JURNAL 1 : MODEL FUZZY LOGIC BASED ANFIS IN DETERMINATION OF PLANTING OF Oryza sativa

 Eva Gusmira1*, Try Susanti1, Arif Ma’rufi2

1UIN Sulthan Thaha Saifuddin Jambi Indonesia, Jl. Jambi Ma. Bulian KM.16 Sei. Duren Kabupaten Muaro Jambi, 36363. 2Stasiun Iklim Provinsi Jambi Indonesia, Jl. Jambi Ma. Bulian KM.18 Sei. Duren Kabupaten Muaro Jambi, 36363

*Corresponding author: evagusmira.EG@gmail.com

 Naskah Diterima: 23 Jnuari 2018; Direvisi: 17 Mei 2018; Disetujui: 16 Juli 2018

Abstrak 

Pergeseran datangnya musim hujan akan menyebabkan kegagalan panen dan akan merugikan petani. Untuk mengatasi hal ini dilakukan penelitian yang bertujuan untuk memprediksi pola tanam padi dan waktu tanam yang sesuai berdasarkan tabiat data curah hujan selama lima belas tahun (2001–2015) di Kabupaten Kerinci Provinsi Jambi. Daerah penelitian meliputi empat kecamatan yang didasarkan dari luasnya sawah tadah hujan. Metode yang digunakan dalam penelitian ini adalah metode deskriptif dengan teknik survei. Prediksi curah hujan digunakan metode analisis Fuzzy Logic berbasis ANFIS. Data yang digunakan adalah data curah hujan bulanan observasi 10 tahun yaitu dari tahun 2006–2015. Data diambil dari Stasiun Iklim Jambi. Data asimilasi diambil selama 15 tahun yaitu dari tahun 2001–2015. Hasil Penelitian ini menunjukkan pola curah hujan bulanan rata-rata di setiap kecamatan berbentuk pola ekuatorial dengan dua puncak curah hujan yaitu pada bulan April dan November. Waktu tanam dapat dilakukan dua kali dalam setahun, waktu tanam pertama dimulai pada bulan Maret dan waktu tanam kedua pada bulan Oktober. Hasil analisa dapat digunakan pemerintah Kabupaten Kerinci sebagai acuan dalam memberikan sosialisasi kepada petani mengenai pola tanam dan waktu tanam padi sehingga dapat menghasilkan panen yang optimal.

Kata kunci: ANFIS; Curah hujan; Fuzzy logic; Kabupaten Kerinci; Tanaman padi
 

Abstract

The shift in the coming rainy season will cause crop failure and will harm the farmers. To overcome this study conducted to predict rice cropping pattern and appropriate planting time based on the characteristics of rainfall data for fifteen years (2001–2015) in Kerinci Regency of Jambi Province. The research area covers four districts based on the number of rainfall rice fields. The method used a descriptive method with the survey technique. The prediction of rainfall is used ANFIS Fuzzy Logic analysis method. The data is used the monthly rainfall data with observation for 10 years from 2006 to 2015. The data had taken from the Jambi Climate Station. The assimilation data had taken for 15 years from 2001 to 2015. The results of this study showed the average monthly rainfall pattern in each sub-district in the form of equatorial pattern with two peaks rainfall that is in April and November. Planting time can be done twice a year, the first planting time begins in March and the second planting time in October. The result of analysis can be used by the Kerinci Regency government as a reference in providing socialization to farmers regarding cropping patterns and planting time of rice so that they can produce maximum crop yield.

Keywords: ANFIS; Fuzzy logic; Rainfall; Rice plant; Kerinci Regency

full pdf dapat didownload KLIK DISINI

Atau dapat menghubungi email : marufi.arif@yahoo.com; arif.marufi77@gmail.com

Cara Download dan Ekstrak Data CHIRPS

CHIRPS singkatan dari Climate Hazard InfraRed Precipitation with Station. CHIRPS merupakan data curah hujan yang memanfaatkan gelombang infrared dan stasiun hujan dengan resolusi spasial 0,05⁰ (per piksel) atau sekitar 5km x 5km untuk mengestimasikan nilai curah hujan yang berkelanjutan di suatu wilayah serta untuk analisis trend kekeringan. Kelebihan lain dari data CHIRPS adalah dapat menyajikan curah hujan harian maupun bulanan. 

Data CHIRPS dapat didownload pada link :

 

https://data.chc.ucsb.edu/products/CHIRPS-2.0/global_daily/ 

Salah satu format data yang tersedia adalah dalam NetCDF (nc). Untuk mengekstrak data CHIRPS sebenarnya dapat menggunakan banyak cara dan aplikasi. Dan dalam blog ini akan disampaikan cara ekstrak data CHIRPS dengan menggunakan aplikasi GrADS (Grid Analisys and Display System), pada koordinat yang diinginkan dan dalam format timeseries.

Setelah download data CHIRPS format NetCDF dari ftp diatas, kita bisa langsung menjalankan script GrADS berikut untuk mengekstrak data CHIRPS menjadi data dalam format txt pada titik koordinat yang diinginkan :

1. Pertama-tama download dulu file wrseries.gs dan letakkan pada direktori grads/script/

2. Kemudian copy script GrADS berikut ini ke notepad dan simpan dalam format .gs dan beri nama ekstrak.gs. (Dalam contoh ini, saya mengambil koordinat di Provinsi Jambi).

