PROPOSAL TUGAS AKHIR

PERANCANGAN SISTEM PREDIKSI SUHU PERMUKAAN LAUT DENGAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) PADA MARITIME WEATHER STATION DI PERAIRAN DANGKAL

JAWA TIMUR

I KADEK BUDI UTAMA PUTRANRP : 2409 100 022

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

Ir. Syamsul Arifin, MT.

PROGRAM STUDI S1 TEKNIK FISIKAJURUSAN TEKNIK FISIKA

FAKULTAS TEKNOLOGI INDUSTRIINSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA 2013

LEMBAR PENGESAHANPROPOSAL TUGAS AKHIR

JURUSAN TEKNIK FISIKA FTI-ITS

1. Judul :“Perancangan Sistem Prediksi Suhu Permukaan Laut Dengan Adaptive Neuro Fuzzy Inference System (ANFIS) Pada Maritime Weather Station Di Perairan Dangkal Jawa Timur”

2. Bidang Minat : Rekayasa Instrumentasi

3. Mata Kuliah pilihan yang diambil :

Instrumentasi Industri Standard dan Code Pengendalian Bising di Industri

Sistem Fuzzy Sistem Pengendalian Modern Pengendalian Bising Lingkungan

4. a. Nama : I Kadek Budi Utama Putra

b. NRP : 2409 100 022

c. Jenis Kelamin : Laki-Laki

5. Jangka Waktu : 1 Semester / 5 Bulan

6. Pembimbing I : Dr. Ir. Aulia Siti Aisjah, MT.

7. Pembimbing II : Ir. Syamsul Arifin, MT.

8. Usulan Proposal ke : 1 (Satu)

9. Status : Baru

Surabaya, 18 Maret 2013Pengusul Proposal,

I Kadek Budi Utama PutraNRP. 2409 100 022

Mengetahui/MenyetujuiPembimbing I Pembimbing II

D r . Ir. Aulia Siti Aisjah, MT. Ir. Syamsul Arifin, MT. NIPN.196601161989032001 NIPN.196309071989031004

Mengetahui,Kepala Laboratorium Rekayasa Instrumentasi

Ir. Ya’umar, MT NIPN. 195404061981031003

JudulPERANCANGAN SISTEM PREDIKSI SUHU PERMUKAAN AIR LAUT DENGAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) PADA MARITIME WEATHER STATION DI PERAIRAN DANGKAL JAWA TIMUR

I. Mata kuliah pilihan yang diambil Instrumentasi Industri Standard dan Code Pengendalian Bising di Industri

Sistem Fuzzy Sistem Pengendalian Modern Pengendalian Bising Lingkungan

II. Pembimbing Pembimbing 1 : Dr. Ir. Aulia Siti A., MT. Pembimbing 2 : Ir. Syamsul Arifin, MT.

III.Latar BelakangPada saat ini telah dibangun weather station untuk memantau cuaca dan iklim yang

terdapat di suatu tempat. Pada wilayah perairan dangkal, weather station akan memperoleh data-data hasil pengukuran cuaca di suatu area yang dilakukan oleh alat ukur yang tertempel pada buoy laut (pelampung). Setelah itu, data hasil pengukuran cuaca dari alat ukur tersebut akan dikirim ke server pusat agar dilakukan identifikasi prilaku gejala meteorologi hasil pengolahan data[1]. Alat ukur yang tertempel pada buoy laut (pelampung) tersebut antara lain adalah alat ukur untuk mengukur tekanan udara sekitar, alat ukur untuk mengetahui arah angin pada area buoy laut (pelampung) tersebut, dan alat ukur untuk mengukur temperatur (suhu) pada area buoy laut (pelampung) tersebut. Namun apabila terjadi kegagalan dalam sistem, tentu merupakan sesuatu yang sangat tidak diinginkan, khususnya apabila terjadi pada weather station. Tentu hal ini dapat membahayakan aktivitas para pelaut dan pengunjung yang datang ke wilayah perairan dangkal tersebut. Dalam kasus ini perlu adanya perancangan suatu sistem prediksi untuk mengetahui kondisi terkini dan beberapa hari kedepan dari suhu permukaan laut dan perlu diadakannya validasi kepada rancangan sistem prediksi tersebut dan perangkat kerasnya yaitu buoy laut (pelampung)[3][4].

