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