Sistem Informasi Geografi Daerah Potensi Kekeringan Menggunakan Fuzzy Inferensi Sistem

  • chairuddin
  • Sevi Nurafni STMIK IM
Keywords: Sistem Informasi Geografis, Kekeringan, Sistem Inferensi fuzzy, Ketidakpastian

Abstract

Kekeringan merupakan salah satu bencana alam yang frekuensi kejadiannya tinggi (hampir setiap tahun). Daerah potensi kekeringan perlu diprediksi agar dapat mengurangi kerugian-kerugian yang tidak hanya pada sektor pertanian dan lingkungan hidup tetapi juga berdampak negatif pada sektor sosial dan ekonomi bahkan dapat mengganggu stabilitas politik.

            Dalam pengolahan peta digital untuk sistem informasi geografis (SIG), seringkali ditemukan objek-objek penting yang tidak tepat dalam pengolahannya bahkan tidak dapat dilibatkan karena faktor ketidakpastian yang dimiliki oleh objek tersebut. Objek yang memiliki ketidakpastian berhubungan dengan data yang tidak dapat dinyatakan hanya dalam dua kondisi saja, yaitu kondisi ”ya” atau kondisi ”tidak”. Salah satu solusi yang ditawarkan dalam mengatasi keterlibatan objek yang memiliki ketidakpastian di dalam SIG adalah dengan menggunakan sistem inferensi fuzzy (SIF) metode Tsukamoto. Data yang memiliki ketidakpastian yang diangkat dalam penelitian ini adalah data non-spasial berupa faktor-faktor penentu daerah potensi kekeringan pada wilayah Nusa Tenggara Timur

            Sistem infrensi fuzzy dapat dijadikan sebagai salah satu solusi dalam pembuatan peta digital yang melibatkan sejumlah data yang bersifat tidak pasti. Output yang diharapkan dari penelitian ini adalah peta yang memberikan informasi tentang daerah rawan demam berdarah berdasarkan warna yang ditentukan dengan nilai yang diperoleh dari proses inferensi fuzzy.

 

References

Ahmed, I. (2015) : PostegreSQL Developer s Guide. London : Pactk Publishing.
Arifin, S., Muslim, M.A, dan Sugiman (2015) : Implementasi Logika fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara. Diakses di :
https://journal.unnes.ac.id/nju/index.php/sji/article/view/5086/4134 (2 Juli 2019).
Badan Pusat Statistik. (2018). Lembaga Pemerintahan Non-Departemen yang bertanggung jawab langsung kepada Presiden. Diambil kembali dari Badan Pusat Statistik Nusa Tenggara Timur. Diakses di : https://ntt.bps.go.id/(5 Juli 2018)
Batubara, S. (2017, Agustus). Analisis Perbandingan Metode fuzzy Mamdani dan fuzzy Sugeno Untuk Penentuan Kualitas Cor Beton Instan. IT Journal Research and Development. Vol. 2, No. 1, hal. 1 – 12.
Fathansyah. (2018) : Basis Data. Bandung : INFORMATIKA.
Hidayatullah, P. dan Khairul, J. (2017) : Pemograman WEB Edisi Revisi. Bandung: INFORMATIKA.
Kartika, A., Irawan, B., dan Triyanto, D. (2016) : Prediksi Wilayah Rawan Kebakaran Hutan dengan Metode Jaringan Syaraf Tiruan Propagasi Balik. Diakses di :
http://jurnal.untan.ac.id/index.php/jcskommipa/article/view/14760 (28 Juli 2019).
Marquez, A. (2015) : PostGIS Essentials. Birmingham : Packt Publishing Ltd.
Prahasta, E. (2014) : Sistem Informasi Geografis Konsep-Konsep Dasar (Perspektif Geodesi & Geomatika). Bandung : INFORMATIKA.
Pressman, R.S. (2015) : Rekayasa Perangkat Lunak Pendekatan Praktisi Buku I. Yogyakarta : Andi.
Putri dan Effendi. (2016) : fuzzy logic untuk Menentukan Lokasi Kios Terbaik di Kepri Mall dengan Menggunakan Metode Sugeno. Diakses di :
https://www.researchgate.net/publication/331518510 (28 Juli 2019)
Raharjo, B. (2011) : Belajar Pemrograman Web. Bandung : Modula.
Raharjo, B. (2015):Belajar Otodidak Framework Code Igniter. Bandung: INFORMATIKA.
Rosa A.S dan Shalahuddin. M. (2018) : Rekayasa Perangkat Lunak Terstuktur dan Berorientasi Objek. Bandung : INFORMATIKA.
Saepullah, A., dan Romi. (2014) : Analisis Komparatif Logika fuzzy Tsukamoto, Mamdani, Sugeno untuk Hemat Energi AC Sugeno, ISSN, Vol.9.
Siagian. (2018) : Otomatisasi Pengujian Perangkat Lunak. Yogyakarta : Depublish.
Wibowo, N.S., Setyohadi, D.P., dan Rahmad, H. (2016) : Penggunaan Metode fuzzy Dalam Sistem Informasi Geografis Untuk Pemetaan Daerah Rawan Banjir di Kabupaten Jember. Diakses di : https://publikasi.polije.ac.id/index.php/prosiding/article/view/151/165
Wilhite, D.A. (2010) : Quantification of Agricultural Drought for Effective Drought Mitigation, in Agricultural Drought Indices, Proceedings of an Expert Meeting 2-4 June, 2010, Murcia, Spain. Geneva. WMO. Diakses di :
http://www.droughtmanagement.info/literature/WMO_agricultural_drough t_indices_proceedings_2010.pdf (28 Juli 2019).
World Meteorogical Organization. (1974) : International Glossary of Hydrology (1st ed.). Geneva: WMO.
Yuliardi, R. (2000) : Panduan Administrasi Database Postgre SQL. Bandung : Informatika.
Published
2020-05-07