Pemodelan Fuzzy Inference System Tsukamoto untuk Prediksi Kejadian Banjir di Kota Malang

Penulis

Philip Faster Eka Adipraja, Danang Arbian Sulistyo, Ida Wahyuni

Abstrak

Saat ini Malang menjadi kota yang mulai padat dengan perumahan penduduk. Hal tersebut mengakibatkan jumlah ruang terbuka hijau untuk penyerapan air hujan menjadi bekurang dan menyebabkan bencana banjir di beberapa tempat. Bencana banjir yang terjadi di Kota Malang merupakan bencana yang cukup serius dan membutuhkan penanganan cepat, karena banjir sering terjadi di perumahan padat penduduk. Oleh sebab itu, prediksi bencana banjir perlu dilakukan terlebih dahulu agar antisipasi dan mitigasi dapat dilakukan sedini mungkin. Tujuan dari penelitian ini adalah mengimplementasikan pemodelan algoritma Fuzzy Inference System (FIS) Tsukamoto untuk memprediksi terjadinya kejadian banjir di Kota Malang. Data yang digunakan adalah data curah hujan dan intensitas hujan di Kota Malang. Data tersebut diprediksi kedepannya sebagai masukan dalam memodelkan metode FIS Tsukamoto untuk memprediksi kejadian banjir dengan nilai error terkecil. Hasil prediksi yang dihasilkan oleh algoritma FIS Tsukamoto adalah jumlah kemungkinan kejadian banjir yang akan terjadi. Dari hasil pengujian yang dilakukan pada data jumlah kejadian banjir pada tahun 2016-2017 dihasilkan nilai error RMSE yang cukup kecil yaitu 2.76. Maka, dengan menggunakan data hasil perkiraan curah hujan dan intensitas hujan tiga tahun kedepan dari penelitian sebelumnya, pemodelan FIS Tsukamoto dapat diimplementasikan untuk memprediksi jumlah kejadian banjir di Kota Malang untuk tiga tahun kedepan mulai tahun 2018-2020.

 

Abstract

Today, Malang is a city that is starting to become crowded with population housing. This has resulted in the amount of green open space for absorption of rainwater to be reduced and causing floods in several places. The flood disaster that occurred in Malang City was a quite serious disaster and needed rapid handling, because flooding often occurs in densely populated housing. Therefore, the prediction of floods needs to be done in advance so that anticipation and mitigation can be done as early as possible. The purpose of this study is to implement the Tsukamoto Fuzzy Inference System (FIS) algorithm to predict the occurrence of flooding in Malang City. The data used are rainfall and rainfall intensity data in Malang City. The data is predicted in the future as input in modeling the Tsukamoto FIS method to predict flood events with the smallest error value. The prediction results generated by the Tsukamoto FIS algorithm are the number of possible flood events that will occur. From the results of the tests conducted on the data on the number of flood events in 2016-2017, the RMSE error value that was quite small was generated, which was 2.76. So, by using the results of rainfall and rainfall intensity estimates from the previous research, Tsukamoto's FIS modeling can be implemented to predict the number of flood events in Malang City for the next three years starting in 2018-2020.


Teks Lengkap:

PDF

Referensi


ABIDIN, A. (2017, January 2). Kasus Bencana di Kota Malang Meningkat, Ini Daftar Wilayah Rawan Bencana di Lima Kecamatan. Surya Malang. Retrieved from http://suryamalang.tribunnews.com/2017/01/02/kasus-bencana-di-kota-malang-meningkat-ini-daftar-wilayah-rawan-bencana-di-lima-kecamatan

ADHI, A. (2014, August 12). Hasil Survei, Kota Malang Nyaman tetapi Sering Banjir. Surya Online. Retrieved from http://surabaya.tribunnews.com/2014/08/12/hasil-survei-kota-malang-nyaman-tetapi-sering-banjir

ADIPRAJA, P. F. E., &SULISTYO, D. A. (2018). Pemodelan Sistem Dinamik untuk Prediksi Intensitas Hujan Harian di Kota Malang. Jurnal Ilmiah Teknologi Informasi Asia, 12(2), 1–10.

BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA. (2017). Prakiraan Musim Hujan 2017/2018 di Indonesia. Jakarta: BMKG.

COOLEY, A., &CHANG, H. (2017). Precipitation Intensity Trend Detection using Hourly and Daily Observations in Portland, Oregon. Climate, 5(1), 10. https://doi.org/10.3390/cli5010010

DEWANTO, W. K., &MUSLIM, M. A. (2013). Rancang Bangun Model Potensi Banjir pada Jalan Arteri di Kota Malang Menggunakan Logika Fuzzy. EECCIS, 7(1), 53–58.

GOODWIN, P., & LAWTON, R. (1999). On the asymmetry of the symmetric MAPE. International Journal of Forecasting, 15(4), 405–408. https://doi.org/10.1016/S0169-2070(99)00007-2

HAYAT. (2014). Implementasi Kebijakan Penataan Ruang Terbuka Hijau. Jurnal Ilmu Administrasi Negara, 13(1), 43–56. Retrieved from http://ejournal.unri.ac.id/index.php/JIANA/article/view/2366

IRIANTO, G. (2003). Sistem Peringatan Dini Tentang Banjir. Kompas, (1), 1–4.

KNIGHT, P. J., PRIME, T., BROWN, J. M., MORRISSEY, K., &PLATER, A. J. (2015). Application of flood risk modeling in a web-based geospatial decision support tool for coastal adaptation to climate change. Natural Hazards and Earth System Sciences, 15(7), 1457–1471. https://doi.org/10.5194/nhess-15-1457-2015

MAZENDA, G., SOEBROTO, A. A., &DEWI, C. (2015). Implementasi Fuzzy Inference System (FIS) Metode Tsukamoto pada Sistem Pendukung Keputusan Penentuan Kualitas Air Sungai. DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, 1–11.

MENTASCHI, L., BESIO, G., CASSOLA, F., &MAZZINO, A. (2013). Problems in RMSE-based wave model validations. Ocean Modelling, 72, 53–58. https://doi.org/10.1016/j.ocemod.2013.08.003

PABALIK, I., IHSAN, N., &ARSYAD, M. (2015). Analisis Fenomena Perubahan Iklim dan Karakteristik Curah Hujan Ekstrim di Kota Makassar. Jurnal Sains Dan Pendidikan Fisika (JSPF), 11(1), 88–92.

RIDHONI, M., SURJONO, S., &WIJAYA, I. N. S. (2017). Evaluasi Tingkat Keberlanjutan Fisik Kampung Kota di Kecamatan Klojen, Kota Malang dengan Pendekatan Fuzzy Logic. Indonesian Green Technology Journal , 6(1), 1–7.

WAHYUNI, I., &AHDA, F. A. (2018). Pemodelan Fuzzy Inference System Tsukamoto Untuk Prediksi Curah Hujan Studi Kasus Kota Batu. Jurnal Ilmiah Teknologi Dan Informasi ASIA (JITIKA), 12(2), 1–12.

WAHYUNI, I., &MAHMUDY, W. F. (2017). Rainfall Prediction in Tengger-Indonesia Using Hybrid Tsukamoto FIS and Genetic Algorithm. Journal of ICT Research and Applications, 11(1), 38–54. https://doi.org/10.5614/itbj.ict.res.appl.2017.11.1.3

WAHYUNI, I., MAHMUDY, W. F., &IRYANI, A. (2016). Rainfall Prediction in Tengger Region-Indonesia Using Tsukamoto Fuzzy Inference System. In 1th International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE) (pp. 1–11). Yogyakarta.

WAHYUNI, I., &UTAMININGRUM, F. (2016). Error Numerical Analysis for Result of Rainfall Prediction Between Tsukamoto FIS and Hybrid Tsukamoto FIS with GA. The 8th International Conference on Advanced Computer Science and Information Systems (ICACSIS), 16, 365–372. https://doi.org/10.1109/ICACSIS.2016.7872721

WILLMOTT, C. J., &MATSUURA, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate Research, 30(1), 79–82. https://doi.org/10.3354/cr030079