Rohman, MohammadFatqur (2017) Peramalan Runut Waktu Curah Hujan Menggunakan Metode "SVR - ADAPTIVE GA". Sarjana thesis, Universitas Brawijaya.
Abstract
Informasi mengenai curah hujan bermanfaat bagi berbagai bidang seperti bidang pertanian, kehutanan dan sipil. Pada bidang pertanian dan perkebunan informasi curah hujan dapat digunakan untuk menentukan pola tanaman yang cocok digunakan. Pada bidang kehutanan, informasi ini dapat digunakan untuk mengetahui waktu penanaman. Pada bidang sipil, informasi curah hujan digunakan untuk menentukan standar rangcangan keteknikan seperti dalam perencanaan bangunan pengendali banjir. Pentingnya informasi mengenai curah hujan tersebut mengakibatkan peramalan curah hujan pada masa yang akan datang sangatlah diperlukan untuk melakukan perencanaan tindakan yang diperlukan. Support vector regression (SVR) telah berhasil melakukan peramalan dengan kemampuan generalisasi yang baik dibandingkan metode neural network. Akurasi metode SVR dalam melakukan peramalan dipengaruhi oleh parameter yang digunakan. Untuk menentukan parameter yang tepat, perlu dilakukan optimasi guna memperoleh hasil yang optimal. Algoritma Genetika (GA) telah berhasil menyelesaikan masalah optimasi dalam berbagai masalah yang komplek. Adaptive GA merupakan subset dari algoritma genetika yang mampu meningkatkan kinerja dari algoritma genetika. Adaptive GA melakukan perubahan secara adaptif pada tingkat crossover dan tingkat mutasi berdasarkan rata – rata nilai fitness populasi dan nilai fitness terbaik. Penelitian ini bertujuan untuk menerapkan metode SVR – Adaptive GA dalam melakukan peramalan runut waktu curah hujan. Evaluasi kinerja dilakukan dengan menghitung nilai error menggunakan RMSE. Pada pengujian menggunakan model vertikal menggunakan data dasarian ke 3 bulan November tahun 2000-2015 diperoleh nilai RMSE testing sebesar 21.026866. Pada model horizontal mengunakan data dasarian ke 1 bulan November 2010 sampai dasarian ke 1 bulan April 2011 diperoleh nilai RMSE testing sebesar 29.428082
English Abstract
Information on rainfall useful for various fields such as agriculture, forestry and civil. In the field of agriculture and plantation rainfall information can be used to determine the pattern of crops suitable for use. In the forestry sector, this information can be used to determine the time of planting. In the field of civil, rainfall information is used to determine design engineering standards as in the planning of flood control structures. Information about the importance of rainfall has resulted in forecasting rainfall in the future it is necessary to perform the required action planning. Support vector regression (SVR) has managed to do forecasting with good generalization ability than the method of neural network. Accuracy in forecasting the SVR method is influenced by the parameters used. To determine the proper parameters, needs to be optimized in order to obtain optimal results. Genetic Algorithm (GA) has successfully completed the optimization problem in a variety of complex problems. Adaptive GA is a subset of the genetic algorithm that can improve performance of the genetic algorithm. Adaptive GA adaptively changes at the level of crossover and mutation rate based on the average fitness value of the population and the best fitness value. This study aims to apply the methods SVR - Adaptive GA in forecasting the time series of rainfall. The performance evaluation is done by calculating the error value using the RMSE. In testing using vertical models use data dasarian to 3 November of 2000 to 2015 RMSE values obtained testing of 21.026866. In horizontal models using the data dasarian 1 November 2010 until dasarian 1 April 2011 RMSE values obtained by testing 29.428082.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/30/051701126 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 14 Feb 2017 08:49 |
| Last Modified: | 22 Oct 2021 06:12 |
| URI: | http://repository.ub.ac.id/id/eprint/147459 |
Preview |
Text
125150200111008_SKRIPSI.pdf Download (5MB) | Preview |
Preview |
Text
125150200111008_Paper_Fatqur_Rohman.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |