PRAMESTI, ANISA FEBRYANTI SUCI and Bettiza, Martaleli and Nurfalinda, Nurfalinda (2023) IMPLEMENTASI METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) UNTUK MEMPREDIKSI KECEPATAN ANGIN (STUDI KASUS : KOTA TANJUNGPINANG). S1 thesis, Universitas Maritim Raja Ali Haji.
![[img]](http://repositori.umrah.ac.id/style/images/fileicons/text.png) |
Text (Cover)
ANISA_FEBRYANTI_SUCI_PRAMESTI_190155201005_Teknik Informatika-Cover.pdf - Published Version Download (459kB) |
|
Text (Abstrak)
ANISA_FEBRYANTI_SUCI_PRAMESTI_190155201005_Teknik Informatika-Abstrak.pdf - Published Version Download (118kB) |
|
Text (BAB I)
ANISA_FEBRYANTI_SUCI_PRAMESTI_190155201005_Teknik Informatika-BAB I.pdf - Published Version Download (190kB) |
|
Text (Daftar Pustaka)
ANISA_FEBRYANTI_SUCI_PRAMESTI_190155201005_Teknik Informatika-Daftar_Pustaka.pdf - Published Version Download (121kB) |
|
Text (Full Teks)
ANISA_FEBRYANTI_SUCI_PRAMESTI_190155201005_Teknik Informatika-Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
Abstract
Kecepatan angin merupakan hal yang penting untuk diketahui karena berpengaruh terhadap operasi transportasi laut maupun udara di wilayah maritim. Daripada itu kecepatan angin juga berdampak pada kondisi laut seperti arus laut, gelombang serta kondisi cuaca. Prediksi kecepatan angin yang akurat dapat membantu para pelaut untuk mengatur jadwal pelayaran mereka dan mengambil tindakan yang tepat untuk menghindari kemungkinan cuaca buruk yang dipengaruhi oleh kecepatan angin. Prediksi kecepatan angin juga dapat membantu para pelaut untuk mengoptimalkan rute pelayaran dan meminimalkan waktu serta efisiensi biaya bahan bakar. Peneliti menerapkan metode Autoregressive Integrated Moving Average (ARIMA) untuk meneliti prediksi kecepatan angin dengan jumlah data sebanyak 192 data yang dibagi menjadi data latih dan data uji dengan perbandingan 80%:20% untuk data latih berjumlah 154 data dan data uji berjumlah 38 data. Hasil pengolahan data latih diperoleh model terbaik berdasarkan MAPE terkecil yaitu ARIMA (0,2,1) dengan MAPE 0.65%. Hasil pengujian prediksi data uji ARIMA (0,2,1) diperoleh MAPE sebesar 2.63%. Hasil prediksi kecepatan angin 12 periode kedepannya menunjukkan pola data naik turun yang tidak signifikan.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Subjects: | 000 Karya Umum > 000. Ilmu Umum dan Komputer > 005.1.Pemrograman 000 Karya Umum > 000. Ilmu Umum dan Komputer > 005.12. Sistem Analisa dan Desain Perangkat Lunak 000 Karya Umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan |
|||||||||
| Divisions: | Fakultas Teknik > Program Studi Teknik Informatika | |||||||||
| Depositing User: | user Teknik Informatika | |||||||||
| Date Deposited: | 02 Aug 2023 02:07 | |||||||||
| Last Modified: | 02 Aug 2023 02:07 | |||||||||
| URI: | http://repositori.umrah.ac.id/id/eprint/5407 |
Actions (login required)
 |
View Item |