Pembelajaran Mesin, RKK301, RK-A1, 2023

Flood-Prone Susceptibility Analysis In Garut Using Fuzzy

Inference System Mamdani Method

1a Bhisma Pradipta Putra, 2b, Rifqy Nurkholiq 4c , Khaula Sayyidatunadia 4d Sunan

Sheva Teguh Setiadi, 5e Harits Aufaa Abyan Fawwas
a
(162112233032) Teknik Robotika dan Kecerdasan Buatan, Fakultas Teknologi Maju dan Multidisiplin, Universitas Airlangga, Surabaya

b
(162112233086) Teknik Robotika dan Kecerdasan Buatan, Fakultas Teknologi Maju dan Multidisiplin, Universitas Airlangga, Surabaya

c
(162112233076) Teknik Robotika dan Kecerdasan Buatan, Fakultas Teknologi Maju dan Multidisiplin, Universitas Airlangga, Surabaya

d
(162112233077) Teknik Robotika dan Kecerdasan Buatan, Fakultas Teknologi Maju dan Multidisiplin, Universitas Airlangga, Surabaya

e
(162012233041) Teknik Robotika dan Kecerdasan Buatan, Fakultas Teknologi Maju dan Multidisiplin, Universitas Airlangga, Surabaya

Abstrak

Banjir merupakan salah satu peristiwa yang rutin terjadi di provinsi Garut. Pemerintah Daerah (Pemda) Garut, Jawa Barat,
menyatakan luapan dua sungai besar di dua wilayah Garut, menjadi salah satu penyebab banjir. Untuk memitigasi dampak
buruk, Badan Nasional Penanggulangan Bencana (BNPB) secara aktif berupaya memetakan daerah rawan banjir di Daerah
Aliran Sungai (DAS) untuk dilakukan proses mitigasi. Program ini telah berhasil mengukur besaran kerentanan terhadap banjir
dan mengklasifikasikan berbagai wilayah di Garut ke dalam tiga kategori: aman, rawan, dan rawan banjir. Untuk lebih
detailnya, penelitian ini menggunakan Fuzzy Inference System Mamdani sebagai proses perhitungannya. Beberapa faktor yang
mempengaruhi proses penghitungan ini antara lain tingkat kelembapan, jarak dari sungai, kemiringan lahan, sikap penduduk,
dan ambang batas risiko. Berdasarkan hasil penelitian secara keseluruhan, menunjukkan tingkat akurasi yakni sebesar 92,30%
dimana hasil ini lebih baik dibandingkan dengan data rawan banjir yang dikeluarkan oleh pemerintah pusat, sehingga
harapannya dapat diaplikasikan di lapangan.

Kata Kunci : Banjir, Rawan Banjir, Fuzzy Inference Mamdani.

1. Pendahuluan

Kabupaten Garut sering mengalami masalah banjir karena faktor alam dan aktivitas manusia. Banjir bisa
terjadi karena curah hujan tinggi, kondisi topografi tanah yang rendah, dan pasang air laut. Peran manusia dalam
membangun di sepanjang sungai dan membuang sampah, baik di sekitar sungai maupun langsung ke sungai, juga
menjadi penyebab banjir (Badan Nasional Penanggulangan Bencana). Pada tahun 2022, Garut mengalami banjir
besar yang merendam 20 desa dan menimpa 3.702 warga. Kejadian ini mendorong pemerintah setempat untuk
fokus pada langkah-langkah pencegahan guna mengurangi risiko banjir di masa depan. Salah satu strategi yang
diterapkan oleh Badan Penaggulangan Bencana Daerah adalah memantau kondisi lanskap sepanjang sungai untuk
lebih memahami potensi banjir akibat kerusakan alam, agar upaya penanggulangan dapat dilakukan lebih efektif
[1].
Pemerintah memantau risiko banjir di setiap daerah menggunakan metode Fuzzy Mamdani. Kelebihan
metode ini terletak pada penggunaan nilai domain 'n' dari himpunan fuzzy yang dikategorikan ke dalam komponen
linguistik [2]. Tulisan ini membahas bagaimana hasil pemantauan pemerintah dapat menganalisis risiko banjir di
setiap daerah dengan Fuzzy Mamdani, yang diharapkan memberikan hasil lebih mendekati keadaan sebenarnya
daripada Fuzzy Sugeno [3]. Diharapkan dengan adanya penulisan ini dengan menggunakan metode Fuzzy
Mamdani mendapatkan hasil yang mendekati keadaan.
Penelitian ini dimaksudkan agar mempermudah pemerintah dalam mengenali dan memetakan potensi
bencana banjir, terutama di wilayah Kabupaten Garut. Tujuan utamanya adalah memberikan manfaat kepada
institusi lain yang memiliki kepentingan terkait penanganan banjir, sehingga mereka dapat memperoleh informasi
yang relevan mengenai potensi banjir. Output dari penelitian ini berupa kesimpulan mengenai tingkat kerentanan
setiap kecamatan di Garut terhadap banjir, yang kemudian diklasifikasikan sebagai aman, rawan, atau berpotensi
banjir. Diharapkan pula bahwa hasil penelitian ini dapat berkontribusi dalam persiapan evakuasi dan penanganan
bencana banjir dengan lebih efektif dan proaktif.

2. Landasan Teori

2.1 Penelitian Pendahulu

Penelitian ini diajukan untuk mengembangkan program analisis kerentanan banjir dengan fokus pada
pemetaan potensi banjir. Sebelumnya, dalam penelitian [4] tentang kerentanan banjir di Semarang, dilakukan
menggunakan sistem inferensi Fuzzy Mamdani dengan mempertimbangkan lima parameter, seperti kepadatan
penduduk, luas drainase, kemiringan lereng, ketinggian areal, dan curah hujan. Hasil penelitian tersebut berhasil
memberikan informasi yang lebih efisien terkait kerentanan banjir. Namun, penelitian lain [5] di Bandung
mengambil pendekatan berbeda dengan hanya menggunakan tiga parameter, yaitu Jarak, curah hujan, dan banjir.
Meskipun parameter yang lebih sedikit, penelitian ini tetap berhasil dalam memprediksi potensi banjir. Dari dua
peneliti yang dijelaskan kami menggunakan data dari peneliti terhadulu kita untuk menganalisi dan memetakan
potensi banjir di Garut [1].

2.2 Banjir

Banjir adalah peristiwa alam yang terjadi ketika air dari sungai, danau, atau laut meluap, menciptakan
genangan air di wilayah yang biasanya kering. Untuk menganalisis potensi banjir, pemahaman tentang hidrologi,
termasuk siklus air dan tata air, menjadi dasar yang sangat penting. Faktor-faktor seperti topografi, sistem
drainase, perubahan iklim, pola penggunaan lahan, pembangunan, dan infrastruktur memainkan peran utama
dalam meningkatkan risiko banjir. Curah hujan juga menjadi perhatian khusus, terutama di daerah aliran sungai,
karena dapat menyebabkan peningkatan jumlah banjir selama musim hujan dan mengakibatkan kerugian bagi
masyarakat yang terdampak [5].

