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.

[thumbnail of 2411100014-undergraduate_thesis.pdf]
Preview
Text
2411100014-undergraduate_thesis.pdf - Published Version

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 > 30201-(S1) Undergraduate Thesis
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