Chandra, Regina Anky (2018) Optimasi Metode Extreme Learning Machine Dalam Penentuan Kualitas Air Sungai Menggunakan Algoritme Genetika. Sarjana thesis, Universitas Brawijaya.
Abstract
Seiring dengan meningkatnya jumlah populasi manusia, sumber air bersih yang ada di bumi terus berkurang. Dampak yang diberikan akibat tercemarnya sumber air juga tidak dapat diremehkan. Beberapa dampaknya antara lain adalah menurunnya kadar oksigen yang ada di bumi dikarenakan tumbuhan tidak dapat berfotosintesis dengan baik, mengganggu kesuburan tanah, mematikan hewan-hewan yang hidup di dalam air dan masih banyak dampak lainnya. Salah satu sumber air di muka bumi ini berasal dari sungai. Untuk menjaga kualitas air agar tetap pada kondisi alamiahnya, perlu dilakukan pengukuran dan analisis terhadap air sungai tentang status mutu airnya. Pada penelitian ini digunakan 7 parameter pengukuran kualitas air sungai yang kemudian akan diklasifikasikan menjadi 3 kelas berbeda. Kelas klasifikasi dibagi menjadi tercemar ringan, tercemar sedang, dan tercemar berat. Metode yang digunakan untuk pengukuran dan analisis pada penelitian ini adalah metode Extreme Learning Machine (ELM) dan Algoritme Genetika. Dalam penelitian ini, bobot awal yang digunakan pada proses training dan testing ELM akan dioptimasi menggunakan Algoritma Genetika. Data training dan data testing yang digunakan, ditentukan oleh 5 fold yang telah dibentuk dari data awal yang berjumlah 150 data. Data tiap fold akan diuji menjadi data testing secara bergantian. Berdasarkan hasil pengujian dari penelitian yang telah dilakukan, penelitian ini mampu meraih tingkat akurasi sebesar 88.0002%.
English Abstract
Along with the increasing number of human population, the source of clean water on earth continues to decrease. The impacts given due to contamination of water sources is also can’t be underestimated. Some of them are the decrease in oxygen levels in the earth because plants can not photosynthesize well, disrupt soil fertility, kill animals that live in water and many other impacts. One of the water sources on earth is from the river. To maintain water quality in order to stay in its natural condition, it is necessary to measure and analyze the water quality status of river water. This research is using 7 parameters of river water quality measurement which will be classified into 3 different classes. Classification class is divided into lightly polluted, moderately polluted and heavily polluted. The method used for the measurement and analysis in this study is Extreme Learning Machine (ELM) and Genetic Algorithm. In this study, the input weight used in the ELM training and testing process will be optimized using Genetic Algorithm. Training and testing data used, determined by 5 fold that has been formed from a total of 150 initial data. The data of each fold will be tested into data testing alternately. Based on the results of testing of research that has been done, this research is able to achieve an accuracy of 88.0002%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/189/051801211 |
| Uncontrolled Keywords: | Kualitas Air Sungai, Klasifikasi, Prediksi, Extreme Learning Machine (ELM), Algoritme Genetika |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 31 May 2018 06:31 |
| Last Modified: | 26 Oct 2021 09:36 |
| URI: | http://repository.ub.ac.id/id/eprint/11304 |
Preview |
Text
BAB V.pdf Download (1MB) | Preview |
Preview |
Text
BAB VI.pdf Download (1MB) | Preview |
Preview |
Text
BAB VII.pdf Download (541kB) | Preview |
Preview |
Text
Daftar Pustaka.pdf Download (544kB) | Preview |
Preview |
Text
Lampiran.pdf Download (5MB) | Preview |
Preview |
Text
Bagian Depan.pdf Download (1MB) | Preview |
Preview |
Text
BAB I.pdf Download (567kB) | Preview |
Preview |
Text
BAB III.pdf Download (570kB) | Preview |
Preview |
Text
BAB II.pdf Download (1MB) | Preview |
Preview |
Text
BAB IV.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |