Tugas Akhir - 2006 PREDIKSI TEMPERATUR LAUT DENGAN MENGGUNAKAN METODE FUZZY LINEAR REGRESSION SEA TEMPERATURE FORECASTING USING FUZZY LINEAR REGRESSION METHOD Prakanya Waradiptya¹, -² ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom Abstrak Data temperatur laut yang direpresentasikan dengan data SST (Sea Surface Temperature) -- °C, adalah kumpulan data yang berpola berdasarkan waktu, data temperatur laut merupakan data seasonal artinya dalam jangka waktu satu tahun kelakuan data temperatur laut tersebut akan mirip. Bila dalam satu tahun terdapat representasi temperatur laut secara bulanan, maka nilai temperatur bulanan tersebut akan mempunyai pola yang sama pada tiap tahunnya dan dengan begitu kita dapat melakukan prediksi nilai temperatur laut di suatu bulan tertentu berdasarkan pola data yang ada. Awal munculnya metode Fuzzy Linear Regression adalah untuk memprediksi suatu data kualitatif, data yang kurang jelas, data yang kurang lengkap, agar dapat diprediksi nilainya pada masa mendatang, namun sebenarnya metode Fuzzy Linear Regression ini juga dapat diterapkan pada data kuantitatif. Hal itulah yang menjadi bahan penelitian pada Tugas Akhir ini bahwa sebenarnya metode Fuzzy Linear Regression bahkan lebih baik untuk memprediksikan data-data kuantitatif, bukan hanya data kualitatif, dibandingkan dengan metode Regresi Linear. Berdasarkan hasil penelitian dalam Tugas Akhir ini, prediksi dengan Fuzzy Linear Regression akan mempunyai hasil prediksi terbaik dengan karakteristik data masukan data historis sebanyak 2 tahun dengan jumlah data untuk angka fuzzy Xi sebanyak 5. Tingkat keakuratan hasil prediksi data temperatur laut yang digunakan sebagai contoh kasus disini dengan metode Fuzzy Linear Regression menunjukkan bahwa metode tersebut memang lebih baik dibandingkan dengan metode Regresi Linear biasa yang memang diperuntukkan untuk melakukan prediksi angka-angka kuantitatif, berdasarkan rata-rata presentase nilai kesalahan hasil prediksi dari 30 percobaan. Rata-rata kesalahan prediksi dengan Fuzzy Linear Regression dari 30 kali percobaan adalah 1.51% dengan nilai standar deviasi 1.87%, sedangkan Linear Regression mempunyai nilai 2.95% dengan standar deviasi 2.60%. Kata Kunci : prediksi temperatur laut, fuzzy linear regression, SST, angka fuzzy Abstract Sea temperature data represented by SST (Sea Surface Temperature) --°C, are data which have a line in pattern through time dimension characteristic, sea temperature data are seasonal data, means that in one year period their behavior will show the similar trend. If in one year, there are monthly sea temperature representations, then those monthly sea temperatures will show similar pattern in each of every year and so we could do predict the sea temperature on a given month based on the pattern. The start of Fuzzy Linear Regression method was intended to predict qualitative data, the data which are fuzzy, uncompleted, so that the future value could be gotten, but actually this method could be applied to quantitative data. That is then the point of this research that Fuzzy Linear Regression method could even better do prediction of quantitative data, not only for qualitative data, compared with Linear Regression method. Based on the research, the prediction using Fuzzy Linear Regression will have the best prediction numbers with 2 years historical input data and 5 data for fuzzy numbers Xi. Accuracy level of sea temperature prediction result using Fuzzy Linear Regression method showed that Fuzzy Linear Regression method is better than regular Linear Regression which is the method for predicting quantitative numbers, based on average errors of prediction result from 30 experiments. Average error using Fuzzy Linear Regression from 30 experiments is 1.51% with 1.87% standard deviation, otherwise Linear Regression has 2.95% with standard deviation 2.60%. Keywords : predicting sea temperature, fuzzy linear regression, SST, fuzzy numbers Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Informatika Tugas Akhir - 2006 BAB I PENDAHULUAN I.1 Latar Belakang Pada awalnya metode Fuzzy Linear Regression merupakan metode yang diciptakan untuk