Rahmadani, Nurhana (2019) Prediksi Ketinggian Gelombang Laut Menggunakan Jaringan Saraf Tiruan Backpropagation. Sarjana thesis, Universitas Brawijaya.
Abstract
Ketinggian gelombang laut merupakan hal yang cukup sulit untuk diprediksi. Banyak hal yang menjadi faktor pembangkit gelombang laut, salah satunya faktor angin yang dipengaruhi oleh arah angin dan kecepatan angin. Faktor tersebut tentu menjadi komponen utama yang sulit untuk diprediksi dan diperhitungkan, oleh karena itu peramalan cuaca laut khususnya ketinggian gelombang merupakan hal yang sangat menarik untuk dibahas, karena akan sangat berguna bagi keselamatan pelayaran. Banyak metode peramalan yang dapat digunakan untuk melakukan peramalan, seperti Jaringan Saraf Tiruan Backpropagation yang digunakan pada penelitian ini untuk memprediksi ketinggian gelombang pada jam berikutnya. Penelitian ini akan menggunakan data time-series, yaitu data ketinggian gelombang setiap satu jam pada tahun 2013 hingga 2014 yang didapatkan dari Stasiun Maritim Perak Surabaya. Penerapan Jaringan saraf tiruan Backpropagation ke daIam prediksi ketinggian gelombang laut dilakukan dengan cara meIaIui beberapa tahapan yaitu proses normalisasi data, inisaialisiai menggunakan metode Nguyen-Widrow, peIatihan, pengujian dan peramaIan. Pada fase pelatihan, data latih yang digunakan merupakan data ketinggian gelombang laut, arah angin, dan kecepatan angin setiap satu jam pada bulan Januari hingga Desember 2013 serta data uji yang digunakan adalah data ketinggian gelombang pada tahun 2014. Hasil dari proses pelatihan didapatkan kombinasi parameter arsitektur jaringan saraf tiruan Backpropagation terbaik dengan learning rate 0,5 , 4 neuron pada input layer, 3 neuron pada hidden layer, 1 neuron pada output layer, batas error MAPE pelatihan sebesar 13,2% dan maksimum iterasi sebesar 30000. Kombinasi parameter tersebut menghasilkan nilai rata-rata MAPE pengujian sebesar 17,53182%.
English Abstract
The height of sea wave is quite difficult to predict. Many things can be the factor of sea wave generation, one of the factors is wind that are influenced by wind direction and wind speed. Theses factors are the major components that are difficult to predict and calculated, therefore wave height forecasting is a very interesting thing to discuss, because it will be very usefull for shipping safety. Many forecasting methods can be used for forecasting, such as the Backpropagation Neural Network used in this study to predict the wave height in the next hour. This research will use time-series data, wave height data in hours from 2012 to 2014 that obtained from Maritime Station Perak Surabaya. The application of Backpropagation Neural Network in the prediction of sea wave height is through by several stages, there are data normalization, weight inisialization using Nguyen-Widrow, training, testing and predicting. In the training phase, the training data used sea wave height data, wind direction, and wind speed every one hour in Janury until December 2013 and the test data used is wave height data in 2014. The training process results in a combination of network architecture parameters of the best Backpropagation artificial with 0.5 learning rate, 4 neurons in the input layer, 3 neurons in the hidden layer, 1 neuron in the output layer, an error limit MAPE training of 13,2% and a maximum iteration of 30000. The combination parameters produces an average MAPE value testing of 17,53182%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/298/051905616 |
| Uncontrolled Keywords: | - |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 10 Aug 2020 06:11 |
| Last Modified: | 10 Aug 2020 06:11 |
| URI: | http://repository.ub.ac.id/id/eprint/171209 |
Actions (login required)
 |
View Item |