Adaptive Neuro-Fuzzy Inference System Untuk Peramalan Kecepatan Angin Di Bandara Juanda Surabaya

Dewi, Annisa Novita (2011) Adaptive Neuro-Fuzzy Inference System Untuk Peramalan Kecepatan Angin Di Bandara Juanda Surabaya. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 1307100029-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Transportasi udara adalah salah satu alat transportasi yang banyak diminati oleh masyarakat karena biaya yang relatif mulai terjangkau dan keefektifan mobilisasi yang tidak menghabiskan banyak waktu. Akan tetapi, tidak dapat dipungkiri bahwa cuaca ekstrim selalu menjadi pokok masalah dalam membahas transportasi udara. Beberapa kecelakaan udara yang sering terjadi, selalu dikaitkan dengan faktor buruknya cuaca (meteorologi). Dengan pemodelan kecepatan angin yang baik, berbagai dampak negatif dapat diminimumkan, mengingat bahwa kecepatan angin memiliki pengaruh besar terhadap perubahan cuaca. Peramalan kecepatan angin dengan metode ANFIS pada penelitian ini menerapkan kombinasi dari pemilihan banyak fungsi keanggotaan, jenis fungsi keanggotaan, dan jenis input yang berbeda. Kombinasi yang menghasilkan RMSE insample paling minimum adalah Zt.J. Zt-18 dengan jenis fungsi keanggotaan Gbell dan banyak fungsi keanggotaan yang digunakan sebanyak 5. Kombinasi yang menghasilkan RMSE outsample 1-tahap dan k-tahap paling minimum adalah Zt-2, Zt-3 dengan jenis fungsi keanggotaan Gauss dan banyak fungsi keanggotaan yang digunakan sebanyak 5. Hasil peramalan menghasilkan kesimpulan bahwa kecepatan angin cenderung masuk dalam kategori angin sedang
=====================================================================================================================================
Air transportation is a popular means of transportation due to its relatively affordable cost and efficient mobilization, which requires minimal time. However, extreme weather is undeniably a key issue in air transportation discussions. Frequent air accidents are often linked to adverse weather (meteorological) factors. With proper wind speed modeling, various negative impacts can be minimized, given that wind speed significantly impacts weather changes. Wind speed forecasting using the ANFIS method in this study employed a combination of multiple membership functions, membership function types, and different input types. The combination that produced the lowest in-sample RMSE was Zt.J. Zt-18 with a Gbell membership function and a membership function count of 5. The combination that produced the lowest 1-stage and k-stage out-sample RMSE was Zt-2, Zt-3 with a Gaussian membership function and a membership function count of 5. The forecasting results concluded that wind speed tends to fall into the moderate wind category

Item Type:	Thesis (Other)
Additional Information:	RSSt 511.313 Dew a-1 2011 (weeding)
Uncontrolled Keywords:	ANFIS, input,.fungsi, keanggotaan, RMSE; ANFIS, the input, .functions, membership, RMSE
Subjects:	Q Science > QA Mathematics > QA39.3 Fuzzy mathematics Q Science > QA Mathematics > QA9.64 Fuzzy logic Q Science > QA Mathematics > QA248_Fuzzy Sets
Divisions:	Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	EKO BUDI RAHARJO
Date Deposited:	22 Sep 2025 08:37
Last Modified:	22 Sep 2025 08:37
URI:	http://repository.its.ac.id/id/eprint/128353

Actions (login required)

View Item