peramalan kecepatan angin di sumenep …seminar hasil tugas akhir 1. dampak kecepatan angin 2. 3...
TRANSCRIPT
LOGO
PREDIKSI KECEPATAN ANGIN
DI SUMENEP MENGGUNAKAN
MIXTURE OF ANFIS
Oleh:
SYARIFAH DIANA PERMAI (1307 100 011)
PEMBIMBING:
Prof. Drs. NUR IRIAWAN, M.Ikom, PhD
Dr. IRHAMAH, S.Si, M.Si
SEMINAR HASIL TUGAS AKHIR
1
DAMPAK KECEPATAN ANGIN
2
3
ANGIN
PENELITIAN SEBELUMNYA
1. Irhamah, dkk (2010) menggunakan metode AI (Arificial Intelligence) yaitu Algoritma Genetika
1. James dan Castellanos (2009) kecepatan angin
2. Faulina (2011) kecepatan angin di Sumenep
1. Benhammadi, dkk (2010) penelitian pada data CPU load
PENELITIAN
SEBELUMNYA
Kecepatan
Angin
ANFIS
Mixture of
ANFIS
4
RUMUSAN MASALAH
5
Bagaimana pemodelan dan prediksi kecepatan angin diSumenep dengan metode ANFIS?
Bagaimana pemodelan dan prediksi kecepatan angindi Sumenep dengan metode Mixture of ANFIS?
Bagaimana perbandingan hasil prediksi kecepatan angindi Sumenep dengan metode ANFIS dan Mixture of
ANFIS?
1
2
3
BATASAN MASALAH
1. Analisis kecepatan angin di Sumenep tidak
mempertimbangkan variabel-variabel lain yang dapat mempengaruhi tinggi dan rendahnya kecepatan angin.
2. Membership function yang digunakan pada analisis ANFIS bertipe Gaussian dan sebanyak dua membership function.
3. Pengelompokan yang dilakukan pada analisis menggunakan Mixture of ANFIS dibatasi sampai dengan enam cluster.
6
Adaptive Neuro Fuzzy Inference System
(ANFIS)
7
x2
B1
B2
Π 3 N3 3
Π 4 N4 4
x1
A1
A2
Π1
Σ
N1 1
Π 2 N2 2
Layer 4 Layer 2 Layer 3 Layer 5
Layer 1
(James dan Castellanos, 2009)
Mixture of ANFIS
8
DATA KECEPATAN ANGIN
CLUSTER 1 CLUSTER J
ANFIS 1 ANFIS J
OUTPUT MIXTURE
P(CSt=1) P(CSt=J)
Probabilitas State Transition
Mengelompokan menggunakan FCM
(Benhammadi dkk, 2010)
Kecepatan Angin
Angin merupakan gerakan udara mendatar dengan permukaan bumi yang terjadi karena adanya perbedaan tekanan antara satu tempat dengan tempat yang lain. Perbedaan tekanan
diakibatkan adanya perbedaan suhu karena intensitas radiasi matahari yang berbeda di tiap wilayah. Semakin besar beda tekanannya maka semakin besar pula kecepatan anginnya
(Yani dan Rahmat, 2007).
9
SUMBER DATA
Data sekunder yaitu data kecepatan angin
yang diukur oleh Badan Meteorologi dan Geofisika Kalianget, Sumenep. Data yang digunakan dari bulan Januari 2009 - Desember
2010.
10
VARIABEL PENELITIAN
11
KECEPATAN ANGIN RATA-
RATA PERHARI (KNOT)
Januari 2009- November 2010
Desember 2010
METODE ANALISIS ANFIS
12
B
Melakukan algoritma hybrid
dengan LSE dan Backpropogation
Mendapatkan parameter-parameter non linier dan linier
Mendapatkan nilai prediksi ANFIS
Menghitung residual in sample
Menghitung RMSE in sample
Melakukan prediksi satu bulan
Mulai
Menentukan input ANFIS berdasarkan model AR yang
signifikan
Menentukan banyaknya membership
function (mf)
Mendapatkan inisialisasi parameter non linier
B
Menentukan banyaknya epoch
Mendapatkan banyaknya rule
METODE ANALISIS MIXTURE
13
Mulai
Data in sampel
Kecepatan angin
Mengelompokkan menggunakan FCM
Mendapatkan sebanyak J cluster
cluster 1 cluster J...