2.3 Logika Fuzzy Metode Mamdani

Logika Fuzzy memberi kita cara lebih fleksibel untuk membuat keputusan di situasi yang tidak jelas atau
ambigu dalam kehidupan sehari-hari. Berbeda dengan logika digital yang hanya punya nilai 1 atau 0, logika Fuzzy
mempertimbangkan sejauh mana suatu pernyataan benar, berkisar dari 0 hingga 1. Ini memungkinkan penilaian
yang lebih nuansa, memperhitungkan area abu-abu antara konsep benar dan salah. Logika ini diterapkan dalam
berbagai bidang seperti sistem kontrol, pemrosesan citra, pemrosesan bahasa alami, dan diagnosis medis.
Fuzzy Mamdani adalah sistem pengendalian berbasis logika fuzzy yang menggabungkan prinsip-prinsip
logika fuzzy dengan aturan linguistik manusia untuk mengambil keputusan atau mengendalikan suatu sistem [3].
Metode Mamdani juga dikenal sebagai Metode Max-min [2]. Nama "Mamdani" diambil dari Lotfi A. Zadeh,
pendiri metode ini dan ahli matematika Fuzzy Logic yang pertama kali mempopulerkan konsep logika fuzzy.
Meskipun keduanya berlandaskan konsep logika fuzzy, terdapat perbedaan dalam cara pengolahan aturan dan
penghasilan output di antara keduanya.
 Di Garut, banjir sering terjadi akibat faktor alamiah seperti hujan tinggi dan topografi tanah yang lebih
rendah dari permukaan laut. Namun, kontribusi dari faktor manusia, seperti penggunaan lahan yang tidak tepat
dan pembuangan sampah yang menyumbat sungai, juga berpengaruh. Oleh karena itu, diusulkan program analisis
kerentanan banjir di kecamatan-kecamatan Garut menggunakan Sistem Inferensi Fuzzy Mamdani. Tujuannya
adalah memberikan informasi tentang sejauh mana suatu wilayah rentan terhadap banjir, dengan harapan dapat
membantu lembaga terkait dalam meramalkan dan mempersiapkan langkah-langkah evakuasi serta penanganan
bencana banjir secara lebih efektif.

3. Sumber Data dan Metodologi

3.1 Sumber Data

Untuk pelaksanaan paper ini, diperlukan data untuk dapat memperkirakan tingkat kerentanan banjir. Data
yang diperlukan untuk penelitian ini adalah kepadatan penduduk, lereng dan ketinggian area, yang diperoleh dari
website Badan Pusat Statistik (BPS) kabupaten Garut [6]. Daerah Aliran Sungai di dapat dari Badan Pengelolaan
Daerah Aliran Sungai (BPDAS) Provinsi Jawa Barat. Curah hujan dari Dinas Sumber Daya Air (DSDA) provinsi
Jawa Barat. Tingkat risiko banjir dari Badan Nasional Penanggulangan Bencana (BPBD) kabupaten Garut [7].
Data dari tabel 2 berikut merupakan data yang didapatkan dari 13 distrik kabupaten Garut.

Table 1. Data Distrik Garut

No Nama Distrik Kepadatan Daerah Ketinggian Lereng Curah Tingkat

Penduduk Aliran Daerah Area Hujan Risiko
(Warga/𝑘𝑚2 ) Sungai (Ha) (%) (mdp) (mm/hari) (Indeks
Risiko)

1 Cibalong 185.95 412.523218 36 40 18.173913 0.499026

2 Cikajang 579.7 4986.80175 1278 15 15.516129 0.528742

3 Cilawu 1276 3755 913 40 16.7 0.54

4 Cigedug 1181.28 3312.02356 1269 15 15.516129 0.6280445

5 Cisurupan 996.83 9082.48295 1100 40 16.6775701 0.541793

6 Tarogong Kidul 5374.2 1965.7623 714 3 16.745283 0,5907836

7 Tarogong Kaler 1709.67 5176.61807 731 3 16.745283 0,541209

8 Garut Kota 4341.93 3002.68081 700 15 16.745283 0,60799171

9 Karangpawitan 2302,73 5218,15752 762 2 16,745283 0,538681

10 Cibatu 1650,91 3826,41949 653 3 13,4936709 0,544622

11 Kadungora 2332,86 3850,34699 700 40 13,4936709 0,476828

12 Selaawi 1145,3 8842,1 551 40 13,494 0,5134

13 Cikelet 222,99 47,9504 10 3 18,173913 0,520271

3.2 Metodologi

Gambar 1. Skematik Aturan Fuzzy

3.2.1. Input

Pada jurnal penelitian ini terdapat dua kategori variabel yaitu variabel input dan output. Dimana
Variabel input diperoleh dari wawancara dan studi literatur sehingga digunakan enam variabel yaitu :