Oleh sebab itu, dalam proposal Tugas Akhir ini akan dirancang sebuah sistem prediksi yang akan digunakan untuk mengetahui kondisi terkini suhu permukaan laut pada perairan dangkal di Jawa Timur. Sistem prediksi yang akan dirancang dalam tugas akhir ini menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS). Kemudian dari hasil perancangan ini akan diadakan validasi untuk mengetahui apakah data yang diterima server sesuai dengan data sebenarnya dari hasil pengukuran cuaca dari alat ukur yang tertempel pada buoy laut (pelampung). Metode ANFIS merupakan suatu teknik optimasi yang menggabungkan Neural Network dan Fuzzy Logic. Neural Network mengenal pola dan menyesuaikan dengan perubahan pola. Sedangkan Fuzzy Logic menggabungkan pengetahuan manusia dan menarik kesimpulan untuk membuat suatu keputusan[2].

IV. Permasalahan Berdasarkan latar belakang sebelumnya, maka permasalahan yang dapat diambil yaitu, bagaimana merancang prediksi suhu permukaan laut dengan menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS) yang dapat digunakan pada maritime weather station untuk perairan dangkal Jawa Timur.

V. Batasan MasalahAdapun batasan masalah pada tugas akhir ini adalah :

1.

VI. TujuanAdapun tujuan dari penelitian tugas akhir ini adalah merancang prediksi suhu permukaan laut dengan menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS) yang dapat digunakan pada maritime weather station untuk perairan dangkal Jawa Timur.

VII. Tinjauan PustakaBerikut merupakan beberapa penelitian sebelumnya terkait dengan Tugas Akhir ini:

1. Bada, Hilda Isniawati Nela. 2011. “Validasi dan Pengembangan Algoritma Suhu Permukaan Laut Pathfinder Satelit NOAA - AVHRR di Perairan Utara Papua”. Pada skripsi ini mempelajari tentang pola dan variabilitas SPL dan dilakukan pengembangan algoritma SPL pada perairan tropis serta dilakukan validasi algoritma estimasi SPL Pathfinder dari satelit NOAA – AVHRR di perairan Utara Papua.

2. Jianhua Hu. 2011. “The Characteristics of Rain In The Raining Seasons in Guangdong province and its relationship with Sea Surface Temperature (SST)”. Pada jurnal ini menganalisis tentang karakteristik curah hujan pada musim pertama dan kedua di Provinsi Guangdong. Pada jurnal ini menegaskan bahwa curah hujan pada musim pertama di Provinsi Guangdong sangat dipengaruhi oleh suhu permukaan laut (SPL) .

3. Tektas, Mehmet. 2010. “Weather Forecasting Using ANFIS and ARIMA MODELS. A Case Study for Istanbul”. Pada jurnal ini dilakukan perbandingan metode ANFIS dan model ARIMA dalam peramalan cuaca. Hasil yang didapatkan menunjukkan bahwa ANFIS memiliki tingkat prediksi yang lebih baik dibandingkan dengan model ARIMA

4. Shereef, Kadar. 2012. “New Weather Forecasting Technique Using ANFIS With Modified Levenberg-Marquadt Algorithm for Learning”. Dalam jurnal ini menjelaskan tentang penelitian dalam peramalan cuaca khusunya pada peringatan suhu. Teknik yang digunakan dalam peramalan pada jurnal ini adalah Adaptive Neuro Fuzzy Inference System (ANFIS).Dan untuk meningkatkan akurasi peramalan, pada jurnal ini menggunakan modifikasi algoritma Levenberg-Marquardt (LM).

5. Setyawan, Dimas Happy. 2012. “Rancang Bangun Sistem Pengukuran Kelembaban Udara dan Suhu Pada Buoy Weather Untuk Membangun Prediktor Cuaca Maritim”. Dalam tugas akhir ini dilakukan pembuatan sistem pengukuran kelembaban udara dan suhu pada Buoy Weather. Sistem pengukuran ini kemudian akan digunakan untuk membangun prediktor cuaca maritim. Pada penelitian ini menegaskan bahwa sensor SHT-11 yang digunakan sensitif untuk mengukur kelembaban dan suhu lingkungan sehingga cocok digunakan sebagai salah satu sensor prediksi cuaca.

VIII. Teori PenunjangKata Kunci : Stasiun Cuaca (Weather Station), Validasi, ANFIS

VIII.1. Stasiun Cuaca (Weather Station)Stasiun cuaca (weather station) sendiri adalah alat yang digunakan untuk mengetahui

kondisi cuaca dan iklim pada suatu wilayah dan juga memberikan informasi prakiraan cuaca, guna menunjang penyediaan informasi dan prakiraan cuaca pada wilayah tersebut. Weather station itu sendiri dilengkapi dengan instrumen dan peralatan elektrik yang digunakan untuk mengamati kondisi atmosfer. Variabel yang diamati oleh setiap stasiun cuaca, diantaranya adalah suhu udara, tekanan udara, kelembaban udara, arah dan kelajuan angin, curah hujan, penguapan, dan lamanya penyinaran oleh matahari.