ANFIS 1 ANFIS J
Menghitung probabilitas state transition
P(CSt=1) P(CSt= J)...
Mengalikan y(t) dengan P(CSt= j)
Mendapatkan peramalan Mixture of ANFIS
ANALISIS DESKRIPTIF
KECEPATAN ANGIN RATA-RATA JANUARI 2009- DESEMBER 2010
14
Tahun Bulan Mean variance Min Median Maks
2009
Januari 7,097 10,49 2 7 15Februari 7,143 24,349 2 5,5 22Maret 2,903 1,09 1 3 5April 3,867 4,189 1 3 7Mei 4,387 3,512 2 4 9Juni 6,467 2,12 4 7 10Juli 7,742 4,398 4 7 12Agustus 8,355 2,437 5 8 13
September 7,1 3,472 4 7 11Oktober 7,258 3,798 3 7 12
November 5,767 9,702 2 4 11
Desember 3,613 4,045 1 3 13
2010
Januari 6,065 14,262 2 4 15Februari 2,929 0,884 2 3 5Maret 2,871 0,783 2 3 5April 2,533 0,74 1 2 5Mei 3,871 3,583 1 3 8Juni 4,8 3,752 1 4,5 8Juli 5,935 6,262 2 6 11Agustus 6,645 2,903 4 7 10
September 5,233 4,668 1 5,5 9Oktober 4,516 4,125 2 4 10
November 3,8 1,2 2 4 6
Desember 5,452 6,656 1 5 14
Identifikasi Stasioner
15
6 3 05 6 04 9 04 2 03 5 02 8 02 1 01 4 07 01
2 5
2 0
1 5
1 0
5
0
In d e x
Ke
ce
pa
ta
n A
ng
in
T im e S e r ie s P lo t o f K e c e p a ta n A n g in
543210-1- 2
1 6
1 4
1 2
1 0
8
6
4
2
0
L a m b d a
St
De
v
L o w e r C L U p p e r C L
L im it
E stim a te 0,41
L o w e r C L 0,27
U p p e r C L 0,53
R o u n d ed V a lu e 0,50
(u sin g 95,0% c o n fid en c e )
L am b d a
B o x -C o x P lo t o f K e c e p a ta n A n g in
7 06 56 05 55 04 54 03 53 02 52 01 51 051
1 ,0
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
La g
Au
to
co
rr
ela
tio
n
A u to c o r r e la t io n F u n c tio n f o r T r a n s f o r m a s i_ K e c e p a ta n a n g in
(w ith 5 % s ig n if ic a n c e lim its fo r th e a u to c o r r e la tio n s )
Identifikasi Model ARIMA
16
7 06 56 05 55 04 54 03 53 02 52 01 51 051
1 ,0
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
La g
Au
to
co
rr
ela
tio
n
A u to c o r r e la t io n F u n c tio n f o r D i f f e r e n c in g
(w ith 5 % s ig n if ic a n c e lim its fo r th e a u to c o r r e la tio n s )
7 06 56 05 55 04 54 03 53 02 52 01 51 051
1 ,0
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
La g
Pa
rt
ial
Au
to
co
rr
ela
tio
n
P a r tia l A u to c o r r e la t io n F u n c tio n f o r D i f f e r e n c in g
(w ith 5 % s ig n if ic a n c e lim its fo r th e p a r tia l a u to c o r r e la tio n s )
ARIMA ([1,3],1,1)
Parameter Anfis
Input Zt-1 dan Zt-3
17
MF parameterinput
Zt-1 Zt-3
1 c -1,779 -1,404
σ 0,7677 1,489
2 c 2,543 2,366
σ 0,7261 1,811
aturan p q r
1 -0,4953 -0,1376 -0,1791
2 -0,1175 -0,03373 0,1639
3 -3,243 1,743 5,71
