Klasifikasi Status Gunung Berapi Dengan Metode Learning Vector Quantization (LVQ)

Virkhansa, Chelsa Farah (2019) Klasifikasi Status Gunung Berapi Dengan Metode Learning Vector Quantization (LVQ). Sarjana thesis, Universitas Brawijaya.

Abstract

Ada 129 gunung api yang masih aktif dan 500 gunung api yang tidak aktif yang terletak di Indonesia. Banyak warga yang tinggal di daerah yang rentan terhadap letusan gunung api yaitu sebanyak 10% dari penduduk Indonesia. Dari jumlah gunung api yang masih aktif tersebut hanya terdapat 69 gunung yang terpantau, maka masih banyak gunung api yang aktif yang tidak terpantau secara baik yaitu sekitar 40%. Sehingga dibutuhkan informasi status gunung berapi secepat dan seakurat mungkin untuk mengurangi dampak yang disebabkan oleh letusan gunung berapi tersebut. Pada penelitian ini akan dilakukan klasifikasi status gunung berapi dengan menggunakan metode Learning Vector Quantization. Data yang digunakan dalam penelitian ini berjumlah 110 data yang bersumber dari website Pusat Vulkanogi dan Mitigasi Bencana Geologi (PVMBG). Berdasarkan hasil pengujian yang dilakukan, sistem menghasilkan akurasi tertinggi sebesar 88% saat menggunakan parameter learning rate 0.1, pengurang learning rate 0.1 dan minimum learning rate 0.01.

English Abstract

There are 129 active volcanoes and 500 inactive volcanoes located in Indonesia. Many residents living in areas that are vulnerable to volcanic eruptions are 10% of Indonesia's population. Of the volcanoes that are still active, only 69 volcanoes are monitored, so there are still many active volcanoes which are not monitored around 40%. Information on the status of volcanoes is needed and is as accurate as possible to reduce caused by the volcanic eruption. In this research, volcanic status classification will be carried out using the Learning Vector Quantization method. The data used in this study were 110 data sourced from the Volcanology Center and Geological Disaster Mitigation (PVMBG) website. Based on the results of the tests carried out, the system produces the highest test of 88% when using the learning rate parameter 0.1, the learning rate deduction 0.1 and the minimum learning rate 0.01.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/ILKOM/2019/285/051905603
Uncontrolled Keywords:	gunung berapi, klasifikasi, learning vector quantization / volcanoes, classification, learning vector quantization
Subjects:	000 Computer science, information and general works > 001 Knowledge > 001.012 Classification
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Endang Susworini
Date Deposited:	30 Jul 2020 06:19
Last Modified:	30 Jul 2020 06:19
URI:	http://repository.ub.ac.id/id/eprint/171438

Full text not available from this repository.

Actions (login required)

View Item