LAPORAN KTI
-
Upload
harits-eko -
Category
Documents
-
view
62 -
download
2
description
Transcript of LAPORAN KTI
LAPORAN TUGAS KONSEP TEKNOLOGI INFORMATIKA
PENANGGULANGAN BANJIR DENGAN MENGGUNAKAN METODE
FUZZY LOGIC
OLEH
HARITS EKOPRASTYO ABDURRAHMAN - 7412040706
FIKRIADI BUDI SANTOSO – 7412040715
BAGUS MASRURI SANTOSO – 7412040716
AHMAD FARIHIN - 7412040725
1. Latar Belakang
Banjir merupakan fenomena alam dimana terjadi kelebihan air yang tidak tertampung
oleh jaringan drainase di suatu daerah sehingga menimbulkan genangan yang merugikan.
Kerugian yang diakibatkan banjir seringkali sulit diatasi baik oleh masyarakat maupun instansi
terkait. Banjir disebabkan oleh berbagai macam faktor yaitu kondisi daerah tangkapan hujan,
durasi dan intesitas hujan, land cover, kondisi topografi, dan kapasitas jaringan drainase.
Banjir di daerah perkotaan memiliki karakteristik yang berbeda dengan banjir pada
lahan/alamiah. Pada kondisi di alam, air hujan yang turun ke tanah akan mengalir sesuai kontur
tanah yang ada ke arah yang lebih rendah. Untuk daerah perkotaan pada umumnya air hujan
yang turun akan dialirkan masuk ke dalam saluran-saluran buatan yang mengalirkan air masuk
ke sungai. Kontur lahan yang terdapat di daerah perkotaan direncanakan agar air hujan yang
turun mengalir ke dalam saluran-saluran buatan tadi. Ada kalanya, kapasitas saluran tersebut
tidak mencukupi untuk menampung air hujan yang terjadi, sehingga mengakibatkan terjadinya
banjir. Kasus-kasus banjir di daerah perkotaan memiliki beberapa masalah yang perlu ditelaah
lebih lanjut. Arah aliran yang terjadi tidak lagi sepenuhnya bergantung pada kondisi topografi
lahan, karena adanya bangunan-bangunan yang menghalangi arah aliran air. Aliran yang terjadi
berubah arah karena membentur bangunan dan mengakibatkan arah aliran memantul atau
berbelok baik ke kiri maupun ke kanan [Farid, 2007].
2. Dasar Teori
2.1 MATLAB
MATLAB adalah sebuah lingkungan komputasi numerikal dan bahasa pemrograman
komputer generasi keempat. Dikembangkan oleh The MathWorks, MATLAB memungkinkan
manipulasi matriks, pem-plot-an fungsi dan data, implementasi algoritma, pembuatan antarmuka
pengguna, dan peng-antarmuka-an dengan program dalam bahasa lainnya. Meskipun hanya
bernuansa numerik, sebuah kotak kakas (toolbox) yang menggunakan mesin simbolik MuPAD,
memungkinkan akses terhadap kemampuan aljabar komputer. Sebuah paket tambahan, Simulink,
menambahkan simulasi grafis multiranah dan Desain Berdasar-Model untuk sistem terlekat dan
dinamik.
Pada tahun 2004, MathWorks mengklaim bahwa MATLAB telah dimanfaatkan oleh
lebih dari satu juta pengguna di dunia pendidikan dan industri.
SEJARAH :
MATLAB (yang berarti "matrix laboratory") diciptakan pada akhir tahun 1970-an oleh
Cleve Moler, yang kemudian menjadi Ketua Departemen Ilmu Komputer di Universitas New
Mexico. Ia merancangnya untuk memberikan akses bagi mahasiswa dalam memakai LINPACK
dan EISPACK tanpa harus mempelajari Fortran. Karyanya itu segera menyebar ke universitas-
universitas lain dan memperoleh sambutan hangat di kalangan komunitas matematika terapan.