VIII.2. Suhu Permukaan Laut (SPL)Suhu permukaan laut (SPL) merupakan faktor yang perlu banyak dikaji. Data dari

suhu permukaan laut ini cocok digunakan untuk mengetahui atau memprediksi cuaca di lautan dan terkait dengan kehidupan alam bawah lautnya (Nontji, 2005). Suhu permukaan laut mempunyai hubungan dengan keadaan lapisan air laut yang terdapat di bawahnya, sehingga data suhu permukaan laut dapat digunakan sebagai indikator untuk mendeteksi fenomena yang terjadi dilaut seperti front (pertemuan dua massa air), arus, pengangkatan massa upwelling dan aktivitas biologis organisme (Robinson, 1985).

VIII.3. Sensor LM35Dalam tugas Akhir ini, sensor suhu yang akan dipakai untuk mengamati suhu

pemukaan laut adalah WLM35TS (Waterproof-LM35 Temperature Sensor) yang memakai sensor LM35DZ sebagai komponen utamanya. Sensor suhu LM35 adalah komponen elektronika yang berfungsi mengubah besaran suhu menjadi besaran listrik dalam bentuk tegangan[5].

LM35 hanya memiliki tiga kaki yang berfungsi dalam penggunaannya yaitu Tegangan keluaran sensor ini akan mengalami perubahan 10 mV untuk setiap perubahan suhu 1oC atau memenuhi Persamaan (1)[6].

Vout = 10mV x T (1)

dengan T adalah suhu yang dideteksi dalam derajat Celcius. Sensor suhu LM35 tidak membutuhkan kalibrasi dalam pemakaiannya karena telah dikalibrasi langsung dalam derajat Celcius.

Gambar 1. Sensor suhu LM35[6]

VIII.5. Adaptive Neuro Fuzzy Inference System (ANFIS)ANFIS merupakan suatu teknik optimasi yang menggabungkan jaringan syaraf dan

logika Fuzzy[2]. Jaringan syaraf mengenal pola dan menyesuaikan dengan perubahan pola. Jaringan syaraf merupakan sistem pemroses yang memiliki karakteristik mirip dengan jaringan biologi yang dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi. Jaringan syaraf ditentukan oleh pola hubungan antara neuron disebut arsitektur jaringan, metode dalam mendapatkan bobot penghubung yang disebut metode training, learning atau algoritma., terakhir Jaringan syaraf juga ditentukan oleh fungsi aktivasi yang terdiri dari Fungsi Aktivasi Threshold, Sigmoid dan Identitas. Sedangkan Logika Fuzzy menggabungkan pengetahuan manusia dan menarik kesimpulan untuk membuat suatu keputusan.

Gambar 2. Struktur dasar ANFIS[8]

Gambar diatas merupakan struktur dasar ANFIS dengan 2 input dan 1 output. Berikut merupakan langkah-langkah dari algoritma ANFIS Pada lapisan 1, terdapat 2 masukan yaitu U1 dan U2 pada simpul A dan B yang

direpresentasikan dengan persamaan (2) berikut[8] :

uA 1( x )= 1

1+[( x−ci

a i)

z]k1

(2)

Pada lapisan 1 ini, terdapat parameter dalam proses yang disebut Premise Parameters[8] dengan persamaan sebagai berikut :

a i=ai

a1+a2(3)

Pada lapisan 2, setiap keluran dari node mendefinisikan derajat pengaktifan dari aturan fuzzy[8].

Pada lapisan 3 menghitung rasio pada aturan ith. Keluarannya berupa normalisasi derajat pengaktifan[8].

Pada lapisan 4, parameter dari node dalam lapisan ini disebut consequent parameters. Node dalam lapisan ini menyesuaikan dengan output dari node[8].

Pada lapisan 5, node pada lapisan ini ditetapkan dan menyatukan semua sinyal masukan dari lapisan sebelumnya[8]. Pada lapisan 5 ini kemudian akan digunakan untuk mengambil keputusan.

IX. Metodologi PenelitianAdapun penyelesaian tugas akhir ini dilakukan melalui beberapa tahapan seperti

dibawah, yaitu

Gambar 2. Flowchart Penelitian Tugas Akhir

1. Studi LiteraturUntuk memberikan pemahaman yang lebih baik demi menunjang tugas akhir ini dilakukan studi literatur mengenai suhu permukaan laut (SPL), cuaca dan iklim Indonesia, sistem Maritime Weather Station, proses validasi, sensor suhu LM35 metode Adaptive Neuro Fuzzy Inference System (ANFIS).

