Prediksi Cuaca Untuk Peningkatan Keselamatan Penerbangan dengan Menggunakan Jaringan Saraf Tiruan dan Particle Swarm Optimization

Hartantyo, Evandino Febrianza (2017) Prediksi Cuaca Untuk Peningkatan Keselamatan Penerbangan dengan Menggunakan Jaringan Saraf Tiruan dan Particle Swarm Optimization. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2413100146-Undergraduate_Theses.pdf - Published Version

Download (6MB) | Preview

Abstract

Cuaca memiliki peran yang signifikan pada kecelakaan penerbangan yaitu sebesar 23% dari seluruh penerbangan yang ada. Dalam upaya mengurangi kecelakaan dibutuhkan sebuah metode yang tepat dan akurat dalam melakukan prediksi cuaca, sehingga dapat membantu dalam membuat suatu keputusan pada waktu sebelum penerbangan ataupun saat penerbangan sedang berlangsung. Untuk mengatasi masalah ini dilakukan penelitian mengenai prediksi cuaca dengan menggunakan metode gabungan jaringan saraf tiruan dan particle swarm optimization (JST-PSO). Nilai RMSE terbaik menggunakan metode gabungan JST-PSO terdapat pada hidden node berjumlah 6 node pada prediksi kecepatan angin yaitu sebesar 0,0721 dan 9 node pada prediksi visibilitas yaitu sebesar 0,0837. Dapat disimpulkan dari hasil tersebut bahwa metode Particle Swarm Optimization dapat menghasilkan bobot yang optimum dan dapat melakukan prediksi cuaca untuk meningkatkan keselamatan penerbangan, dilihat dari nilai RMSE yang dihasilkan metode gabungan hampir sama dengan tanpa menggunakan metode Particle Swarm Optimization. ========================================================= Weather has a significant role in aviation accidents that amounted to 23% of all flights. In an effort to reduce accidents requires a precise and accurate method of weather prediction, so that it can assist in making a decision before the flight or flight time is in progress. To solve this problem, research on weather prediction using a combined method of neural network and particle swarm optimization (ANN-PSO) was conducted. The best RMSE value using ANN-PSO combined method is found in the hidden node of 6 nodes in the predicted wind speed of 0.0721 and 9 nodes in the visibility prediction of 0.0837. It can be concluded from these results that Particle Swarm Optimization method can produce the optimum weight and can do weather prediction to improve flight safety, seen from root mean square error (RMSE) value produced by the combined method is similar to without using Particle Swarm Optimization method.

Item Type: Thesis (Undergraduate)
Additional Information: RSF 006.3 Har p
Uncontrolled Keywords: Prediksi Cuaca, Jaringan Saraf Tiruan, Particle Swarm Optimization
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > T Technology (General) > T58.62 Decision support systems
Divisions: Faculty of Industrial Technology > Physics Engineering > (S1) Undergraduate Theses
Depositing User: EVANDINO FEBRIANZA HARTANTYO
Date Deposited: 08 Feb 2018 04:05
Last Modified: 06 Mar 2019 04:27
URI: http://repository.its.ac.id/id/eprint/47053

Actions (login required)

View Item View Item