INFORMATIKA, Vol.3 September 2016, pp. 269~276 ISSN: 2355-6579 E-ISSN: 2528-2247 269 Diterima Agustus 5, 2016; Revisi Agustus 18, 2016; Disetujui Agustus 30, 2016 PREDIKSI BANJIR SUNGAI CITARUM DENGAN LOGIKA FUZZY HASIL ALGORITMA PARTICLE SWARM OPTIMIZATION Phitsa Mauliana AMIK BSI Bandung Jl. Sekolah Internasional No. 1-6, Antapani Bandung E-mail: phitsa.phu@bsi.ac.id Abstract The purpose of this paper is the prediction of the possibility of flooding using fuzzy logic results of data processing algorithms using particle swarm optimization (PSO). Flooding is the water level exceeds the normal stream. Usually on the face of water and erratic rainfall cause people cannot predict the occurrence of floods. It required an effort to predict the flood in order to minimize losses resulting from flooding. Particle swarm optimization algorithm can solve a system of nonlinear equations for predicting flooding is a non-linear data processing. Particle swarm optimization algorithm and sample used was rainfall and water level, the result is a flood prediction accuracy of 73% based on the resulting confusion matrix calculations. Implementation of fuzzy logic can help predict the likelihood of flooding around the Citarum River. Keywords: Prediction, Flood, Particle Swarm Optimization, Fuzzy Logic. 1. Pendahuluan Banjir yang terjadi di Bandung, khususnya paling sering terjadi adalah di daerah Kabupaten Bandung, kejadian banjir dipantau dan ditangani oleh salah satu Dinas Pemerintahan dalam hal ini Balai Besar Wilayah Sungai Citarum sebagai salah satu Dinas Pemerintahan yang bertugas untuk melakukan pemantauan terhadap keadaan sungai Citarum, harus dapat melakukan fungsinya dalam mengatasi berbagai kemungkinan terjadinya banjir di daerah-daerah sekitar yang dilalui oleh sungai Citarum sehingga dapat diambil tindakan untuk menghindari terjadinya banjir (Mauliana & Widodo, 2014). Sebagian besar negara telah memberikan perhatian yang cukup besar untuk memantau keadaan banjir di negaranya, karena banjir merupakan salah satu permasalahan serius bahkan dapat dikatakan sebagai ancaman besar bagi kehidupan manusia. Banjir dapat menyebabkan kerugian ekonomi, seperti : rusak dan hilangnya harta benda yang dimiliki masyarakat dan bahkan dapat menyebabkan kematian (Hong & Quanhua, 2009). Memprediksi banjir merupakan hal yang cukup sulit, karena merupakan jenis penelitian yang memiliki data non linier. Data non linier mempunyai area yang lebih luas untuk dilakukan suatu penelitian, karena model-model non linier seringkali memiliki bentuk yang lebih kompleks dan dinamis. Pembagian pemrograman non linier dapat ditentukan dari bentuk fungsi tujuan/obyektif, dari karakteristik fungsi tujuan/obyektif, atau dari keberadaan dan bentuk fungsi-fungsi pembatasnya (Hong & Quanhua, 2009). Salah satu alternatif untuk prediksi banjir dapat digunakan algoritma Particle Swarm Optimization (PSO), karena algoritma PSO dapat menyelesaikan sistem persamaan nonlinear (Rosita dkk, 2012), selain itu PSO merupakan salah satu metode optimisasi yang terbukti efektif digunakan untuk memecahkan masalah optimisasi multidimensi dan multiparameter pada pembelajaran machine learning seperti di Neural Network, SVM, dan classifier lain (Brits, 2009). Menurut (Kusumadewi & Purnomo, 2010) logika fuzzy mudah dimengerti. Fuzzy logic menggunakan dasar teori himpunan, maka konsep matematika yang mendasari penalaran fuzzy tersebut cukup