Adelia, Farisa (2013) Penentuan Potensi Tsunami Akibat Gempa Bumi Bawah Laut dengan Metode Modified K – Nearest Neighbor (MKNN). Sarjana thesis, Universitas Brawijaya.
Abstract
Metode MKNN diimplementasikan untuk penentuan potensi tsunami akibat gempa bumi bawah laut dengan menggunakan 3 parameter gempa bumi, yaitu kedalaman (km), magnitude (SR), dan letak epicenter gempa bumi. Dalam penelitian ini digunakan teknik klasifikasi Modified k – Nearest Neighbor (MKNN) dengan menggunakan dua kriteria, berpotensi tsunami dan tidak berpotensi tsunami. MKNN merupakan modifikasi dari teknik klasifikasi k – Nearest Neighbor (KNN) yang akan digunakan untuk mengolah fitur-fitur dari data yang ada menjadi sebuah keputusan. Modifikasi dari metode ini bertujuan untuk mengatasi kelemahan mengenai jarak data dengan weight yang memiliki banyak masalah dalam outlier pada metode KNN. Penelitian ini dilakukan dengan menggunakan 3 jumlah dataset yang berbeda, yaitu 100, 200, dan 300. Pada masing-masing jumlah dataset akan dibagi secara acak menjadi data training dan data uji dengan persentase data training sebesar 30%, 50%, dan 80%. Pengujian sistem ini dilakukan dengan nilai k yang berbeda, yaitu k=1 hingga k=20. Setiap nilai k akan dilakukan uji coba sebanyak 5 kali dan didapatkan akurasi rata-rata. Rata-rata nilai akurasi maksimum yang dihasilkan sistem sebesar 73,74% pada saat jumlah dataset 100 dan rata-rata akurasi minimum sistem sebesar 69,63% pada saat jumlah dataset 300. Metode MKNN memiliki tingkat akurasi yang lebih tinggi dibandingkan metode KNN dengan selisih rata-rata nilai akurasi sebesar 1,35%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2013/98/051306928 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 20 Aug 2013 10:11 |
| Last Modified: | 20 Oct 2021 03:15 |
| URI: | http://repository.ub.ac.id/id/eprint/145884 |
Preview |
Other
051306928.PDF Download (3MB) | Preview |
Actions (login required)
 |
View Item |