Pratama, Gilang (2020) Penggunaan Fungsi Aktivasi Linier Dan Logaritmic Normalization Pada Metode Backpropagation Untuk Peramalan Luas Kebakaran Hutan. Sarjana thesis, Universitas Brawijaya.
Abstract
Kebakaran hutan merupakan bencana yang banyak terjadi di berbagai negara di dunia khususnya yang banyak memiliki kawasan hutan. Pada bulan Juni tahun 2017, Portugal mendapat musibah kebakaran hutan dengan kerugian lebih dari 565 juta Dolar Amerika. Dalam kasus ini, data meteorologi dapat mempengaruhi beberapa indeks api dan dapat digunakan untuk peramalan luas area demi penjagaan ekstra untuk mencegah kerugian yang berlebih dan pelestarian sumber daya alam. Paper ini menggunakan metode backpropagation, yang diawali dengan perhitungan preprocessing data (min max normalization, dan logarithmic normalization). Setelah itu dilakukan dilakukan perhitungan normalisasi bobot dengan menggunakan metode nguyen widrow, perhitungan proses feed forward untuk mengetahui output pada setiap indeks iterasi, dihitung nilai error pada indeks iterasi tersebut dan bobot diperbaiki menggunakan proses backpropagation. Selanjutnya, nilai output didenormalisasi untuk mengembalikan data ke range awal. Hasil pengujian dihitung menggunakan Mean Square Error (MSE) pada setiap percobaan uji parameter. Uji parameter mendapatkan nilai learning rate terbaik yaitu 0.1 dengan hasil MSE 6743,716, 3 hidden neuron dengan MSE 6745,456, 10 epoch dengan hasil MSE 6740,684, dan rasio data uji 10% data latih 90% yang menghasilkan MSE 1881,604
English Abstract
Forest fires is a disaster that often occurs in various countries in the world, especially those with many forest areas. In June 2017, Portugal hit by a forest fire with a loss of more than 565 million US Dollars. In this case, meteorological data can affect several fire indices and can be used area forecasting for extra protection to prevent excessive losses and preservation of natural resources. This paper uses the backpropagation method, which begins with the calculation of preprocessing data (min max normalization, and logarithmic normalization). The weight normalization calculation use Nguyen Widrow method, the calculation of the feed forward process to determine the output at each iteration index, the error value is calculated at the iteration index and the weight is corrected using the backpropagation process. Furthermore, the output value is normalized to return the data to the initial range. The test results are calculated using Mean Square Error (MSE) on each parameter test. Test parameters get the best learning rate value that is 0.1 with the results of MSE 6743,716, 3 hidden neurons with MSE 6745,456, 10 epoch with MSE results 6740,684, and the 10% ratio of test 90% ratio of training data which produces MSE 1881,604
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/181/052003372 |
| Uncontrolled Keywords: | luas area kebakaran hutan, peramalan, backpropagation, jaringan syaraf tiruan, forest fire area, forecasting, backpropagation, artificial neural network |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 05 Aug 2020 08:20 |
| Last Modified: | 03 Oct 2024 02:33 |
| URI: | http://repository.ub.ac.id/id/eprint/180921 |
![[thumbnail of Gilang Pratama (2).pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Gilang Pratama (2).pdf Download (4MB) |
Actions (login required)
 |
View Item |