<![CDATA[Curah hujan yang semakin tidak menentu memberikan efek yang cukup signifikan pada bidang pertanian dan perkebunan. Salah satu bidang perkebunan yang memanfaatkan pola curah hujan adalah perkebunan apel. Petani apel membutuhkan perhitungan curah hujan untuk menentukan kapan proses pembungaan yang tepat agar hasil panen yang di dapatkan bisa maksimal. Namun, karena tidak menentunya pola curah hujan, petani menjadi kesulitan dalam menentukan waktu pembungaan dan panen apel menjadi tidak maksimal. Pada penelitian ini dibuat sebuah pemodelan yang paling optimal dalam memprediksi curah hujan di daerah Batu, Jawa Timur menggunakan metode hybrid FIS Tsukamoto dan algoritma genetika. Metode hybrid yang dilakukan adalah mengoptimasi batasan fungsi keanggotaan FIS Tsukamoto menggunakan algoritma genetika. Setelah proses pengujian, penerapan metode Metode hybrid FIS Tsukamoto dan algoritma genetika dapat digunakan untuk memprediksi curah hujan dengan nilai error RMSE lebih kecil dibandingkan dengan FIS Tsukamoto tanpa optimasi. Nilai error RMSE pada daerah Junggo sebesar 6.485, pada daerah Pujon sebesar 6.932, pada daerah Tinjomulyo sebesar 5.969, pada daerah Ngujung sebesar 5.498. AbstractThe erratic rainfall has a significant effect on agriculture and plantations. One area of plantations that utilizes rainfall patterns is apple plantations. Apple farmers need rainfall calculations to determine when the flowering process is right so that the yield can be maximized. However, due to the uncertainty of rainfall patterns, farmers have difficulty in determining the time of flowering and harvesting apples to be not optimal. In this study, the most optimal modeling was used to predict rainfall in the Batu area, East Java using the hybrid FIS Tsukamoto method and genetic algorithm. The hybrid method used is to optimize the boundary function of Tsukamoto's FIS membership using a genetic algorithm. After the testing process, the application of the hybrid method of the Tsukamoto FIS method and the genetic algorithm can be used to predict rainfall with a smaller RMSE error compared to the FIS Tsukamoto without optimization. RMSE error value in Junggo area is 6,485, in Pujon area is 6,932, in Tinjomulyo area is 5,969, in Ngujung area is 5,498.]]>
Copyrights © 2018
