Aminulloh, Afrizal (2018) Implementasi Metode Backpropagation Untuk Peramalan Luas Area Terbakar di Hutan dengan Inisialisasi Bobot Nguyen-Widrow. Sarjana thesis, Universitas Brawijaya.
Abstract
Bencana kebakaran hutan merupakan suatu peristiwa serius yang harus diwaspadai bagi daerah yang didominasi oleh kawasan hutan. Dalam kebakaran hutan terdapat beberapa faktor yang bisa memengaruhi terjadinya kebakaran seperti: suhu, kelembapan, hujan, angin dan lain lain. Paper ini mengimplementasikan metode backpropagation untuk meramalkan luas area kebakaran. Input yang digunakan berupa faktor yang memengaruhi terjadinya kebakaran hutan berjumlah 7 faktor. Proses metode backpropagation diawali dengan melakukan normalisasi data input dengan range berdasarkan fungsi aktivasi yang digunakan, setelah itu inisialisasi bobot dan bias menggunakan algoritme Nguyen-Widrow, melakukan proses feed forward dan dilanjutkan pada proses selanjutnya yaitu feed backward dengan syarat MSE kurang dari batas error atau iterasi kurang dari sama dengan iterasi maksimalnya, jika syarat sudah terpenuhi hasil ouput akan didenormalisasi, akan mendapat nilai peramalan, dan proses terakhir menghitung hasil MSE dan SMAPE sebagai hasil dari keberhasilan proses peramalan. Berdasarkan hasil pengujian yang telah dilakukan didapatkan parameter optimal yaitu pada neuron hidden layer berjumlah 5, learning rate 0,1 dan iterasi maksimum 1500. Hasil rata-rata SMAPE tertinggi dari penelitian ini adalah 49,1796 dan rata-rata SMAPE terendah adalah 31,4492 yang menunjukkan bahwa metode backpropagation dapat digunakan untuk melakukan peramalan area terbakar di hutan.
English Abstract
Forest fires are a serious event that must be watched out for areas dominated by forest areas. In forest fires, there are several factors that can affect the occurrence of fires such temperature, humidity, rain, wind, and others. This paper implements the backpropagation method to predict the area of the fire. The input used is a factor that influences the occurrence of 7 forest fires. The process of backpropagation method begins with normalizing input data with a range based on the activation function used, after that initialization is weighted and can use the Nguyen-Widrow algorithm, feeds the feedforward and continues to the next process, feedbackward with the MSE requirement less than the error or iteration limit. less than the same as the maximum iteration, if the requirements have been met the output will be normalized, will get a forecasting value, and the last process calculates the results of MSE and SMAPE as a result of the success of the forecasting process. Based on the results of the tests that have been done, it is obtained that the optimal parameters are 5 hidden layer neurons, 0.1 learning rate, and maximum 1500 iterations. The highest average SMAPE result from this study is 49,176 and the lowest SMAPE average is 31,4492 which shows that the backpropagation method can be used to forecast burn areas in the forest.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/827/051810926 |
| Uncontrolled Keywords: | peramalan, luas area terbakar hutan, jaringan syaraf tiruan, backpropagation. forecasting, forest burnt area, artificial neural network, backpropagation. |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 31 Jan 2019 02:43 |
| Last Modified: | 22 Oct 2021 07:12 |
| URI: | http://repository.ub.ac.id/id/eprint/13838 |
Preview |
Text
Afrizal Aminulloh.pdf Download (23MB) | Preview |
Actions (login required)
 |
View Item |