ANALISIS RUNTUN WAKTU FUZZI UNTUK PREDIKSI BANJIR SECARA WAKTU NYATA

Abstract

Kejadian bencana banjir di Indonesia sering menimbulkan banyak korban, baik jiwamaupun materi. Secara umum 34% dari seluruh kejadian bencana yang terjadi di seluruhIndonesia didominasi oleh bencana banjir. Untuk mencegah bertambahnya jumlah korban,maka dari segi pengetahuan dapat dilakukan pendekatan secara struktural dan nonstruktural, salah satu pendekatan non struktural adalah dengan mengembangkan sistemperingatan dini. Tujuan penelitian ini adalah mengimplementasikan metode runtun waktu fuzzi dalam aplikasi yang dapat memprediksi banjir secara waktu nyata dan membangunaplikasi sistem informasi berbasis web untuk memberikan informasi hasil prediksi banjirsecara waktu nyata melalui metode runtun waktu fuzzi. Runtun waktu fuzzi (FTS) merupakan metode prediksi data yang menggunakan prinsip prinsip fuzzi sebagai dasarnya. Sistem prediksi dengan runtun waktu fuzzi menangkap pola dari data yang telah lalu kemudian digunakan untuk memproyeksikan data yang akandatang. Metode ini sering digunakan oleh para peneliti untuk menyelesaikan masalahprediksi. Tahapan yang dilakukan dengan menggunakan runtun waktu fuzzi didasarkanpada deret waktu historis, yaitu : menentukan semesta pembicaraan, pemisahan semestapembicaraan, membangun fuzzi set, fuzzifikasi data history, menentukan fuzzy logicalrelationships (FLR), menentukan fuzzy logical relationships group (FLRG), menghitunghasil prediksi per menit. Dari hasil penelitian ini, dapat disimpulkan bahwa penerapan metode runtun waktu fuzzi dalam prediksi banjir dapat menghasilkan prediksi yang baik, sehingga dapat dipergunakanuntuk acuan memprediksi bencana banjir secara real time pada sebuah ketinggian level airdi suatu tempat. Penerapan metode runtun waktu fuzzi dalam memprediksi bencana banjirsecara waktu nyata diperoleh melalui percentage error yang diukur dengan menggunakanMean Absolute Percentage Error (MAPE) diperoleh error rata-rata sebesar 0,44%, dandiperoleh juga nilai Mean Standart Error (MSE) sebesar 0,67 hal ini artinya membuktikanbahwa prediksi yang dihasilkan dapat mendekati data aktual. Kata-kunci : runtun waktu fuzzi, prediksi, banjir, waktu nyata Existance Flood in Indonesia often cause many casualties, both mental and material. In general 34% of all disaster events that occurred in Indonesia is dominated by the flood disaster. To prevent the increasing number of victims, then in terms of knowledge can be approached structural and non-structural, non-structural one approach is to develop an early warning system. The purpose of this research is to implement a method of fuzzy time series in applications that can predict the Flood in real-time and build a web-based informationsystem application to provide information which results in real-time Flood prediction based on time series methods Fuzzi. Fuzzy time series is a method that uses the fuzzy principles as the basis for predicting the data. Fuzzy Time series prediction system capture patterns in the data that has been and is then used to project the data to come. This method is often used by researchers to solve the prediction. Problem the research steps of using fuzzy time series is based on a time series of historical, i.e. : defining the universe of discourse, splitting the universe of discourse, building fuzzy sets, fuzzification history data, determining the fuzzy logical relationships (FLR), determining the fuzzy logical relationships of group (FLRG), counting predicted results per minute. From results of this research the application of the method of fuzzy time and series in flood predictions can yield good predictions, so it can be used to predict floods reference in real time at a height of water level somewhere. Application of the method of fuzzy time series in predicting floods in real time obtained by percentage error is measured using the Mean Absolute Percentage Error (MAPE) obtained an average error of 0.44%, and also the value obtained Mean Standard Error (MSE) by 0.67 it means proving that the predictions generated can be closer to the actual data. Keywords: fuzzy time series, prediction, flood, real-time