Prediksi Ketinggian Air Laut Untuk Pertimbangan Otomasi Buka Tutup Pintu Air Laut Menggunakan Neural Network

Nugraha, Ahsanul Hadi (2023) Prediksi Ketinggian Air Laut Untuk Pertimbangan Otomasi Buka Tutup Pintu Air Laut Menggunakan Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10311910000010-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (2MB) | Request a copy

Abstract

Proses produksi garam di PT. Garam bermula dari mengalirkan air laut melalui sebuah pintu air ke dalam tambak pengeringan. Air akan masuk ke dalam tambak secara alami hanya saat ketinggian air di luar tambak lebih tinggi dibandingkan dengan ketinggian air di dalam tambak. Untuk mengoptimalisasikan produksi garam, PT. Garam membutuhkan kemampuan memprediksi ketinggian air laut. Kemampuan memprediksi ketinggian air laut diperuntukan untuk pengoptimalisasian penggunaan pintu air laut dalam proses produksi garam seperti waktu pembukaan dan penutupan pintu air laut. Waktu pembukaan atau penutupan yang tidak tepat dapat menyebabkan air laut mengalir kembali keluar yang akan mengurangi potensial kuantitas garam yang akan dihasilkan. Proyek Akhir ini dilakukan untuk memenuhi kebutuhan dari PT. Garam dengan menggunakan metode Feedforward Neural Network untuk memprediksi ketinggian air laut. Model Feedforward Neural Network akan menggunakan nilai kecepatan angin, nilai temperatur, dan nilai derajat fase bulan untuk menghasilkan nilai prediksi ketinggian air laut. Penggunaan metode Feedforward Neural Network didasarkan dari jumlah data yang digunakan yang berjumlah 17.520 dimana metode permalan konvesional dinilai kurang memadai. Hasil dari Proyek Akhir ini adalah sebuah model FeedForward Neural Network yang dapat memprediksi ketinggian air laut dengan nilai mean squared error antara nilai prediksi dan nilai nyata sebesar 0,0386
=====================================================================================================================================
The salt production process at PT Garam starts with flowing seawater through a sluice gate into drying ponds. Water will enter the pond naturally only when the water level outside the pond is higher than the water level inside the pond. To optimize salt production, PT Garam needs the ability to predict sea level. The ability to predict sea level is intended to optimize the use of sluice gates in the salt production process such as the opening and closing time of sluice gates. Improper opening or closing times can cause seawater to flow back out which will reduce the potential quantity of salt to be produced. This Final Project is carried out to meet the needs of PT Garam by using the Feedforward Neural Network method to predict sea water levels. The Feedforward Neural Network model will use wind speed values, temperature values, and moon phase degree values to produce predicted sea level values. The use of the Feedforward Neural Network method is based on the amount of data used which amounts to 17.520 where the conventional modeling method is considered inadequate. The result of this Final Project is a FeedForward Neural Network model that can predict sea level with a mean squared error between the predicted value and the real value of 0,0386

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Jaringan Syaraf Buatan, Ketinggian Air Laut, Prediksi Jangka Sangat Pendek; Neural Network, Seawater Level, Very Short-Term Forecast
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Ahsanul Hadi Nugraha
Date Deposited:	31 Aug 2023 03:27
Last Modified:	31 Aug 2023 03:27
URI:	http://repository.its.ac.id/id/eprint/101896

Actions (login required)

View Item