Pemodelan Sambaran Petir Dengan Menggunakan Adaptive Neuro-fuzzy Inference System (anfis) (studi Kasus : Kota Bandung)

Abstract

Dalam penelitian ini dilakukan pembentukan dan pengujian suatu PEMODELAN (forecasting) jumlah sambaran petir di Kota Bandung dengan menggunakan Adaptive Neuro-Fuzzy Inference System (ANFIS) berdasarkan data time series jumlah sambaran petir dari 1 jauari 2007 sampai 31 desember 2010. Penelitian dilakukan untuk membuat PEMODELAN dan mengetahui hasil peramalan tersebut. Pembuatan model dilakukan menggunakan software MATLAB dengan metode ANFIS yang merupakan salah satu metode kecerdasan buatan. Dalam pemodelan tersebut, dilkakukan dua hal yaitu pelatihan dan pengujian data. Pelatihan data bertujuan untuk mengtahui PEMODELAN sedangkan pengujian data dilakukan untuk menguji PEMODELAN. Berdasarkan pelatihan yang dilkukan, diperoleh bahwa model mengikuti bentuk pesamaan ∑ 𑤠𑖠̅̅̅ (ð‘ ð‘– ð‘– ð‘¥ 1 + ð‘ž ð‘– ) , dimana pada pengujian data didapatkan jumlah galat harian, MBE, dan RMSE yang kecil, yaitu masing-masing secara berurutan 3.63x10 -6 , -3.94x10 -9 , 2.84x10 -8 . Selain itu koefisien person korelasi yang didapat adalah +1 artinya data ramal dan data aktual memiliki hubungan yang kuat serta arah yang positif yaitu peningkata atau penuruan pada data ramal mengikuti peningkatan atau penurunan data aktual. . Kata Kunci: Peramalan, Sambaran Petir, ANFIS

Abstract In this study, forming and testing of a forecasting model for the number of lightning strikes in the city of Bandung by using Adaptive Neuro-Fuzzy Inference System (ANFIS) based on time series data the number of lightning strikes from 1 January 2007 to 31 December 2010. The research purpose to make forecasting models and knowing the results of the forecasting. Model making is done using MATLAB software with ANFIS method which is one of the methods of artificial intelligence. In the modeling, two things are done namely training and testing data. Data training purpose to know forecasting models while data testing is done to test forecasting models.. Based on the training data, the model obtained is the equation form ∑ 𑤠𑖠̅̅̅ (ð‘ ð‘– ð‘– ð‘¥ 1 + ð‘ž ð‘– ) , where in the test data the number of daily errors, MBE, and RMSE is small, which are respectively respectively 3.63x10-6, -3.94x10-9, 2.84x10-8. In addition, the correlation coefficient obtained is +1, meaning predictive data and aktual data have a strong and positive direction, namely increasing or decreasing the forecast data following an increase or decrease in aktual data. Keywords: Forecasting, Lightning Strikes, ANFIS