2. Pengambilan Data AwalPengambilan data ini dilakukan dengan mengambil data dengan sensor suhu LM35 pada perairan dangkal di pagi hari, siang hari, sore hari, malam hari, dan dini hari.

3. Pengolahan DataPengolahan Data dilakukan untuk mengolah data-data yang telah ambil untuk kemudian dimasukkan ke sistem prediksi

4. Perancangan Sistem PrediktorPerancangan algoritma pemrograman Adaptive Neuro Fuzzy Inference System (ANFIS) untuk melakukan prediksi suhu permukaan laut

5. Running Sistem Prediktor dan ValidasiRunning Sistem Prediksi berguna untuk mengetahui apakah Buoy Laut perlu dilakukan redesign baik dari segi perangkat lunak atau perangkat kerasnya.

6. Perbaikan Sistem Prediktor dan Perangkat Keras Perbaikan sistem baik dari segi perangkat lunak atau perangkat keras ini dilakukan apabila terdapat data yang tidak valid antara data dari lapangan dengan data yang diterima oleh server.

7. Analisa DataAnalisa data dilakukan terhadap hasil yang diperoleh dari Sistem Prediksi dan integrasi dengan perangkat kerasnya.

8. Penyusunan Laporan Tugas AkhirPenyusunan Laporan Tugas Akhir merupakan pembukuan serta dokumentasi dari semua langkah yang telah ditempuh dalam mengerjakan tugas akhir berupa sebuah tulisan ilmiah.

X. Jadwal KegiatanTabel 1. Jadwal Pelaksanaan Program

XI. Daftar Pustaka[1] BMKG. Dokumen Standar Operasional Prosedur Peringatan Dini Pelaporan Dan

Diseminasi Informasi Cuaca Ekstrim. Jakarta : BMKG, 2010. KEP:009[2] Jang, J.S.R., Sun, C.T., Mizutani, E., Neuro-Fuzzy and Soft Computing, A

computational Approuch to Learning and Machine Intelegence, Prentice-Hall International, Inc. USA., 1997

[3] Lilian Minne, “Statistical Process Control for validating a classification tree model for predicting mortality - A novel approach towards temporal validation”. Journal of Biomedical Informatics, 37-44, 2012

[4] Ulrich Herzog, “Performance validation tools for software-hardware systems”, Performance Evaluation An International Journal 45 125-146, Elvesier Science B.V., 2001

[5] Suyadhi, Taufiq Dwi Septian, Buku Pintar Robotika, Penerbit Andi, Yogyakarta, 2010

[6] http://www.national.com/ds/LM/LM35.pdf[7] Tektas, Mehmet, “Weather Forecasting Using ANFIS and ARIMA MODELS. A

Case Study for Istanbul”, Environmental Research, Engineering and Management No. 1(51), P. 5 – 10, 2010

[8] Shereef, Kadar, “New Weather Forecasting Technique Using ANFIS With Modified Levenberg-Marquadt Algorithm for Learning”, International Journal of Computer Science and Information Security, Vol. 10, No. 3, March 2012

[9] Kumar, Pankaj, “Minimum Weekly Temperature Forecasting using ANFIS”, Computer Engineering and Intelligent Systems, Vol 3, No.5, 2012

10] Bada, Hilda Isniawati Nela, “Validasi dan Pengembangan Algoritma Suhu Permukaan Laut Pathfinder Satelit NOAA - AVHRR di Perairan Utara Papua”, Skripsi, Intitut Pertanian Bogor, 2012

[11]Setyawan, Dimas Happy, “Rancang Bangun Sistem Pengukuran Kelembaban Udara dan Suhu Pada Buoy Weather Untuk Membangun Prediktor Cuaca Maritim”, Tugas Akhir, Intitut Teknologi Sepuluh Nopember, 2012

[12]Jianhua Hu, “The Characteristics of Rain In The Raining Seasons in Guangdong province and its relationship with Sea Surface Temperature (SST)”, Hydrology and Water Resources of Hohai University, 2012

[13]M. M. Ali, D. Swain, Tina Kashyap, J. P. McCreary, and P. V. Nagamani, “Relationship Between Cyclone Intensities and Sea Surface Te mperature in the Tropical Indian Ocean”, Geoscience and Remote Sensing Letters, Vol. 10, No. 4, 2012

[14]Craig J. Donlon, Matthew Martin, John Stark, Jonah Roberts-Jones, Emma Fiedler, and Werenfrid Wimmer, “The Operational Sea Surface Temperature and Sea Ice Analysis (OSTIA) system”, Remote Sensing of Environment 116, 140– 158, 2012