Perancangan Sistem Prediktor Cuaca dengan Metode ANFIS untuk Menentukan Produktivitas Panen Sayuran Kubis Putih (Brassica oleracea var. capitata) di Karangploso Kabupaten Malang

Chasanah, Nimroatul (2015) Perancangan Sistem Prediktor Cuaca dengan Metode ANFIS untuk Menentukan Produktivitas Panen Sayuran Kubis Putih (Brassica oleracea var. capitata) di Karangploso Kabupaten Malang. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2411100014-undergraduate_thesis.pdf

Download (2MB) | Preview

Abstract

Kubis (Brassica oleracea var. capitata) merupakan sayuran yang banyak ditanam oleh petani di Indonesia karena permintaan pasar yang besar dan masa tanam yang tidak terlalu lama. Namun, cuaca ekstrem sering tidak terduga beberapa tahun ini membuat peluang terjadinya gagal panen semakin meningkat. Tujuan dari penelitian ini adalah merancang suatu sistem prediksi cuaca satu bulan kedepan dengan metode ANFIS (Adaptive Neuro Fuzzy Inference System) yang meliputi suhu udara, kelembaban dan curah hujan. Sistem prediksi cuaca ini selanjutnya akan digunakan untuk memperkirakan produktivitas kubis hasil panen. Perancangan prediktor dilakukan dengan dua skenario yaitu sistem prediksi cuaca dengan data per 3 jam dan sistem prediksi cuaca dengan data bulanan. Masing-masing sistem prediktor tersebut dibagi menjadi dua menurut jenis masukannya, yaitu dengan model masukan time series dan multi variabel. Keempat model sistem prediktor cuaca tersebut menunjukkan bahwa sistem prediktor dengan data bulanan dan masukan model time series mempunyai galat yang paling kecil, yaitu 0.58ºC untuk suhu, 1.6% untuk kelembaban dan 1.39 mm untuk curah hujan. Variabel keluaran sistem prediktor yang baik tersebut selanjutnya dijadikan masukan sistem pengambilan keputusan produktivitas kubis. Performansi sistem pengambil keputusan kualitas kubis sebesar 58.3%. ======================================================================================================= Cabbage (Brassica oleracea var. capitata) is a vegetable that is commonly cultivated by farmers in Indonesia because of the huge market demand and the growing season is not too long. However, unpredictable extreme weather that happened this several years makes the chances of crop failure is increasing. The purposes of this study is to design a weather prediction system for a month later using ANFIS (Adaptive Neuro Fuzzy Inference System) method that includes air temperature, humidity and rainfall. The weather prediction system is used to estimate the productivity of the cabbage harvest. Weather predictor systems designed with two scenarios, weather prediction systems with per 3 hours data and weather prediction systems with monthly data. Based on the input type, each weather prediction system is subdivided into two types, the time series model and multivariate model. The fourth weather predictor model shows that the weather prediction system with monthly data and time series input type has the smallest error, 0.58ºC for temperature, 1.6% for humidity and 1.39 mm for rainfall. Output variables are good predictors of the system is then used as input predictor of the cabbage quality system. Validation of the quality cabbage shows the system performance of 58.3%.

Item Type: Thesis (Masters)
Additional Information: RSF 551.634 Cha p
Uncontrolled Keywords: cuaca, sistem prediktor cuaca, kubis putih, logika fuzzy, ANFIS, kelembaban, suhu, curah hujan.
Subjects: T Technology > TJ Mechanical engineering and machinery > TJ217.6 Predictive Control
Divisions: Faculty of Industrial Technology > Physics Engineering > (S1) Undergraduate Theses
Depositing User: Mr. Fandika aqsa
Date Deposited: 14 Jun 2017 02:39
Last Modified: 14 Jun 2017 02:42
URI: http://repository.its.ac.id/id/eprint/41651

Actions (login required)

View Item View Item