● Menurut [6], variabel kepadatan penduduk dibagi menjadi 4 kategori yaitu Tidak Padat [< 50]
jiwa/km2, Kurang Padat [51 – 250] orang/km2, Cukup Padat [251 – 400] orang/km2, Sangat Padat [>
400] orang/km2, seperti berikut :

● Menurut [7] variabel luas daerah aliran sungai dibagi menjadi 5 kategori yaitu Sangat Kecil dengan
interval [<10.000] (Ha), Kecil dengan interval [10.000 - 100.000] (Ha), Sedang dengan interval
[100.000 - 500.000] (Ha), Besar dengan interval[ 500.000 - 1.500.000] (Ha), dan Sangat Besar [>
1.500.000] (Ha).
● Menurut [7], variabel tingkat kemiringan lereng dibagi menjadi 5 kategori yaitu Datar [<8%],
Kemiringan [8% - 15%], Agak Curam [16% - 25%], Curam [25% - 40%], dan Sangat Curam [> 40%],
seperti pada gambar berikut :

● Menurut [4], variabel ketinggian dibagi menjadi 3 kategori yaitu rendah [0-200] mdpl, sedang [175-
400] mdpl, dan tinggi [> 300] mdpl
● Menurut [7], variabel curah hujan dibagi menjadi 5 kategori yaitu sangat rendah [<13,60] (mm/hari),
rendah [13,61 - 20,70] (mm/hari), sedang [20,71 - 27,70] ( mm/hari), Tinggi [27,71 - 34,80] (mm/hari),
dan Sangat Tinggi [>34,81] (mm/hari), seperti pada gambar berikut:
 ● Menurut [6], tingkat variabel risiko dibagi menjadi 3 kategori, yaitu sangat rendah [<0.33], Ringan
[0.33-0.66], Sedang [lebih dari 0,66], seperti pada Gambar 7. Variabel keluarannya adalah tingkat
kerawanan banjir. yang terbagi menjadi 3 himpunan fuzzy yaitu aman [151 - 300], rawan [301 - 449],
dan banjir [450 - 598].

3.2.1 Fuzzifikasi

Pada tahap ini data yang telah diinput pada tahap awal akan diubah menjadi himpunan fuzzy dengan
menggunakan fungsi keanggotaan. Fungsi keanggotaan trapesium digunakan karena terdapat beberapa titik yang
mempunyai derajat keanggotaan satu nilai [8]. Kemudian setelah ditransformasikan nilai derajat
keanggotaannya masing-masing, seperti gambar berikut :

Fungsi keanggotaan:

𝑢[𝑥, 𝑎, 𝑏, 𝑐, 𝑑] = 0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑏
(𝑥 − 𝑎)
; 𝑎≤𝑥≤𝑏
(𝑏 − 𝑎)
1; 𝑏≤𝑥≤𝑐
(𝑑 − 𝑥)
; 𝑥≤𝑑
(𝑑 − 𝑐)
Fungsi keanggotaan kepadatan penduduk :

𝑢 𝐾𝑒𝑝𝑎𝑑𝑎𝑡𝑎𝑛 𝑃𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑇𝑖𝑑𝑎𝑘 𝑃𝑎𝑑𝑎𝑡[𝑥] = 1; 𝑥 ≤ 30

(50 − 𝑥)
; 30 ≤ 𝑥 ≤ 50
(50 − 30)
0; 𝑥 ≥ 50

𝑢 𝐾𝑒𝑝𝑎𝑑𝑎𝑡𝑎𝑛 𝑃𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑆𝑒𝑑𝑖𝑘𝑖𝑡 𝑃𝑎𝑑𝑎𝑡[𝑥] = 0; 𝑥 ≤ 30 𝑎𝑡𝑎𝑢 𝑥 ≥ 250

