Budianto, Hendra Pratama (2017) Algoritme Genetik Untuk Optimasi Pembentukan Fungsi Regresi Linier Dalam Menentukan Kebutuhan Volume Air Penyiraman Tanah. Sarjana thesis, Universitas Brawijaya.
Abstract
Laboratorium Benih Balai Pengkajian Teknologi Pertanian Jawa Timur merupakan salah satu unit kerja milik pemerintah provinsi yang ditunjuk sebagai pelaksana teknis untuk melakukan pengkajian daya tumbuh benih. Saat ini di tempat tersebut sedang dikembangkan alat siram otomatis berdasarkan sensor kelembapan tanah, namun alat itu belum bisa memprediksi kebutuhan volume air guna menjaga kelembapan media penumbuhan benih. Dengan bantuan sensor kelembapan pada alat dan pengetahuan pakar, data berupa kumpulan amatan kelembapan tanah terhadap kebutuhan volume air telah didapatkan. Penelitian ini dilakukan untuk menerapkan metode regresi linier agar alat tersebut dapat melakukan prediksi berdasarkan pola data dalam bentuk persamaan. Ketepatan hasil prediksi dengan metode ini diukur dengan koefisien determinasi. Koefisien determinasi dapat menurun akibat adanya amatan pencilan yang timbul karena ketidakakuratan hasil observasi. Dari permasalahan tersebut penelitian ini menggunakan algoritme genetik dengan kriteria informasi sebagai pembanding untuk mendeteksi amatan pencilan guna dihilangkan. Setelah menghilangkan 6 amatan pencilan yang terdeteksi oleh algoritme genetik pada penelitian ini, terdapat peningkatan koefisien determinasi dari 0.9673 menjadi 0.9935.
English Abstract
Seed Laboratory BPTP East Java is one of provincial government work units that have assignment as the technical implementer to conduct a study in seed growth. Currently at this place is being developed automatic watering device based on soil humidity sensor, but the device cannot predict the volume of water needed in order to keep the moist of seed growth media. With the help of humidity sensor on device and expert’s knowledge, the observations dataset of soil moisture to the needs of waters volume has been obtained. This study was conducted to apply linear regression method so that the device can perform predictions based on dataset patterns as an equation. The accuracy of prediction results with this method is measured by the coefficient of determination. The coefficient of determination can be decreasing due to the arising of observation outliers because Inaccuracy of observation results. The solution from this study is using genetic algorithm with information criteria as comparison for detecting observation outliers to eliminated. After eliminating 6 observations outliers were detected by genetic algorithms in this study, shows increase in the coefficient of determination from 0.9673 to 0.9935.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/229/051704686 |
| Uncontrolled Keywords: | regresi linier, amatan pencilan, algoritme genetik, kriteria informasi |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Sugiantoro |
| Date Deposited: | 13 Jul 2017 09:41 |
| Last Modified: | 14 Feb 2022 06:44 |
| URI: | http://repository.ub.ac.id/id/eprint/230 |
Preview |
Text
125150200111113_BAB 2.pdf Download (590kB) | Preview |
Preview |
Text
125150200111113_BAB 1.pdf Download (334kB) | Preview |
Preview |
Text
125150200111113_COVER + DAFTAR ISI.pdf Download (485kB) | Preview |
Preview |
Text
125150200111113_BAB 4.pdf Download (994kB) | Preview |
Preview |
Text
125150200111113_BAB 5.pdf Download (888kB) | Preview |
Preview |
Text
125150200111113_BAB 3.pdf Download (547kB) | Preview |
Actions (login required)
 |
View Item |