

KEMBUNG 35.800 KEMBUNG 48.800 KEMBUNG 5.500

TERI 29.700 TERI 23.000 TERI 4.400

TEMBANG 24.300 TEMBANG 57.200 TEMBANG 0

CAKALANG 22.600 CAKALANG 0 CAKALANG 21.700

LAYANG 16.600 LAYANG 71.500 LAYANG 7.300TONGKOL ABU-ABU 17.400

TONGKOL ABU-ABU 29.900 TONGKOL ABU-ABU 0

TONGKOL KOMO 15.200 TONGKOL KOMO 0 TONGKOL KOMO 6.000

SARAN

Saran yang perlu disampaikan untukpengembangan penelitian ini agar diberikansensor suhu pada “buoy weather” dandiletakkan pada beberapa titik di perairanJawa Timur sehingga dapat meningkatkankeakuratan prediksi cuaca untukmengidentifikasi keberadaan ikan di perairanJawa Timur.

HASIL WAWANCARA

Nama : Bapak Mu’syadiAlamat : Jalan Brondong 22 LamonganPekerjaan : Nelayan selama 15 tahunUsia : 48 Tahun

HASIL WAWANCARA

Nama : Bapak RosyidiAlamat :-Pekerjaan : Nelayan selama 7 tahunUsia : 42 Tahun

FUZZY C MEANS

Mulai

Matriks n x m

Penentuan Jumlah Cluter Pangkat Pembobot,

Maksimum Iterasi, Faktor koreksi

Penentuan Matriks Partisi Secara Acak

Hitung Pusat Cluster

Modifikasi Nilai Keanggotaan dan Matriks Partisi

Fungsi Obyektif

Faktor koreksi

Selesai

tidak

FUZZY C MEANS

U = (u1, u2, u3, u4....un)

Mulai

Matriks n x m

Penentuan Jumlah Cluter, Pangkat Pembobot,

Maksimum Iterasi, Faktor koreksi

Penentuan Matriks Partisi Secara Acak

Hitung Pusat Cluster

Modifikasi Nilai Keanggotaan dan Matriks Partisi

Fungsi Obyektif

Faktor koreksi

Selesai

t+1