4 2,648 3,862 -7,575
Mixture of ANFIS
dua cluster
18
Variabel N Mean Std Deviasi Median Min Maks
Kelompok 1 411 3,3212 1,0928 3 1 5
Kelompok 2 288 8,031 2,088 7 6 22
Statistika Deskriptif
19
KELOMPOK 1
4 1 03 6 93 2 82 8 72 4 62 0 51 6 41 2 38 24 11
5
4
3
2
1
In d e x
ke
lom
po
k 1
T im e S e r ie s P lo t o f k e lo m p o k 1
5 ,02 ,50 ,0- 2 ,5- 5 ,0
9
8
7
6
5
4
3
2
1
0
La m b d a
St
De
v
L o w e r C L U p p e r C L
L im it
E stim a te 0,86
L o w e r C L 0,58
U p p e r C L 1,18
R o u n d ed V a lu e 1,00
(u sin g 95,0% c o n fid en c e )
L am b d a
B o x -C o x P lo t o f k e lo m p o k 1
Identifikasi Stasioner
MODEL ARIMA KELOMPOK 1
20
6 56 05 55 04 54 03 53 02 52 01 51 051
1 ,0
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
La g
Au
to
co
rr
ela
tio
n
A u to c o r r e la t io n F u n c tio n f o r k e lo m p o k 1
(w ith 5 % s ig n if ic a n c e lim its fo r th e a u to c o r r e la tio n s )
6 56 05 55 04 54 03 53 02 52 01 51 051
1 ,0
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
La g
Pa
rt
ial
Au
to
co
rr
ela
tio
n
P a r tia l A u to c o r r e la t io n F u n c tio n f o r k e lo m p o k 1
(w ith 5 % s ig n if ic a n c e lim its fo r th e p a r tia l a u to c o r r e la tio n s )
ARIMA(1,0,1)
ANFISKELOMPOK 1
21
MFInputZt-1
1c 1,191σ 1,571
2c 5,619σ 0,5147
Aturanparameter
p q
1 0,2191 2,457
2 -8,985 48,78
22
KELOMPOK 2
2 6 12 3 22 0 31 7 41 4 51 1 68 75 82 91
2 2 ,5
2 0 ,0
1 7 ,5
1 5 ,0
1 2 ,5
1 0 ,0
7 ,5
5 ,0
In d e x
ke
lom
po
k 2
T im e S e r ie s P lo t o f k e lo m p o k 2
5 ,02 ,50 ,0- 2 ,5- 5 ,0
4 ,0
3 ,5
3 ,0
2 ,5
2 ,0
1 ,5
1 ,0
L a m b d a
St
De
v
L o w e r C L U p p e r C L
L im it
E stim a te - 1 ,03
L o w e r C L - 1 ,62
U p p e r C L - 0 ,52
R o u n d ed V a lu e - 1 ,00
(u sin g 95,0% c o n fid en c e )
L am b d a
B o x -C o x P lo t o f k e lo m p o k 2
Identifikasi Stasioner
23
6 05 55 04 54 03 53 02 52 01 51 051
1 ,0
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
La g
Au
to
co
rr
ela
tio
n
A u to c o r r e la t io n F u n c tio n f o r tr a n s _ k e lo m p o k 2
(w ith 5 % s ig n if ic a n c e lim its fo r th e a u to c o r r e la tio n s )
6 05 55 04 54 03 53 02 52 01 51 051
1 ,0
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
La g
Pa
rt
ial
Au
to
co
rr
ela
tio
n
P a r tia l A u to c o r r e la t io n F u n c tio n f o r tr a n s _ k e lo m p o k 2
(w ith 5 % s ig n if ic a n c e lim its fo r th e p a r tia l a u to c o r r e la tio n s )
ARIMA([6],0,4)
MODEL ARIMA KELOMPOK 2
24