Jack Little, seorang insinyur, dipertemukan dengan karyanya tersebut selama kunjungan Moler
ke Universitas Stanford pada tahun 1983. Menyadari potensi komersialnya, ia bergabung dengan
Moler dan Steve Bangert. Mereka menulis ulang MATLAB dalam bahasa pemrograman C,
kemudian mendirikan The MathWorks pada tahun 1984 untuk melanjutkan pengembangannya.
Pustaka yang ditulis ulang tadi kini dikenal dengan nama JACKPAC. Pada tahun 2000,
MATLAB ditulis ulang dengan pemakaian sekumpulan pustaka baru untuk manipulasi matriks,
LAPACK.
MATLAB pertama kali diadopsi oleh insinyur rancangan kontrol (yang juga spesialisasi Little),
tapi lalu menyebar secara cepat ke berbagai bidang lain. Kini juga digunakan di bidang
pendidikan, khususnya dalam pengajaran aljabar linear dan analisis numerik, serta populer di
kalangan ilmuwan yang menekuni bidang pengolahan citra
2.2 LOGIKA FUZZY
Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep
kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam
istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran
boolean dengan tingkat kebenaran.
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga
hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan
"sangat". Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy
diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.
Logika fuzzy dan logika probabilitas secara matematis sama - keduanya mempunyai nilai
kebenaran yang berkisar antara 0 dan 1 - namun secara konsep berbeda. Logika fuzzy berbicara
mengenai "derajat kebenaran", sedangkan logika probabilitas mengenai "probabilitas,
kecenderungan". Karena kedua hal itu berbeda, logika fuzzy dan logika probabilitas mempunyai
contoh penerapan dalam dunia nyata yang berbeda.
2.3 Fuzzy Logic Tool Box
MATLAB menyediakan tool untuk membuat System Inferensi Fuzzy (FIS) bernama
Fuzzy Logic Toolbox (FLT).
FLT memiliki 5 jenis GUI untuk merancang FIS:
1. FIS Editor
2. Membership Function Editor
3. Rule Editor
4. Rule Viewer
5. Surface viewer
3. Keputusan Early Warning Dampak Luapan Banjir dengan Fuzzy
1. Kita tentukan variable linguistiknya yaitu sensor, komunikasi data dan luapan banjir
2. Kita buka software MATLAB dan ketikkan fuzzy pada GUI nya
3. Tampilan FIS Editor
4. Kita buat inputnya jadi 2 yaitu dengan menambah inputnya dengan cara klik tool edit pilih
add variable pilih input.
- Untuk gambar Input 1 : Sensor
- Untuk gambar Input 2 : Komunikasi Data
- Untuk gambar Output : Luapan Banjir
• Untuk menyimpan pengerjaan Matlab :
File => Export => To file (Pilih direktori letak penyimpanan) => Save
4. Membership Function Editor
1. Dari FIS editor, pilih: Edit - Membership Functions
5. Rule Editor
1. Dari FIS editor, Pilih: Edit => Rules. Lalu hubungkan setiap rule
6. Rule Viewer
1. Rule viewer menampilkan proses inferensi di dalam FIS.
2. Klik View => Rules
7. Surface Viewer
1. Surface Viewer menampilkan keluaran FIS dalam plot 3-D
2. Klik View => Surface
8. Pengujian
1. Ketik : fis = readfis(‘early-warning’) lalu Enter, maka Matlab akan meload engine FIS yang
kita miliki yaitu : early-warning.fis. Berarti variabelnya diberi nama “fis”.
>>fis=readfis(‘early-warning’)
2. Berikutnya kita uji, misalnya Sensor Lambat, yaitu 1 sedangkan Komunikasi Data Lambat.
Instruksi yang diperlukan adalah evalfis.
>>out=evalfis([1 1],fis)
Kategori Nilai :
0 : awas
1 : awas
2 : awas
3 : awas
4 : awas
5 : rata-rata
6 : waspada
7 : waspada
8 : waspada
9 : waspada
10 : waspada