Analisis Perfomansi Metode Adaptive Neuro Fuzzy Inference System (ANFIS) Untuk Mempreiksi Tingkat Potensi Banjir

Adaptive Neuro Fuzzy Inference System (ANFIS) merupakan suatu struktur yang menggabungkan system fuzzy dan system jaringan saraf tiruan. ANFIS yang menggunakan suatu prosedur learning dapat membangun suatu mapping input-output yang keduanya berdasarkan pada pengetahuan manusia (pada aturan fuzzy if-then). Banjir merupakan kejadian bencana alam yang sering terjadi dan cukup sulit untuk diprediksi. Prediksi kejadian bencana alam khususnya banjir merupakan hal yang cukup penting untuk diketahui karena dengan dapat memprediksi bencana banjir kita dapat melakukan pencegahan dini sehingga dapat mengurangi dampak yang akan terjadi. Dalam melakukan proses analisis, terdapat 105 data kelurahan yang berada di wilayah Daerah Aliran Sungai (DAS) CItarum, setiap kelurahan dibagi kedalam 3 kategori, yaitu : kategori kurang rawan, cukup rawan, dan sangat rawan. Setiap data pembelajaran dan data uji dibagi sama rata untuk tiap kategorinya. Setiap kelurahaan memiliki 4 parameter, yaitu parameter curah hujan, jenis tanah, kemiringan lereng, dan penggunaan lahan. Dengan menggunakan metode ANFIS,4 parameter tersebut digunakan sebagai masukan bagi system, lalu parameter-parameter tersebut akan melalui proses-proses pada tiap lapisan yang terdapat pada metode ANFIS. Mulai dari proses fuzzyfication, inference fuzzy, normalisasi, LSE, dan defuzzyfication sampai pada tahap pembelajaran mundur menggunakan metode Error Back-Propagation. Berdasarkan hasil pembelajaran dengan menggunakan 90 data kelurahan dan uji coba dengan menggunakan 15 data kelurahan yang telah dilakukan, ANFIS dapat digunakan untuk memprediksi tingkat potensi banjir dengan nilai akurasi terbesar didapatkan sebesar 93.33% dan dengan rata-rata akurasi yang didapat sebesar 62.67% dengan pengujian confusion matrix.

Adaptive Neuro Fuzzy Inference System (ANFIS) is a structure that combines fuzzy system and neural network system. ANFIS Which use a hybrid learning procedure can construct an input-output mapping which are both based on human knowledge (the fuzzy rule if-then).Flood is the frequent occurrence of natural disasters occur and quite difficult to predict. Prediction of natural disasters, especially floods is something quite important to know as to be able to predict floods we can do early prevention so as to reduce the impact that will happen. In conducting the analysis, there are 105 villages of data residing in the DAS CITARUM, each village is divided into 3 categories, which name: less vulnerable category, quite vulnerable, and very vulnerable. Each learning data and test data is divided equally for each category. Each village has four parameters, which name parameters of rainfall, soil type, slope, and land use. By using ANFIS, 4 parameters are used as input to the system, then these parameters will go through the processes in each layer contained in ANFIS. Starting from the fuzzyfication, fuzzy inference, normalization, LSE, and defuzzyfication until learning phase backward using Error Back-Propagation Based on the results of learning by using 90 data and piloting by using 15 data that has been done, ANFIS can be used to predict the potential flood level with largest accuracy value obtained by 93.33% and with an average accuracy of 62.67% obtained by testing the confusion matrix.