prediksi temperatur laut dengan menggunakan metode fuzzy linear

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