ANFISKELOMPOK 2
aturan p q1 -2,597 0,27242 -0,1287 0,2414
MFInputZt-6
1c 0,03863σ 0,0757
2c 0,1409σ 0,05444
25
P(CSt = 1) 0,70712P(CSt = 2) 0,46854
Variabel Mean Median Var Min Maks RMSE
Residual 2,4041 2,2054 5,2975 -1,7157 18,494 3,3271
1 81 51 29630
1 6 0
1 4 0
1 2 0
1 0 0
8 0
6 0
4 0
2 0
0
R e s id u a l M ixt u r e D u a Ke lo m p o k
Fr
eq
ue
nc
y
H is to g r a m o f R e s id u a l M ix tu r e D u a K e lo m p o k
MIXTURE OF ANFISDUA KELOMPOK
Mixture of ANFIS
26
Cluster Mean Median Var Min Maks RMSE
2 2,4041 2,2054 5,2975 -1,7157 18,494 3,3271
3 1,9054 1,3616 6,1834 -1,358 16,246 3,1313
4 1,9283 1,3046 5,0284 -0,5742 15,469 2,9924
5 1,5063 1,3965 4,1163 -0,6035 20,86 2,5258
6 1,08 1,1886 4,5441 -1,4059 20,272 2,3883
Perbandingan ANFIS dan Mixture
of ANFIS
27
MetodeKriteria ANFIS
Mixture of
ANFIS
RMSE in sample 3,81142 2,3883
RMSE out
sample3,71321 2,6777
KESIMPULAN
ANFIS
•menghasilkan empat aturan dan 20 parameter.
• RMSE in sample sebesar 3,81142.
•epoch sebanyak 170
Mixture of ANFIS
Perbandingan
•Nilai RMSE minimum sebesar 2,3883
•diperoleh ketika banyaknya cluster enam
•metode mixture of ANFIS lebih akurat dalam memprediksi kecepatan angin rata-rata di Sumenep
28
SARAN
1. Banyaknya membership function
2. Tipe membership function
3. Melakukan forecast dengan langkah:a.Meramalkan cluster berdasarkan
probabilitas state transitionb.Melakukan analisis ANFIS sesuai dengan
clusternya
29
LOGO
30
LOGO
PREDIKSI KECEPATAN ANGIN
DI SUMENEP MENGGUNAKAN
MIXTURE OF ANFIS
SYARIFAH DIANA PERMAI (1307 100 011)
PEMBIMBING:
Prof. Drs. NUR IRIAWAN, M.Ikom, PhD
Dr. IRHAMAH, M.Si, S.Si
SEMINAR HASIL TUGAS AKHIR
31
ANFIS
32
Layer 1: O2,i = μAi (x1) untuk i=1,2O2,i = μBi-2 (x2) untuk i=3,4
Layer 2: O3,i = wi = μAi (x1) μBi (x2) untuk i=1,2,3,4 Layer 3:
Layer 4:
Layer 5:
(James dan Castellanos, 2009)
Forecast Kecepatan Angin
menggunkan Mixture dua cluster
33
t kelompok input miu A miu B W1 W2 output data cek residual RMSE out
700 1 2,561351 0,567900675 0,027554857 0,567901 0,027555 2,424019 4 1,575981 1,867209
701 1 2,424019 0,618808402 0,025295583 0,618808 0,025296 2,532049 3 0,467951
702 1 2,532049 0,578476201 0,027048302 0,578476 0,027048 2,446293 4 1,553707
703 1 2,446293 0,610326826 0,025642871 0,610327 0,025643 2,513928 4 1,486072
704 1 2,513928 0,585096219 0,026741947 0,585096 0,026742 2,460288 4 1,539712
705 1 2,460288 0,605040593 0,025864706 0,605041 0,025865 2,502655 4 1,497345
706 1 2,502655 0,589245206 0,026553945 0,589245 0,026554 2,469077 6 3,530923