Sucipto, Komando Lukman and Bettiza, Martaleli and Ritha, Nola (2024) IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY (LSTM) UNTUK PREDIKSI KECEPATAN ANGIN (STUDI KASUS: BMKG KOTA BATAM). S1 thesis, Universitas Maritim Raja Ali Haji.
![[img]](http://repositori.umrah.ac.id/style/images/fileicons/text.png) |
Text (Cover)
KOMANDO_LUKMAN_SUCIPTO_190155201069_Informatika - Cover.pdf - Published Version Download (526kB) |
|
Text (Abstrak)
KOMANDO_LUKMAN_SUCIPTO_190155201069_Informatika - Abstrak.pdf - Published Version Download (53kB) |
|
Text (BAB I)
KOMANDO_LUKMAN_SUCIPTO_190155201069_Informatika - Bab 1.pdf - Published Version Download (186kB) |
|
Text (Daftar Pustaka)
KOMANDO_LUKMAN_SUCIPTO_190155201069_Informatika - Daftar Pustaka.pdf - Published Version Download (191kB) |
|
Text (Full Teks)
KOMANDO_LUKMAN_SUCIPTO_190155201069_Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
Abstract
Penelitian ini bertujuan untuk mengimplementasikan algoritma Long Short-Term Memory Network (LSTM) untuk memprediksi kecepatan angin di Kota Batam. Data yang digunakan adalah data sekunder kecepatan angin harian dari Stasiun Meteorologi Kelas I Hang Nadim Batam periode 1 Januari 2022 hingga 31 Desember 2022. Sebanyak 2920 data kecepatan angin digunakan 2628 data untuk proses pelatihan dan 292 data untuk proses pengujian, dimana parameter yang digunakan dalam prediksi adalah kecepatan angin dalam satuan Km/Jam. Pemodelan LSTM dilakukan dengan melalui beberapa tahapan, yaitu pra�pemrosesan data, pembagian data latih dan data uji, implementasi algoritma LSTM, dan evaluasi model menggunakan metrik RMSE dan MAPE. Parameter model terbaik yang dihasilkan adalah batch size 128, max epoch 150, dan neuron hidden 50. Hasil prediksi menunjukkan nilai RMSE sebesar 4,58 dan MAPE 34,85% untuk data uji. Dilakukan juga prediksi kecepatan angin untuk 3 hari ke depan sejumlah 24 periode. Hasil prediksi menunjukkan rata-rata kecepatan angin sebesar 16,693 Km/Jam dengan MAPE 30,074%, termasuk dalam kategori prediksi yang cukup baik. Dapat disimpulkan bahwa metode LSTM dapat diimplementasikan dengan baik untuk memprediksi kecepatan angin di Kota Batam.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Subjects: | 000 Karya Umum > 000. Ilmu Umum dan Komputer > 005.3 Programs/Program 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: | 26 Jan 2024 05:05 | |||||||||
| Last Modified: | 26 Jan 2024 05:05 | |||||||||
| URI: | http://repositori.umrah.ac.id/id/eprint/6865 |
Actions (login required)
 |
View Item |