𝑥 − 30
; 30 ≤ 𝑥 ≤ 50
50 − 30
1; 50 ≤ 𝑥 ≤ 250
250 − 𝑥
; 200 ≤ 𝑥 ≤ 250
250 − 200
𝑢 𝐾𝑒𝑝𝑎𝑑𝑎𝑡𝑎𝑛 𝑃𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝐶𝑢𝑘𝑢𝑝 𝑃𝑎𝑑𝑎𝑡[𝑥] = 0; 𝑥 ≤ 200 𝑎𝑡𝑎𝑢 𝑥 ≥ 400
𝑥 − 200
; 200 ≤ 𝑥 ≤ 250
250 − 200
1; 250 ≤ 𝑥 ≤ 350
400 − 𝑥
; 350 ≤ 𝑥 ≤ 400
400 − 350
𝑢 𝐾𝑒𝑝𝑎𝑑𝑎𝑡𝑎𝑛 𝑃𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑆𝑎𝑛𝑔𝑎𝑡 𝑃𝑎𝑑𝑎𝑡[𝑥] = 0; 𝑥 ≤ 350
𝑥 − 350
; 350 ≤ 𝑥 ≤ 400
400 − 350
1; 𝑥 ≥ 4000

3.2.2 Penerapan implikasi fungsi

Nilai derajat keanggotaan dari variabel input (kepadatan penduduk, luas daerah aliran sungai, ketinggian
wilayah, kemiringan, curah hujan, dan tingkat risiko) yang diperoleh pada tahap fuzzifikasi akan dimasukkan ke
setiap aturan inferensi sesuai dengan variabel input yang digunakan, seperti dalam persamaan (3).

𝐼𝐹 𝑋1 𝑎𝑑𝑎𝑙𝑎ℎ 𝐴1 𝐴𝑁𝐷. . . . 𝐴𝑁𝐷𝑋𝑛 𝑖𝑠𝐴𝑛 𝑇𝐻𝐸𝑁 𝑦 𝑖𝑠 𝐵

Setelah itu, dilakukan kombinasi dari semua variabel input menggunakan fungsi implikasi. Fungsi implikasi yang
digunakan adalah fungsi min dengan operator AND yang ditentukan oleh fungsi keanggotaan.

𝑢𝑥 (𝑥) = 𝑚𝑖𝑛(𝑢𝑥1 (𝑥), 𝑢𝑥2 (𝑥), . . . . , 𝑢𝑥𝑛 (𝑥))

3.2.3 Pembuatan Aturan
Pada tahap ini, dilakukan fungsi komposisi aturan menggunakan metode Maksimum, dengan rumus
seperti yang tertera pada persamaan (5).
𝑢𝑠𝑓 [𝑥𝑖 ] = 𝑚𝑎𝑥(𝑢𝑠𝑓 [𝑥𝑖 ], 𝑢𝑘𝑓 [𝑥𝑖 ])
𝑢𝑠𝑓 [𝑥𝑖 ] = Nilai keanggotaan solusi fuzzy hingga aturan ke-i
𝑢𝑘𝑓 [𝑥𝑖 ] = Konsekuensi nilai keanggotaan fuzzy dari aturan i

Pada tahap ini, aturan-aturan digabungkan berdasarkan kategori hasil, seperti aman, banjir, dan rentan.
Solusi yang diperoleh dari tahap fungsi implikasi dicari nilai maksimumnya di setiap kategori untuk
menghasilkan solusi himpunan fuzzy. Solusi himpunan fuzzy ini nantinya akan digunakan untuk memodifikasi
area fuzzy dan diterapkan pada output dengan menggunakan operator OR (persatuan).
3.2.4 Defuzzifikasi
Pada tahap ini dilakukan pemetaan nilai dimana pada tahap sebelumnya diperoleh hasil berupa dari
himpunan fuzzy. Menghitung himpunan fuzzy pada rentang yang telah ditentukan menggunakan metode
centroid, seperti pada (5) untuk mendapatkan nilai tajam 69].
∫𝑧 𝑧𝑢(𝑧)𝑑𝑧
𝑍 ∗=
∫𝑧 𝑢(𝑧)𝑑𝑧
𝑍 ∗ = Nilai hasil defuzzifikasi merupakan titik pusat regional.
𝑢(𝑧) = Nilai Keanggotaan
∫𝑧 𝑧𝑢(𝑧)𝑑𝑧 = Momen untuk seluruh daerah hasil aturan komposisi.
3.2.5 Output
Pada tahap ini, nilai-nilai yang telah diperoleh pada tahap defuzzifikasi akan dikategorikan sebagai
aman, rentan, atau banjir.

