Penerapan Logika Fuzzy dalam Menentukan Tingkat Kerawanan Longsor di Suatu Wilayah
DOI:
https://doi.org/10.29313/jrm.v3i1.1737Keywords:
Fuzzy Mamdani, Bencana Longsor, Deteksi BencanaAbstract
Abstract. FFuzzy Mamdani is one part of the Fuzzy Inference System. In this study the Fuzzy Mamdani method was applied to determine the level of landslide vulnerability in a certain area by taking input variables from rainfall, slope, soil height, and soil type. The Fuzzy Mamdani method has four stages to obtain the output variable. The first step is to determine the Fuzzy set of each input and output variable. The second step is the application of the implication function using the MIN function. The third step is the composition of the rules using the MAX function. The fourth step is to change the output from Fuzzy numbers to firm numbers or defuzzification. The defuzzification method that we used is the centroid method. The results of the study showed that all areas in the sample cases are included in landslide-prone areas.
Abstrak. Fuzzy Mamdani adalah salah satu bagian dari Fuzzy Inference System. Pada penelitian ini metode Fuzzy Mamdani diterapkan untuk menentukan tingkat kerawanan longsor pada suatu daerah tertentu dengan mengambil variabel input dari curah hujan, kemiringan lereng, ketinggian tanah, dan jenis tanah. Metode Fuzzy Mamdani mempunyai empat tahapan untuk mendapatkan variabel output, yaitu langkah pertama menentukan himpunan Fuzzy dari masing-masing variabel input dan output. Langkah kedua yaitu aplikasi fungsi implikasi dengan fungsi MIN. Langkah ketiga yaitu komposisi aturan dengan fungsi MAX. Langkah keempat yaitu mengubah output dari bilangan Fuzzy ke bilangan tegas atau defuzzifikasi, metode defuzzifikasi yang digunakan adalah metode centroid. Hasil penelitian menunjukkan semua wilayah dalam contoh kasus masuk kedalam wilayah yang rawan longsor.
References
[2] N. Febriany, F. Agustina dan R. Marwati, “Aplikasi Metode Fuzzy Mamdani Dalam Penentuan Status Gizi Dan Kebutuhan Kalori Harian Balita Menggunakan Software Matlab,” Jurnal EurejaMatika, vol. 5, no. 1, pp. 84-96, 2017.
[3] A. A. Caraka, H. Haryanto, D. P. Kusumaningrum dan S. Astuti, “Logika Fuzzy Menggunakan Metode Tsukamoto Untuk Prediksi Perilaku Konsumen Di Toko Bangunan,” Techno. Com , vol. 14, no. 4, pp. 255-265, 2015.
[4] K. A. Tama, M. Abdurohman dan R. Yasirandi, “Implemantasi Fuzzy Logic pada Penjadwalan Pengairan Irigasi (Studi Kaus : BPSDA Serayu Citanduy),” Journal of Computer Science and Informatics Engineering (J-Cosine), vol. 4, no. 2, pp. 161-167, 2020.
[5] R. Adrial, “Aplikasi Sistem Pendukung Keputusan Stadium Penyakit Kanker Panyudara Menggunakan Logika Fuzzy Berbasis Android,” Jurnal Kesehatan Komunitas , vol. 3, no. 3, pp. 117-122, 2017.
[6] A. T. P. Abza, “Identifikasi Tingkat Kepuasan Pelayanan Konsumen Industri Televisi Berlangganan Dengan Logika Fuzzy Metode Tsukamoto,” Jurnal Intra Tech, vol. 2, no. 1, pp. 16-30, 2018.
[7] K. Dwikorta, “Bencana Alam Gerakan Massa Tanah di Indonesia dan Upaya Penanggulangannya,” Jurusan Teknik Geologi, Fakultas Teknik, Universitas Gajah Mada, Yogyakarta, 2005.
[8] W. Saputra, “Analisi fuzzy logic Mamdani: Tingkat Kerawanan Longsor di Kawasan Pujon (Doctoral dissertation, Universitas Islam Negeri Maulana Malik Ibrahim),” 2016.
[9] S. Yuliantika dan D. L. Kartika, “Implementasi Metode Fuzzy Mamdani sebagai Deteksi Awal Banjir Lokal di Bendung Gerak Serayu,” SQUARE: Journal of Mathematics and Mathematics Education, vol. 4, no. 1, pp. 17-25, 2022.
[10] D. Vinsensia dan Y. Utami, “FUZZY Penerapan Fuzzy Inference System (FIS) Metode Mamdani dalam Pemilihan Jurusan Perguruan Tinggi (Studi Kasus: Pelita Nusantara Medan),” Sink. J. dan Penelit. Tek. Inform, vol. 2, no. 2, pp. 28-36, 2018.
[11] A. Naba, Belajar Cepat Fuzzy Logic Menggunakan Matlab, Yogyakarta: ANDI, 2009.
