Search for collections on Repository Universitas Maritim Raja Ali Haji

PREDIKSI KECEPATAN ANGIN DI KEPULAUAN RIAU MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK (ERNN) (Studi Kasus : Kota Tanjungpinang)

Sopiani, Sopiani and Nerfita, Nikentari and Nurul, Hayaty (2019) PREDIKSI KECEPATAN ANGIN DI KEPULAUAN RIAU MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK (ERNN) (Studi Kasus : Kota Tanjungpinang). S1 thesis, Universitas Maritim Raja Ali Haji.

[img] Text
Laporan SIDI (Sistem Prediksi) Sopiani FIX.pdf
Restricted to Registered users only

Download (3MB)
Official URL: https://ft.umrah.ac.id/

Abstract

Kecepatan angin merupakan salah satu faktor yang mempengaruhi kehidupan masyarakat di laut, contohnya nelayan. Kecepatan angin dapat menjadi acuan bagi nelayan sebelum turun ke laut, dengan mengetahui kecepatan angin tersebut nelayan dapat mengambil keputusan selanjutnya. Oleh karena itu dilakukan penelitian untuk melatih pola data prediksi kecepatan angin dengan menggunakan data tunggal historis tanggal 1 Januari sampai 23 Oktober tahun 2017 yang didapat dari BMKG kota Tanjungpinang. Penelitian ini dilakukan dengan menggunakan metode JST Elman Recurrent Neural Network (ERNN), dikarenakan ERNN memiliki waktu pelatihan yang relatif lebih singkat dan dapat menghasilkan output dengan tingkat akurasi yang cukup tinggi. Metode ERNN secara umum memiliki tahapan diantaranya ialah menentukan nilai parameter, dan pada penelitian ini menentukan nilai parameter dilakukan secara random. Dari 235 data yang dibagi menjadi 232 data untuk pelatihan dan 58 data untuk pengujian, pelatihan dan pengujian tersebut menggunakan 4 parameter inputan dengan parameter terbaik pada nilai learning rate 0.1, jumlah hidden unit 7, target error 0.001, dan jumlah epoch 100000 menghasilkan MSE sebesar 0.889119, serta pengujian dengan parameter terbaik menghasilkan MSE sebesar 3.4400, RMSE 1.8547, dan MAPE 0.2434 dari keseluruhan data pengujian. Dari data pengujian tersebut, data ke-12 memiliki nilai akurasi terkecil yaitu MSE 0.00001, RMSE 0.0037, dan MAPE 0.0009.

Item Type: Thesis (S1)
Subjects: 000 Karya Umum > 000. Ilmu Umum dan Komputer > 005.3 Programs/Program
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: Admin Repositori UMRAH
Date Deposited: 18 Jul 2021 12:38
Last Modified: 18 Jul 2021 12:38
URI: http://repositori.umrah.ac.id/id/eprint/605

Actions (login required)

View Item View Item