4. Analisis dan Pembahasan

Berisi hasil analisis dan pembahasan. Untuk format tabel dan gambar mengikuti contoh dibawah ini.

Tabel 1. Hasil Fuzzifikasi di Cikelet

Variabel Fuzzy set Fungsi Keanggotaan Variab Fuzzy set Fungsi Keanggotaan
el

Kepadatan Tidak Padat 𝜇𝐾𝑃−𝑇𝑃 [222,99] = 0 Leren Datar 𝜇𝐾𝐿−𝐷 [3%] = 1

Penduduk g Area
Kurang 𝜇𝐾𝑃−𝐾𝑃 [222,99] Lereng 𝜇𝐾𝐿−𝐿 [3%] = 0
Padat = 0,5402

Cukup Padat 𝜇𝐾𝑃−𝐶𝑃 [222,99] Agak 𝜇𝐾𝐿−𝐴𝐶 [3%] = 0

= 0,4598 Curam

Sangat 𝜇𝐾𝑃−𝑆𝑃 [222,99] = 0 Curam 𝜇𝐾𝐿−𝐶 [3%] = 0

Padat

Sangat 𝜇𝐾𝐿−𝑆𝐶 [3%] = 0

Curam

Daerah Sangat Kecil Curah Sangat 𝜇𝐶𝐻−𝑆𝑅 [18.173913] = 0

Aliran Hujan Rendah
𝜇𝐷_𝑆𝐾 [47.9504] = 1
Sungai

Kecil 𝜇𝐷_𝐾 [47.9504] = 0 Ringan 𝜇𝐶𝐻−𝑅 [18.173913]

= 0.5052174

Sedang 𝜇𝐷_𝑆 [47.9504] = 0 Sedang 𝜇𝐶𝐻−𝑆 [18.173913]

= 0.4947826

Besar 𝜇𝐷_𝐵 [47.9504] = 0 Tinggi 𝜇𝐶𝐻−𝑇 [18.173913] = 0

Sangat 𝜇𝐷_𝑆𝐵 [47.9504] = 0 Sangat 𝜇𝐶𝐻−𝑆𝑇 [18.173913] = 0

Besar Tinggi

Ketinggian Rendah 𝜇𝐾𝑇_𝑅 [10] = 1 Tingk Rendah 𝜇𝑇𝑅−𝑅 [0.520271] = 0

Daerah at
Sedang 𝜇𝐾𝑇_𝑆 [10] = 0 Risiko Sedang 𝜇𝑇𝑅−𝑅 [0.520271] = 1
 Tinggi 𝜇𝐾𝑇_𝑇 [10] = 0 Tinggi 𝜇𝑇𝑅−𝑅 [0.520271] = 0

Berikut adalah hasil dari algoritma yang kami desain :

