Pengenalan pola Cuaca Maritim (Curah Hujan, Tinggi Gelombang dan Kecepatan Arus) dengan Metode Adaptive Neuro Fuzzy Inference System (ANFIS) pada jalur pelayaran Surabaya-Makasar

ABSTRAK

Indonesia merupakan negara kepulauan, sehingga transportasi laut merupakan salah satu transportasi penting dalam menghubungkan antar pulau di Indonesia. Dalam proses pelayaran, selain kesalahan manusia, faktor cuaca juga sangat berpengaruh dalam menentukan keselamatan kapal. Sehingga pola pengenalan cuaca maritim yang dalam hal ini meliputi kecepatan arus, tinggi gelombang dan curah hujan diolah untuk nantinya digunakan sebagai rekomendasi keselamatan pelayaran kapal. Berdasarkan latar belakang tersebut penelitian dilakukan dengan tujuan merancang Pengenalan Pola Cuaca Maritim (Curah Hujan, Tinggi Gelombang dan Kecepatan Arus) dengan Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS), yang selanjutnya bisa didapatkan pola cuaca maritime pada jalur pelayaran Surabaya-Makasar.

Penelitian ini dilakukan di laboratorium Fisika Komputasi Universitas Islam Negeri Maulana Malik Ibrahim Malang pada tanggal 1 April sampai dengan 30 Juni 2013. Tahapan penelitian dibagi menjadi 3 yaitu tahap pengumpulan data, tahap pengolahan data numerik dan tahap pengujian (validasi) data. Dalam tahap pengolahan data, data dibagi dan dikelompokkan dalam masing-masing input dan output, dan data ditraining menggunakan ANFIS untuk diperoleh pola datanya. Setelah didapatkan pola data yang sesuai,data di uji dengan menggunakan data satu bulan terakhir yaitu data bulan Desember 2012.

Hasil pengujian pengenalan pola cuaca maritime menggunakan ANFIS, didapatkan hasil paling mendekati keakuratan pada pengujian nilai keluaran tinggi gelombang, dimana diperoleh nilai error training sebesar 0.1. sedangkan pada pengenalan pola kecepatan arus memiliki nilai error training sebesar 0.7, pada data pengenalan pola terakhir yaitu nilai curah hujan dengan nilai error training yang sangat besar yaitu 9.01, hal ini dikarenakan data yang digunakan dalam proses pengenalan pola curah hujan merupakan data harian, berbeda dengan 2 variabel sebelumnya yang menggunakan data pengenalan pola perjam, karena dalam hal ini ANFIS sangat peka terhadap jumlah data.

ABSTRACT

Indonesia is an archipelago, so sea transport is one of the important transport links between the island in Indonesia. In the process of shipping, in addition to human error, weather was also very influential factor in determining the safety of the ship. So that the maritime weather pattern recognition which in this case includes the current speed, wave height and rainfall will be processed for use as a cruise ship safety recommendations. Based on this background research conducted with the aim of designing the Maritime Weather Pattern Recognition (Rainfall, High Waves and Currents Speed) by Using Adaptive Neuro Fuzzy Inference System (ANFIS), which in turn can be obtained on the weather patterns of maritime shipping lanes Surabaya-Makassar.

The research was conducted in the laboratory of Computational Physics State Islamic University of Maulana Malik Ibrahim Malang on April 1 to June 30, 2013. Research is divided into three stages, namely the stage of data collection, data processing phase and the testing phase numerical (validation) data. In processing data phase, the data is divided and grouped in each input and output, and the data obtained by trained using ANFIS for the data pattern. Having obtained the appropriate pattern data, test data by using the data of the last month that the data in December 2012.

Recognition of test results using ANFIS maritime weather patterns, the results obtained in testing the accuracy of the closest higher value of output wave, which earned value training error of 0.1. whereas the flow velocity pattern recognition training error value of 0.7, the final pattern recognition of data that rainfall values with values that are very large training error is 9,01, this is because the data used in the precipitation pattern recognition process is daily data, in contrast with 2 previous variables using pattern recognition of data each hour, because in this case the ANFIS is very sensitive to the amount of data.