melakukan prediksi dimana data yang tersedia adalah data kualitatif, data yang tidak jelas, data yang masih kabur definisi matematisnya. Data yang tidak berbentuk angka. Data yang berbentuk fuzzy tersebut kemudian diregresikan secara linear untuk didapatkan nilai masa mendatangnya. Namun kemudian metode Fuzzy Linear Regression ini dapat juga dipergunakan untuk melakukan prediksi terhadap angka-angka yang crisp, angka-angka yang pasti, angka-angka yang kuantitatif. Kasus angka-angka kuantitatif yang dilakukan prediksi dengan menggunakan metode Fuzzy Linear Regression adalah kasus memprediksi data temperatur laut yang dipresentasikan dalam data SST (Sea Surface Temperature) dengan satuan temperatur derajat Celcius. Kelakuan temperatur laut perlu untuk diperkirakan demi kepentingan hubungan manusia dan lingkungan alamnya. Apalagi manusia Indonesia yang hidup dalam negara dengan karakteristik wilayah kelautan. Dan yang lebih terpenting lagi bahwa letak negara Indonesia diapit oleh dua buah Samudera, yakni Samudera Pasifik dan Samudera Hindia. Kelakuan laut (samudera) tersebut akan sangat mempengaruhi daratannya, termasuk di dalamnya kelakuan temperaturnya. Penelitian untuk memprediksikan temperatur laut bertujuan agar manusia dapat membuat rencana terhadap akibat kelakuan laut di masa mendatang. Alam merupakan sesuatu yang tidak mudah ditebak oleh karena itu diperlukan prediksi dengan tingkat keakuratan yang tinggi. Samudera Pasifik, salah satu samudra yang mengapit wilayah Indonesia, merupakan samudera terbesar di bumi[2]. Dengan begitu, pengaruh kelakuan Samudera tersebut terhadap iklim dan keadaan di daratan adalah besar. Perubahan temperatur yang terjadi di Samudera Pasifik tersebut secara fakta berpengaruh sangat besar terhadap iklim di muka bumi, berpengaruh juga terhadap adanya bencana kekeringan atau bencana di musim basah, seperti banjir, longsor atau badai[6]. Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2006 Selain karena alasan diatas, proses prediksi dengan metode Fuzzy Linear Regression untuk temperatur laut dikarenakan karakteristik data temperatur laut sesuai untuk metode tersebut. Data temperatur laut merupakan data yang seasonal, data yang berulang berdasarkan waktu. Dalam satu tahun, kelakuan data temperatur laut akan mempunyai pola. Dengan berdasar pada pola itulah dilakukannya prediksi. Untuk kasus temperatur laut ini, keberulangan data terjadi dalam setiap rentang satu tahun yang terdiri dari 12 data yang merepresentasikan nilai temperatur laut bulanan. Dengan metode Fuzzy Linear Regression ini, pola temperatur laut bulanan tersebut akan dirumuskan untuk mendapatkan hasil prediksi bulan tertentu lainnya. Metode Fuzzy Linear Regression juga cocok untuk melakukan long-term forecasting[4], yaitu prediksi yang dilakukan secara bulanan, persis seperti data temperatur laut yang tersedia secara bulanan. Selain itu, Fuzzy Linear Regression juga dapat digunakan bila terjadi small data set[1], data yang tersedia hanya sedikit atau terjadi kekurangan data, apalagi jika data yang tersedia juga banyak. Metode Fuzzy Linear regression dapat digunakan untuk mengatasi masalah ketidakakuratan dan ketidaknormalan hasil dari linearisasi dalam regresi statistik[1]. Menurut [5] metode Fuzzy Linear Regression lebih efektif dari regresi statistik linear untuk menangani data yang fuzzy, dan ingin dibuktikan disini bahwa Fuzzy Linear Regression juga lebih baik untuk data yang crisp, seperti temperatur laut. I.2 Rumusan Masalah Masalah yang muncul dalam Tugas Akhir ini untuk diselesaikan adalah bagaimana menganalisis, merancang dan mengimplementasikan metode Fuzzy Linear Regression pada suatu masalah yang mempunyai kebutuhan untuk dilakukan prediksi nilainya di masa mendatang. Masalah tersebut adalah bagaimana melakukan prediksi temperatur laut pada suatu waktu yang ditentukan, berdasarkan kelakuan data temperatur laut sebelumnya. Prediksi temperatur laut ini ditentukan berdasarkan waktu, jadi dengan ketersediaan data temperatur laut pada waktu sekarang, diharapkan diperoleh temperatur laut di waktu yang akan datang. Kemudian hasil prediksi temperatur laut dengan metode Fuzzy Linear Regression dibandingkan dengan hasil prediksi temperatur laut dengan metode Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2006 regresi linear berdasar presentase kesalahan hasil prediksi. Nilai kesalahan hasil prediksi didefinisikan sebagai perbandingan hasil prediksi dengan data nyata yang ada, jadi dalam penelitian ini dilakukan prediksi temperatur yang pada suatu waktu yang telah ada data nyatanya (fakta). I.3 Tujuan Penulisan 1. Implementasi metode Fuzzy Linear Regression untuk membantu melakukan prediksi temperatur laut berdasarkan kelakuan temperatur laut di waktu sebelumnya. 