Implementasi Fuzzy Associative Memory (FAM) untuk mengestimasi curah hujan di Kota Malang

INDONESIA:

Metode Fuzzy Associative Memory (FAM) merupakan salah satu metode kombinasi logika fuzzy dan jaringan syaraf tiruan. Kombinasi logika fuzzy dan jaringan syaraf tiruan dalam FAM ini memiliki keunggulan dalam menerapkan keahlian manusia, toleran terhadap kesalahan, serta dapat diterapkan dalam dunia nyata. Penelitian ini bertujuan untuk mengetahui tingkat keakuratan hasil implementasi metode FAM dalam mengestimasi curah hujan di Kota Malang. Masalah yang terjadi adalah hasil perkiraan curah hujan yang berbeda dengan kenyataannya. Oleh karena itu, perlu adanya alat perencanaan yang dapat memperkirakan curah hujan untuk lokasi dan waktu tertentu. Solusi untuk mengatasi permasalahan tersebut yaitu menggunakan kombinasi logika fuzzy dan jaringan syaraf tiruan FAM. Metode ini memerlukan proses untuk menentukan fungsi keanggotaan. Setelah fungsi keanggotaan dibentuk lalu dibentuk matriks input A dan output B di mana elemen dari matriks tersebut berupa derajat keanggotaan variabel input untuk matriks input A dan derajat keanggotaan variabel output untuk matriks output B. Setelah itu untuk membentuk sistem FAM maka perlu dikalikan matriks input A dan output B. Jadi, banyaknya aturan sistem FAM sebanyak data yang digunakan. Lalu dilakukan pengujian data terhadap aturan sistem FAM yang diperoleh dan nilai maksimum pada matriks B baru merupakan solusi terbaik. Variabel yang digunakan dalam penelitian ini adalah suhu, kelembaban, tekanan udara, dan kecepatan angin. Hasil perkiraan curah hujan menggunakan FAM ini memiliki besar kesalahan persentase MAPE yaitu 15% yang berarti hasil peramalan baik. Diharapkan dengan menggunakan metode FAM dapat memperkirakan curah hujan beberapa waktu ke depan.

ENGLISH:

The Fuzzy Associative Memory (FAM) method is a combination of fuzzy logic and artificial neural networks. The combination of fuzzy logic and artificial neural networks in FAM has the advantage of applying human expertise, tolerant of errors, and can be applied in the real world. This study aims to determine the accuracy of the results of the implementation of the FAM method in estimating rainfall in Malang City. The problem that occurs is that the results of rainfall estimates are different from reality. Therefore, it is necessary to have a planning tool that can estimate rainfall for a particular location and time. The solution to overcome these problems is to use a combination of fuzzy logic and artificial neural networks, namely FAM. This method requires a process to determine the membership function. After the membership function is formed, input matrix A and output matrix B are formed where the elements of the matrix are the membership degree of the input variable for input matrix A and the membership degree of the output variable for output matrix B. After that, to form a FAM system, it is necessary to invert the input A and output B matrices. So, the number of system FAM rules is as much as the data used. Then data testing is carried out on the system FAM rules obtained and the maximum value in the new matrix B is the best solution. The variables used in this study are temperature, humidity, air pressure, and wind speed. The results of the rainfall forecast using FAM have a large MAPE percentage error of 15% which means the forecasting results are good. It is expected that using the FAM method can estimate rainfall sometime in the future.

ARABIC:

طريقة الذاكرة الترابطية الضبابية (FAM) هي مزيج من المنطق الضبابي والشبكات العصبية الاصطناعية. يتمتع الجمع بين المنطق الغامض والشبكات العصبية الاصطناعية في FAM بميزة تطبيق الخبرة البشرية، والتسامح مع الأخطاء، ويمكن تطبيقه في العالم الحقيقي. تهدف هذه الدراسة إلى تحديد دقة نتائج تنفيذ طريقة FAM في تقدير هطول الأمطار في مدينة مالانج. المشكلة التي تحدث هي أن نتائج تقديرات هطول الأمطار تختلف عن الواقع. لذلك، من الضروري وجود أداة تخطيط يمكنها تقدير هطول الأمطار لموقع وقت المعين. الحل للتغلب على هذه المشكلات هو استخدام مزيج من المنطق الغامض والشبكات العصبية الاصطناعية، وهي الذاكرة الترابطية الغامضة (FAM). تتطلب هذه الطريقة عملية لتحديد وظيفة العضوية. بعد تكوين وظيفة العضوية، يتم تشكيل مصفوفة الإدخال A ومصفوفة الخروج B حيث تكون عناصر المصفوفة هي درجة العضوية لمتغير الإدخال لمصفوفة الإدخال A ودرجة العضوية لمتغير الخرج لمصفوفة الخرج B. لتشكيل نظام FAM، من الضروري عكس المدخلات A ومصفوفات المخرجات B. لذا، فإن عدد قواعد FAM هو بقدر البيانات المستخدمة. ثم يتم إجراء اختبار البيانات وفقًا لقواعد FAM التي تم الحصول عليها والقيمة القصوى في المصفوفة الجديدة B هي أفضل حل. المتغيرات المستخدمة في هذه الدراسة هي درجة الحرارة والرطوبة وضغط الهواء وسرعة الرياح. نتائج توقعات هطول الأمطار باستخدام FAM بها خطأ كبير في MAPE بنسبة 15٪ مما يعني أن نتائج التنبؤ جيدة. من المتوقع أن استخدام طريقة FAM يمكن أن يقدر هطول الأمطار في وقت ما في المستقبل.