PENERAPAN FUZZY INFERENCE SYSTEM DENGAN METODE SUGENO UNTUK PREDIKSI CURAH HUJAN

Ashil Nurul Aini, - (2024) PENERAPAN FUZZY INFERENCE SYSTEM DENGAN METODE SUGENO UNTUK PREDIKSI CURAH HUJAN. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_TS_1902181_Title.pdf Download (1MB)
	Text S_TS_1902181_Chapter1.pdf Download (592kB)
	Text S_TS_1902181_Chapter2.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_TS_1902181_Chapter3.pdf Download (2MB)
	Text S_TS_1902181_Chapter4.pdf Restricted to Staf Perpustakaan Download (3MB)
	Text S_TS_1902181_Chapter5.pdf Download (478kB)
	Text S_TS_1902181_Appendix.pdf Restricted to Staf Perpustakaan Download (11MB)

Abstract

Kota Bandung merupakan ibu kota Provinsi Jawa Barat yang menjadi pusat kegiatan ekonomi dan sosial diwilayahnya. Namun, kota ini menghadapi tantangan besar terkait dengan masalah banjir yang sering terjadi pada musim penghujan di beberapa kawasan. Banyak alternatif penanggulan banjir telah dilakukan. Akan tetapi banjir di beberapa kawasan tersebut masih terjadi hingga sekarang. Hal itu menunjukan bahwa upaya penanggulan banjir yang telah dilakukan belum optimal dalam menangani banjir yang terjadi sehingga perlu dilakukan evaluasi pada perencanaan penanggulangan banjir. Data curah hujan merupakan informasi penting yang diperlukan insiyur sipil untuk analisis hidrologi dan hidrolika dalam perhitungan perencanaan penanggulan banjir. Namun tantangan utama yang sering dihadapi adalah ketersediaan data curah hujan yang sering kali tidak lengkap di stasiun-stasiun hujan bahkan tidak adanya stasiun hujan sama sekali. Untuk mengatasi masalah ini, metode Fuzzy Inference System (FIS) Sugeno dan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) dipilih sebagai alat untuk memprediksi curah hujan. Oleh karena itu penelitian ini bertujuan untuk mengevaluasi keakuratan metode FIS Sugeno dan metode ANFIS dalam memprediksi curah hujan. Metode yang digunakan adalah uji validitas dengan metode Root Mean Square Error (RMSE). Pada Penelitian ini ditemukan bahwa meskipun metode FIS Sugeno menawarkan kemampuan prediksi yang memadai, metode ANFIS menunjukkan performa yang sedikit lebih baik dalam hal akurasi prediksi curah hujan. Bandung City is the capital city of West Java Province and serves as the center for economic and social activities in the region. However, the city faces significant challenges related to frequent flooding during the rainy season in certain areas. Despite various flood control measures being implemented, flooding still occurs in some areas. This indicates that the efforts to mitigate flooding have not been optimal, necessitating an evaluation of flood control planning. Rainfall data is crucial information for civil engineers to analyze hydrology and hydraulics in flood control planning. However, a major challenge is the lack of complete rainfall data in rain gauge stations, and in some cases, the absence of these stations altogether. To address this issue, the Fuzzy Inference System (FIS) Sugeno and the Adaptive Neuro-Fuzzy Inference System (ANFIS) methods have been chosen as tools to predict rainfall. Therefore, this research aims to evaluate the accuracy of the FIS Sugeno and ANFIS methods in predicting rainfall. The methods used for evaluation are validity tests using the Root Mean Square Error (RMSE) method. The study found that although the FIS Sugeno method offers adequate predictive capabilities, the ANFIS method demonstrates slightly better performance in terms of rainfall prediction accuracy.

Item Type:	Thesis (S1)
Additional Information:	ID SINTA Dosen Pembimbing: Rakhmat Yusuf: 6003508
Uncontrolled Keywords:	Fuzzy Inference System, Metode Sugeno, Prediksi, Curah Hujan, ANFIS Fuzzy Inference System, Sugeno Method, Prediction, Rainfall, ANFIS
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Fakultas Pendidikan Teknik dan Industri > Jurusan Pendidikan Teknik Sipil > Program Studi Teknik Sipil
Depositing User:	Ashil Nurul Aini
Date Deposited:	30 Sep 2024 10:54
Last Modified:	30 Sep 2024 10:54
URI:	http://repository.upi.edu/id/eprint/126389

Actions (login required)

View Item