Jurnal Inspiration
Vol 4, No 2 (2014): Jurnal Inspiration Volume 4 Issue 2

Layanan Prediksi Bencana Multi Algoritma

Muhajirin Muhajirin (Program Studi Teknik Informatika STMIK AKBA)
Ratnawati Ratnawati (Program Studi Manajemen Informatika STMIK AKBA)
Reski Praminasari (Program Studi Teknik Komputer STMIK AKBA)



Article Info

Publish Date
01 Dec 2014

Abstract

Bencana alam merupakan suatu hal yang tidak diinginkan namun sulit untuk dihindari diantaranya adalah longsor, banjir, dan lain sebagainya. Bencana seperti itu pada umumnya disebabkan oleh curah hujan yang berlebihan di sepanjang tahun. Namun terkadang penanganan dini terhadap bencana tersebut tidak dilakukan oleh karena sulitnya mendapatkan informasi yang mudah dipahami oleh masyarakat tentang perkiraan apakah akan terjadi bencana atau tidak. Penelitian ini mengambil data dari database yang tersimpan hasil rekaman sensor atau radar yang dipasang diberbagai tempat (asumsi bahwa infrastruktur telah terpasang). Penelitian ini menggunakan data yang dihasilkan dari berbagai sensor cloud berupa keadaan lingkungan seperti curah hujan, level air, pergeseran tanah. mengingat keterbatasan data, maka yang dijadikan sebagai data pembelajaran bagi layanan aplikasi ini hanya data sensor curah hujan dan level air . Pola data yang dihasilkan dari proses pembelajaran akan dijadikan sebagai formula untuk memprediksi bencana pada masa yang akan datang. Penelitian dirancang dan dibangun berbasis web (bahasa pemrograman PHP) agar dapat diimplementasikan pada sistem internet. Untuk mengolah data hasil sensor cloud ANFIS algoritma. Hasil penelitian menunjukkan bahwa sistem sudah dapat berjalan pada jaringan internet. Hasil uji coba performance pada jaringan intranet diperoleh rata-rata waktu proses latih data menggunakan algoritma ANFIS dengan jumlah interasi 100 dan data harian sebanyak 4 bulan adalah 7,68 detik pada sisi server dan 13,94 detik pada sisi client. Akurasi data yang dihasilkan dengan algoritma ANFIS pada proses latih data adalah diatas 70% sedangkan nilai error pada proses prediksi kurang dari 17%.

Copyrights © 2014