'reinit'
'sdfopen PATH\chirps.1981.days_p05.nc'

t1=1
t2=365
'set t 't1' 't2

'define hujan=precip'

**01kotabaru
'set lat -1.65'
'set lon 103.65'
'wrseries PATH\01kotabaru.txt 'hujan

**02telanaipura
'set lat -1.62'
'set lon 103.62'
'wrseries PATH\02telanaipura.txt 'hujan

**03pasar
'set lat -1.65'
'set lon 103.70'
'wrseries PATH\03pasar.txt 'hujan

3. Output dari script diatas adalah terbentuknya tiga file txt yang merupakan ekstrak data harian CHIRPS tahun 1981 dari tiga lokasi. Tiga file txt yang terbentuk adalah : 01kotabaru.txt, 02telanaipura.txt, 03pasar,txt

4. Kita bisa menambah jumlah titik yang diekstrak menjadi lebih banyak. Dan untuk meneruskan ekstrak tahun 1982 tinggal ganti nama file dan hasil ekstraknya akan otomatis meneruskan dibawah series 1981 yang sebelumnya.

5. untuk menjalankan file gs diatas :

>> run ekstrak.gs

Selamat mencoba...
 
Catatan : 
Jika anda kesulitan menemukan file wrseries.gs, silahkan tinggalkan alamat email di kolom komentar, Insya Allah akan saya kirimkan via email. Terima kasih.

 

Kebanyakan PC atau laptop akan lemot jika harus menulis langsung dari t=1 sd t=365, untuk itu diajurkan untuk memulai dengan t=1 sd t=100, setelah selesai lanjut t=101 sd t=200, dan terakhir t=201 sd t=365.

Cara Plot Transpor Uap Air (Moisture Transport)

Transpor Uap Air (Moisture Transport) adalah transpor kelembaban yang merupakan salah satu faktor yang mengendalikan mekanisme monsun. Massa udara yang besar dan perubahan transpor kelembaban dapat menggeser tempat terbentuknya hujan. Proses transpor kelembaban di ekuator terjadi ketika uap air bergerak dari utara ke selatan atau sebaliknya. Menurut Zhou (2003) batas tekanan yang digunakan pada persamaan transpor uap air yaitu dari permukaan hingga ketinggian 300 hPa. Hal tersebut karena uap air hanya terkosentrasi pada lapisan troposfer bawah. Berdasarkan penelitian Zhou dan Yu (2005), transpor uap air dapat diduga dari persamaan integral vertikal fluks uap air berikut : 

Keterangan :

Q = Transpor Uap Air (kg/m/s)

g  = Percepatan Gravitasi Bumi (m/s2)

q  = Kelembaban Spesifik (g/kg)

V = Vektor Angin Zonal – Meridional

dp= Perubahan Tekanan (hPa)

ps= Tekanan Permukaan (1000 hPa)

pt= Tekanan pada Level Atas (300 hPa)

Langkah – Langkah Plot Transpor Uap Air

1.       Data yang dibutuhkan adalah data Spesifik Humidity, angin U dan angin V

2.      Selanjutnya dilakukan perhitungan transpor uap air sesuai dengan persamaan diatas, dengan menggunakan GraDS script sebagai berikut :

'reinit'

'sdfopen PATH/SHUM.MON.MEAN.nc'

'sdfopen PATH/UWND.MON.MEAN.nc'

'sdfopen PATH/VWND.MON.MEAN.nc'

'set gxout fwrite'

'set fwrite PATH/MOISTFLUX.dat'

it= 1

while (it<=852)

say it

'set t ' it

'define p1000 = const(shum,1000,-a)'

'define Bqu = vint(p1000,shum*uwnd.2,300)'

'define Bqv = vint(p1000,shum*vwnd.3,300)'

'd Bqu'

'd Bqv'

it=it+1

endwhile

'disable fwrite'

3       1. Setelah menjalankan script tersebut, maka akan tersimpan file MOISTFLUX.dat

4      2. Untuk membaca file MOISTFLUX.dat diatas, diperlukan file ctl, dalam contoh ini file ctl diberi nama MOISTFLUX.ctl yang isinya sebagai berikut :

DSET ^MOISTFLUX.dat

TITLE Moisture Transport

UNDEF -999.0

XDEF 145 LINEAR 0 2.5

YDEF 73 LINEAR -90 2.5

ZDEF 1 LEVELS 1

TDEF 852 LINEAR 00Z01JAN1948 1mo

VARS 2

Bqu 1 99 99 Zonal Moisture Transpor [kg/m/s]

Bqv 1 99 99 Meridional Moisture Transpor [kg/m/s]

ENDVARS

5.   Tahap selanjutnya adalah plotting transpor uap air sesuai kebutuhan, misalnya plotting dalam periode DJF, MAM, JJA dan SON. Tidak tertutup kemungkinan untuk membuat plotting dalam periode bulanan.