2. Mengukur keakuratan hasil prediksi temperatur laut dengan metode Fuzzy Linear Regression prediksi, yang diduga mempunyai hasil prediksi yang relatif lebih akurat terhadap metode regresi statistik linear. I.4 Batasan Masalah Dalam penulisan Tugas Akhir ini, objek penelitian dibatasi dengan ruang lingkup sebagai berikut : 1. Variabel yang digunakan adalah nilai temperatur laut berdasarkan satuan waktu dalam derajat Celcius. 2. Untuk kepentingan perbandingan nilai kesalahan hasil prediksi antara metode Fuzzy Linear Regression dengan metode regresi linear, hasil prediksi dengan metode regresi linear statistik merupakan output dari tool statistik, QM for Windows dan CurveExpert1.3. 3. Studi kasus prediksi temperatur laut ini berlokasi di Samudra Pasifik dengan data yang digunakan adalah data temperatur laut yang diambil per bulan selama tahun 1950 hingga 2006. 4. Data masukan pada metode Fuzzy Linear Regression ini dibatasi hanya 2 tahun saja. Hal tersebut juga berhubungan dengan kepentingan pengujian metode Fuzzy Linear Regression yang dapat memprediksi dengan keadaan data historis yang kurang. 5. Prediksi yang dilakukan hanya prediksi temperatur laut, tidak sampai pada dilakukannya prediksi terjadinya fenomena El nino dan La nina atau fenomena alam lainnya. Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2006 I.5 Metodologi Penyelesaian Masalah Metodologi penyelesaian masalah dalam tugas akhir ini adalah : 1. Studi Literatur; tahap pendalaman materi, identifikasi masalah dan metodologi pemecahan serta metode perancangan pemodelan sistem. 2. Analisis kebutuhan beserta Pencarian dan pengumpulan data; dari laporan lembaga-lembaga valid terkait. 3. Analisis dan Perancangan Sistem; tahap analisis sistem dan tahap perancangan sistem perangkat lunak. 4. Implementasi dan Evaluasi; tahap penerapan dan transformasi dari representasi teoritik ke dalam sistem sesuai dengan rancangan dan tahap pengujian, evaluasi proses, perbaikan, dan pengambilan kesimpulan. 5. Penyusunan Laporan Tugas Akhir I.6 Sistematika Penulisan Tugas akhir ini akan disusun berdasarkan sistematika penulisan sebagai berikut : BAB I : Pendahuluan Menjelaskan mengenai latar belakang dari sistem yang akan dibuat, rumusan masalah yang akan dianalisis, tujuan dari pembuatan sistem ini, pembatasan dari masalah yang timbul, menentukan metodologi pemecahan serta sistematika penulisan. BAB II : Landasan Teori Memuat berbagai teori yang mendukung terlaksananya pengembangan sistem ini, yaitu diantaranya meliputi konsep metode himpunan fuzzy, konsep fuzzy linear regression-nya sendiri, kemudian ditambah sedikit pengetahuan yang mendukung pada masalah kelautan. BAB III : Analisis dan Perancangan Sistem Berisi tentang hasil analisis terhadap seluruh sistem dan kebutuhan yang diperlukan, seperti diantaranya data kelakuan temperatur sebagai inputan yang mendukung prediksi. Juga membahas mengenai rancangan dari sistem, seperti rancangan bagaimana Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2006 hubungan antara input-proses-output, formulasi regresinya, algoritma-algoritma pemogramannya serta rancangan antarmuka dari aplikasi yang akan dibangun. BAB IV : Implementasi dan Evaluasi Implementasi yang meliputi proses transformasi hasil rancangan pada praktek pembangunan sistem perangkat lunak. Kemudian dengan menggunakan sistem tersebut dilakukan pengujian terhadap metode Fuzzy Linear Regression untuk memprediksikan data temperatur laut dan kemudian dilakukan analisis perbandingan. BAB V : Kesimpulan dan Saran Berisi tentang kesimpulan dari keseluruhan rangkaian penelitian yang dilakukan mengenai metode Fuzzy Linear Regression untuk memprediksi temperatur laut, pembenaran atau penyangkalan dari hipotesa (tercantum di tujuan penulisan) yang ditetapkan, dan saran untuk pengembangan selanjutnya. Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Informatika Tugas Akhir - 2006 BAB V KESIMPULAN DAN SARAN 5.1 KESIMPULAN Berdasarkan hasil pengujian pada Bab IV sebelumnya, maka dapat ditarik kesimpulan sebagai berikut : 1. Metode Fuzzy Linear Regression mempunyai performansi yang lebih baik dalam memprediksikan data SST (Sea Surface Temperature) dibandingkan dengan metode Linear Regression. 2. Hasil Prediksi metode Fuzzy Linear Regression dengan data historis 2 Tahun dengan jumlah data untuk angka fuzzy Xi sebanyak 5 merupakan hasil prediksi yang paling akurat. 3. Dalam 30 kali percobaan, metode Fuzzy Linear Regression 11 kali lebih buruk memprediksi data SST dibandingkan dengan metode Linear Regression. 4. Metode Fuzzy Linear Regression tidak akan berjalan menghasilkan angka prediksi, bila jumlah data yang akan dikonversikan menjadi angka fuzzy Xi berjumlah hanya satu. Karena perhitungannya akan mencapai perhitungan pembagian angka nol. 5. Terkadang metode Fuzzy Linear Regression gagal melakukan prediksi data SST dikarenakan metode Fuzzy Linear Regression dengan menggunakan linear Programming untuk membangun regresi linear-nya, sangat sensitif sekali terhadap pencilan (outliers). Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2006 5.2 SARAN 1. Melakukan prediksi dengan metode Fuzzy Linear Regression dengan data historis sebanyak lebih dari 2 tahun. 2. Membandingkan hasil prediksi metode Fuzzy Linear Regression ini dengan metode neural-network fuzzy. 3. Melakukan prediksi ekstrapolasi dengen menggunakan metode Fuzzy Linear Regression ini. 4. Dalam hal prediksi temperatur, dapat dikembangkan masalah untuk melakukan prediksi terhadap fenomena alam El Nino dan La Nina yang sangat tergantung pada temperatur permukaan laut. Terutama temperatur permukaan Samudra Pasifik yang direpresentasikan dalam data NINO3. Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Informatika Tugas Akhir - 2006 DAFTAR PUSTAKA [1] Arnold F. Shapiro, Fuzzy Regression and Term Structure of Interest Rates Revisited Penn State University [2] Christopher Maynard, Planet Bumi [3] Earl Cox, The Fuzzy Systems HandBook Academic Press, Inc 1994 [4] Fortin V, Ouarda TBMJ, Rasmussen PF, dan B Bobee, Streamflow Forecasting Method PT. Widyanara, Jakarta 1994 A Review of Rev. Sci. Eau 10 (4) : 461-487[article in Frech] original title : Revue bibliographique des méthodes de prévision des debits 1997 [5] Gerardo Canvora, Luigi Cerulo, and Luigi Troiano, An Experience of Fuzzy Linear Regression applied to Effort Estimation Research Centre on Software Technology Department of Engineering University of Sannio, Italy http://cise.rcost.unisannio.it 2004 [6] Hadikusumah, Global Climate Changes Puslitbang Oseanologi-LIPI, Jakarta. [7] James J. Buckley and Seung Hoe Choi, Note on Fuzzy Regression Models [8] Kwang Jae Kim, Herbert Moskowitz, and Murat Koksalan, Fuzzy versus statistical linear regression European Journal of Operational Research 92 (1996) 417-434, November 1994 [9] Kyung-Bin Song, Young-Sik Baek, Dug Hun Hong, and Gilsoo Jang, ShortTerm Load Forecasting for the Holidays Using Fuzzy Linear Regression Method IEEE TRANSACTIONS ON POWER SYSTEMS, Vol. 20, No. 1, February 2005 [10] Merriam-Webster Inc, The Merriam-Webster Concise office Dictionary Merriam-Webster Inc., Publishers, Springfield, Massachusetts, United State of America 1991, p.529. [11] Roger S. Pressman, Software Engineering A Practitioner s Approach Fifth Edition McGraw Hill 2001 [12] [13] SSTOI_Indices http://www.cpc.ncep.noaa.gov/data/indices/ Vernon E. Kousky, Chief of Development Branch of NCEP Climate Prediction Center, Camp Springs, MD, United State of America, July 2006. Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2006 [14] Wayne L. Thomson, Operation Research, Application and Algorithms 3rd Edition International Thomson Publishing 1994 Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Informatika