No Nama Desa Skor Status

0 Cibalong 2.0 Prone

1 Cikajang 2.0 Prone

2 Cilawu 2.0 Prone

3 Cigedug 2.0 Prone

4 Cisurupan 2.0 Prone

5 Tarogong Kidul 2.0 Prone

6 Tarogong Kaler 2.0 Prone

7 Garut Kota 2.0 Prone

8 Karangpawitan 2.0 Prone

9 Cibatu 2.0 Prone

10 Kadungora 2.0 Prone

11 Selaawi 2.0 Prone

12 Cikelet 3.0 Flood

Pada program tersebut kami mendefinisikan bahwa 1.0 adalah rendah, 2.0 adalah sedang, dan 3.0 adalah
tinggi untuk tingkat resiko terhadap banjir. Dari hasil program diatas kami mendapatkan hasil bahwa rata - rata
wilayah rentan terhadap resiko banjir/ masuk pada kategori sedang yang ditandai dengan skor 2.0 hal tersebut
sama dengan paper yang kami ulas dimana untuk tingkat resiko banjir didapatkan hasil 1 pada kondisi sedang.
sedangkan banjir dengan kondisi tinggi di dapatkan oleh satu desa yaitu cikelat dengan skor 3.0 karena kondisinya
termasuk tinggi pada kepadatan penduduk, daerah aliran sungai, lereng area, dan curah hujan maka dari itu cikalet
termasuk daerah dengan resiko banjir tinggi.

5. Kesimpulan

Dalam penelitian ini, dapat disimpulkan bahwa metode Sistem Inferensi Fuzzy Mamdani dapat
digunakan untuk menganalisis tingkat kerentanan banjir di Garut. Hasil perhitungan mencocokkan 12 kecamatan
dengan katalog daerah rawan banjir dan satu kecamatan berbeda. Kesesuaian hasilnya mencapai 92.30% dengan
katalog tersebut. Kriteria yang mempengaruhi tingkat kerentanan banjir di Garut terdiri dari kepadatan penduduk,
luas daerah aliran sungai, kemiringan, ketinggian wilayah, curah hujan, dan tingkat risiko.

Aplikasi yang dibuat menggunakan Python telah berhasil memberikan informasi tentang tingkat
kerentanan banjir di area yang dipilih. Untuk penelitian selanjutnya, diharapkan peneliti dapat mencoba metode
logika fuzzy lainnya untuk perbandingan hasil. Disarankan juga agar aplikasi dapat menyimpan hasil perhitungan
agar pengguna dapat melihat hasil sebelumnya.
Daftar Pustaka
[1] R. Ardyanti and I. A. Iswanto, “ScienceDirect ScienceDirect Flood-Prone Flood-Prone Susceptibility
Susceptibility Analysis Analysis In In Garut Garut Using Using Fuzzy Fuzzy Inference Inference
System Mamdani Method System Mamdani Method,” Procedia Comput. Sci., vol. 227, pp. 912–921,
2023, doi: 10.1016/j.procs.2023.10.598.
[2] S. Mujab, “Implementasi Fuzzy Infrence System Metode Mamdani Mom ( Mean of Maximum Method )
Untuk Klasifikasi Kelompok Belajar Siswa Baru,” Landasan Teor. Pengertian Fuzzzy, pp. 12–26, 2018,
[Online]. Available: http://eprints.umg.ac.id/id/eprint/626
[3] S. Batubara, “Analisis Perbandingan Metode Fuzzy Mamdani Dan Fuzzy Sugeno Untuk Penentuan
Kualitas Cor Beton Instan,” It J. Res. Dev., vol. 2, no. 1, pp. 1–11, 2017, doi:
10.25299/itjrd.2017.vol2(1).644.
[4] S. Arifin, M. A. Muslim, and S. Sugiman, “Implementasi Logika Fuzzy Mamdani untuk Mendeteksi
Kerentanan Daerah Banjir di Semarang Utara,” Sci. J. Informatics, vol. 2, no. 2, p. 179, 2016, doi:
10.15294/sji.v2i2.5086.
[5] I. M. Rabbani, P. Daru Kusuma, and R. E. Saputra, “Pengembangan Alat Deteksi Banjir Berbasis
Metode Fuzzy Development of Flood’S Detection Equipment Based on Fuzzy Method,” e-Proceeding
Eng., vol. 5, no. 3, pp. 6283–6289, 2018.
[6] Peraturan Pemerintahan Pengganti Undang-Undang. Indonesia 1960.
[7] Bina pengelolaan daerah aliran sungai dan perhutanan Sosial,Peraturan direktur jendral bina pengelolan
daerah aliran sungai dan perhutanan nomor . bahasa Indonesia, 2013.