KURNIAWAN, ERVAN and Matulatan, Tekad and Ritha, Nola (2024) IMPLEMENTASI ALGORITMA BIDIRECTIONAL GATED RECURRENT UNIT (BIGRU) UNTUK PREDIKSI KECEPATAN ANGIN (STUDI KASUS: KOTA TANJUNGPINANG DAN KABUPATEN KEPULAUAN ANAMBAS). S1 thesis, Universitas Maritim Raja Ali Haji.
![]() |
Text (COVER)
ERVAN KURNIAWAN_2001020013_TEKNIK INFORMATIKA - COVER.pdf - Published Version Download (347kB) |
![]() |
Text (ABSTRAK)
ERVAN KURNIAWAN_2001020013_TEKNIK INFORMATIKA - ABSTRAK.pdf - Published Version Download (120kB) |
![]() |
Text (BAB 1)
ERVAN KURNIAWAN_2001020013_TEKNIK INFORMATIKA - BAB 1.pdf - Published Version Download (135kB) |
![]() |
Text (DAFTAR PUSTAKA)
ERVAN KURNIAWAN_2001020013_TEKNIK INFORMATIKA - DAFTAR PUSTAKA.pdf - Published Version Download (196kB) |
![]() |
Text (FULL TEKS)
ERVAN KURNIAWAN_2001020013_TEKNIK INFORMATIKA - FULL TEKS.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
Abstract
Penelitian ini bertujuan untuk mengimplementasikan algoritma Bidirectional Gated Recurrent Unit (BiGRU) untuk memprediksi kecepatan angin di Kota Tanjungpinang dan Kabupaten Kepulauan Anambas. Data kecepatan angin yang digunakan merupakan data harian yang diperoleh dari website Badan Meteorologi Klimatologi dan Geofisika (BMKG) periode tahun 2022. Algoritma BiGRU dipilih karena kemampuannya dalam menangkap pola data sekuensial baik dari arah maju maupun mundur. Penelitian ini mencakup beberapa tahapan, mulai dari identifikasi masalah, studi literatur, pengumpulan data, preprocessing, klasifikasi data, pelatihan model, hingga evaluasi hasil prediksi. Hasil penelitian menunjukkan bahwa model BiGRU mampu memberikan prediksi yang cukup akurat dengan nilai MAPE sebesar 15.63% dan nilai RMSE sebesar 0.6050 pada data kecepatan angin rata-rata Kabupaten Kepulauan Anambas. Dengan batch size 16 dan epoch 250, model mencapai akurasi tertinggi sebesar 84,37% tetapi terdapat indikasi overfitting yang ditandai dengan nilai loss sebesar 0.0076 yang lebih rendah pada data latihan dibandingkan nilai validation loss sebesar 0.0216 pada data validasi. Hasil penelitian menunjukkan bahwa overfitting dipengaruhi oleh batch size, jumlah epoch, dan jenis data. Penelitian ini diharapkan dapat berkontribusi dan mendukung perencanaan kegiatan yang bergantung pada kondisi angin
Item Type: | Thesis (S1) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Contributors: |
|
|||||||||
Subjects: | 000_umum > 000. Ilmu Umum dan Komputer > 005.1.Pemrograman 000_umum > 000. Ilmu Umum dan Komputer > 005.3 Programs/Program 000_umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan 000_umum > 000. Ilmu Umum dan Komputer > 006.752. Blogs/Blog, Web Blog |
|||||||||
Divisions: | Fakultas Teknik > Program Studi Teknik Informatika | |||||||||
Depositing User: | user Teknik Informatika | |||||||||
Date Deposited: | 31 Jul 2024 08:24 | |||||||||
Last Modified: | 31 Jul 2024 08:24 | |||||||||
URI: | http://repositori.umrah.ac.id/id/eprint/7869 |
Actions (login required)
![]() |
View Item |