Prediksi Cuaca Pekanbaru Menggunakan Fuzzy Tsukamoto dan Algoritma Genetika

Fitri Insani (Scopus ID: 57190404820), Syafawani Fadilah

Abstract


Abstrak

Keadaan cuaca pekanbaru cenderung berubah dengan cepat, hal ini mengakibatkan terjadinya penyimpangan yang tidak dapat dihindari. Prediksi cuaca dibutuhkan untuk mengantisipasi keadaan cuaca yang cenderung berubah dengan cepat. Proses penentuan prediksi cuaca menggunakan beberapa krieria yaitu Suhu udara, Kelembaban, Kecepatan Angin dan Perawanan. Algoritma genetika berfungsi sebagai pencarian nilai optimum pada masing-masing individu yang akan dibangkitkan sebagai batas fungsi keanggotaan Fuzzy Tsukamoto. Adapun tahapan Algoritma Genetika pada kasus ini adalah inisialisasi populasi awal, perkawinan silang (crossover), Mutasi dan seleksi. Individu yang tertinggi akan dijadikan solusi untuk prediksi cuaca. Adapun akurasi yang didapatkan melalui pengujian sistem menggunakan akurasi yaitu 72% dengan nilai probabilitas crossover 0,6 dan probabilitas mutation 0,4. Hasil nilai evaluasi ini membuktikan kombinasi Fuzzy Tsukamoto menggunakan Algoritma Genetika mampu menghasilkan hasil akhir yang optimal.

Full Text:

PDF

References


Dewi, C., Kartikasari, D. P., & Mursityo, Y. T. (2014). Prediksi Cuaca Pada Data Time Series Menggunakan Adaptive Neuro Fuzzy Inference System (Anfis). Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 18-24.

Azizah, E. N., Cholissodin, I., & Mahmudy, W. F. (2015). Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Penentuan Harga Jual Rumah. Journal of Environmental Engineering & Sustainable Technology, 79-82.

Fitri, A., & Mahmudy, W. F. (2017). Optimasi Keanggotaan Fuzzy TsukamotoMenggunakan Algoritma Genetika pada Penentuan Prioritas Penerima Zakat. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 1, No. 2, 125-138.

Kurnianingtyas, D., Mahmudy, W. F., & Wahyu, A. W. (2017). Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakaalgoritma Genetika Untuk Diagnosis Penyakit Sapi Potong. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 4, No. 1, 8-18 .

Marbun, Y., Nikentar, N., & Bettiza, M. (2012). Perbandingan Algoritma Genetika dan Particle Swarm Optimizationdalam Optimasi Penjadwalan Matakuliah. 1-7.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id