Search for collections on Repository Universitas Maritim Raja Ali Haji

Prediksi Kecepatan Angin Menggunakan Algoritma Elman Recurrent Neural Network (Studi Kasus: Stasiun BMKG Hang Nadim Batam)

Nanang Gusti, Rama and Martaleli, Bettiza and Nola, Ritha (2021) Prediksi Kecepatan Angin Menggunakan Algoritma Elman Recurrent Neural Network (Studi Kasus: Stasiun BMKG Hang Nadim Batam). S1 thesis, Universitas Maritim Raja Ali Haji.

[img] Text
Nanang Gusti Rama_160155201023_Informatika - Nanang Gusti Rama.pdf
Restricted to Registered users only

Download (2MB)
Official URL: https://lib.umrah.ac.id

Abstract

Angin memiliki peranan penting dalam kehidupan manusia seperti membantu dalam bidang transportasi laut yaitu pelayaran, serta membantu dalam bidang transportasi udara dimana angin sebagai salah satu faktor penting dalam proses lepas landas dan juga mendaratnya suatu pesawat. Keputusan memprediksi sangatlah penting, karena dengan prediksi kecepatan angin dapat mengetahui besaran nilai kecepatan angin, serta juga dapat membantu dalam bidang transportasi laut dan udara. Oleh karena itu, penulis melakukan penelitian untuk memprediksi kecepatan angin mengunakan metode Elman Recurrent Neural Network (ERNN). penelitian menggunakan data kecepatan angin yang sudah ada sebelumnya dengan jumlah 2916 data, dimana data tersebut dibagi 3 variasi untuk percobaan sistem yaitu 60% : 40%, 70% : 30% dan 80% : 20% data latih dan data uji. Hasil penelitian ini mendapatkan hasil MAPE dan tingkat akurasi terbaik yang diperoleh pada percobaan data 60% : 40% dengan hasil nilai MAPE terkecil 11.751% pada data latih dan 28.622% pada data uji. Nilai akurasi berupa 88.249% pada data latih dan 71.378% pada data uji.

Item Type: Thesis (S1)
Subjects: 000 Karya Umum > 000. Ilmu Umum dan Komputer > 005.11.Pemrograman Khusus
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: Admin Repositori UMRAH
Date Deposited: 06 Dec 2021 04:34
Last Modified: 06 Dec 2021 04:34
URI: http://repositori.umrah.ac.id/id/eprint/2107

Actions (login required)

View Item View Item