 

Script GraDS yang digunakan untuk plotting transpor uap air pada periode DJF adalah sebagai berikut :

'reinit'

'set display color white'

'c'

'set grads off'

'open PATH/MOISTFLUX.ctl'

'set lon 95 141'

'set lat -12 10'

'set map 1 1 0.15'

'set grid off'

*DJF

'define udec=ave(bqu,time=dec1981,time=dec2010,12)'

'define ujan=ave(bqu,time=jan1981,time=jan2010,12)'

'define ufeb=ave(bqu,time=feb1981,time=feb2010,12)'

'define udjf=(udec+ujan+ufeb)/3/1000'      =====è dibagi 1000 karena satuan spesifik humidity yang seharusnya g/kg ternyata dalam file data satuannya kg/kg.

'define vdec=ave(bqv,time=dec1981,time=dec2010,12)'

'define vjan=ave(bqv,time=jan1981,time=jan2010,12)'

'define vfeb=ave(bqv,time=feb1981,time=feb2010,12)'

'define vdjf=(vdec+vjan+vfeb)/3/1000'      =====è dibagi 1000 karena satuan spesifik humidity yang seharusnya g/kg ternyata dalam file data satuannya kg/kg.

'set gxout shaded'

'set mpdset hires'

'set clevs  100 200 300 400'

'set rgb 16   0   0 255'

'set rgb 17  55  55 255'

'set rgb 18 110 110 255'

'set rgb 19 165 165 255'

'set rgb 20 220 220 255'

'set ccols  20 19 18 17 16'

'd mag(udjf,vdjf)'

'set ccolor 2'

'set gxout vector'

'd udjf;vdjf'

'cbarn'

'draw title Moisture Transport Periode DJF \ Tahun 1981-2010'

'printim PATH/moistflux_DJF.png png white'

Contoh output dari script diatas :

Selanjutnya tinggal mengubah script moisture transport DJF diatas kedalam periode musim yang lain.

 

Cara Download Data Curah Hujan GSMaP Harian

GSMaP singkatan dari Global Satellite Mapping of Precipitation. GSMaP merupakan produk turunan dari satelit cuaca yang dikeluarkan oleh Japan Aeorspace Exploration Agency (JAXA) yang mengestimasi intensitas curah hujan (rainrate). Deskripsi data GSMaP adalah sebagai berikut :

1. Variabel                      : rainfall rate (mm/jam)
2. Domain                      : Bujur 0-360 derajat dan Lintang 60 - (-60)
3. Resolusi Spasial         : 0,1 derajat
4. Resolusi Temporal     : 1 jam
5. Format Data               : 4-byte float plain binary, little-endian


Cara Akses Data

Untuk dapat login mengakses data GSMaP diperlukan registrasi terlebih dahulu pada website GSMaP yaitu https://sharaku.eorc.jaxa.jp/GSMaP/. Setelah melakukan registrasi baru bisa mengakses data GSMaP sebagai berikut :

1. Dapat langsung melalui ftp://rainmap@hokusai.eorc.jaxa.jp/realtime/daily0.1/00Z-23Z/ dengan password : Niskur+1404
2. Melalui FILEZILA dengan alamat FTP dengan host : hokusai.eorc.jaxa.jp dengan username : rainmap dan password : Niskur+1404 Setelah memasukan host, username, dan password tersebut, kemudian pilih folder /realtime/archive/tahun/bulan/tanggal kemudian pada file yang dipilih klik kanan dan pilih Download

Data GSMaP yang sudah didownload harus diekstrak terlebih dahulu. Kemudian perlu dibuat sebuah file .ctl (control file) yang akan digunakan sebagai referensi GrADS untuk membaca format data binary GSMaP. Berikut adalah contoh file .ctl daily :

catatan :
jika data yang didownload hanya terdiri dari 1 t (1 waktu) maka tdef diisi :
tdef 1 linear 00:00Z1dec2007 1d

Selanjutnya file .ctl disimpan di folder yang sama dengan tempat menyimpan data GSMaP.
 
Untuk plotting dan ekstrak data GSMaP harian dapat dibaca pada link sebagai berikut : https://arifmarufi.blogspot.com/2020/01/cara-plot-dan-ekstrak-data-gsmap.html

Dampak KARHUTLA Tahun 2015 Terhadap Konsetrasi Carbon Monoxida

Kejadian kebakaran hutan dan lahan pada tahun 2015 telah meningkatkan konsentrasi Total Column Carbon Monoxide (TCCO), dari animasi TCCO harian pada saat kejadian KARHUTLA Tahun 2015 dapat dilihat bahwa puncak konsentrasi tertinggi dari TCCO adalah pada bulan Oktober 2015 dimana konsentrasinya mencapai >0,009 kg/m2 dengan sebaran yang mencapai hampir seluruh pulau Sumatera, Kalimantan dan bahkan sampai ke negara Singapura. Tentu saja angka ini perlu dilakukan koreksi karena bukan merupakan hasil observasi melainkan output dari model Copernicus Atmosphere Monitoring Service (CAMS) dari European Centre For Medium-Range Weather Forecast  (ECMWF).