Implementasi Metode Artificial Neural Network Untuk Prediksi Curah Hujan dalam Penanggulangan Demam Berdarah di Kabupaten Malang

Hadi, Aditya Parama (2018) Implementasi Metode Artificial Neural Network Untuk Prediksi Curah Hujan dalam Penanggulangan Demam Berdarah di Kabupaten Malang. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
05211440000123-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Nyamuk adalah salah satu spesies yang dapat membawa berbagai macam penyakit serius, misalnya malaria, filariasis, dan juga demam berdarah. Nyamuk berkembang biak dengan menempatkan telurnya di genangan air yang dapat terjadi karena hujan, banjir dan lain-lain. Karena itu dibutuhkan informasi curah hujan untuk mengestimasi siklus hidup nyamuk sesuai dengan ramalan hujan. Malang adalah salah satu contoh kota yang membutuhkan informasi tentang curah hujan. Kota Malang memiliki curah hujun cukup tinggi yaitu rata-rata 2088mm. Dengan curah hujan yang tinggi, maka akan berdampak pada berbagai sisi seperti banjir, kemacetan, dan juga kesehatan. Terutama pada pertumbuhan nyamuk penyebab demam berdarah. Dikarenakan ketika sering terjadi hujan dan banjir, maka akan banyak genangan air yang terbentuk. Genangan-genangan tersebut dapat menjadi tempat berkembang biaknya nyamuk. Untuk mengatasi hal tersebut dibutuhkan prediksi cuaca yang akurat agar dapat mengantisipasi sebelumnya. Penelitian ini dilakukan dengan tujuan untuk membuat prediksi curah hujan yang akurat. Di penelitian ini digunakan Artificial Neural Network (ANN) dengan model sistem backpropagation. Namun ada juga beberapa data intermittent yang berarti tidak konsisten sehingga harus dikelola terlebih dahulu dengan metode Bootstrap. Metode ini dapat memperkecil nilai error pada akurasi sehingga diharapkan dapat menghasilkan data prediksi yang memiliki tingkat akurasi yang tinggi. Hasil yang didapatkan adalah model ANN yang memiliki performa yang baik dan dapat memprediksi dengan tingkat keberagaman yang tinggi. Setelah didapatkan data prediksi, diharapkan dapat dilakukan langkah antisipasi berdasarkan prediksi curah hujan tersebut. Model terbaik yang didapatkan dari penelitian ini menghasilkan MSE sebesar 163.2885 dan SMAPE sebesar 67.45%. ============== Mosquitos are a species carrying most serious diseases, such as malaria, filariasis and also dengue fever. It reproduces by placing its eggs in water puddles which formed from rains, floods and others. Rainfall prediction is needed to estimate mosquito life cycle according to the rain forecast. Malang is an example of a city that needs informations regarding rainfall. Malang has a pretty significant rainfall rate which averages to 2088mm per year. With its relatively high rainfall, it will have impacts in various kinds of things such as floodings, water hazard, and also health. Especially in dengue fever mosquitos. With multiple rains and floods, there will be a lot of puddles formed. These puddles could potentially be an environment where mosquitos breed. To avoid such things, there needs to be an accurate rainfall forecast so those things can be avoided. This research’s purpose is to create an accurate model to predict rainfall. This research will use Artificial Neural Network (ANN) with backpropagation system. However, there are some inconsistent intermittent data so it needs to be preprocessed beforehand by using Bootstrap method. This method could potentially reduce error values in the data so hopefully it could create prediction data with high level of accuracy. Expected result obtained from this research is an ANN model with exceptional performance and could predict data with high level of accuracy. After acquiring the prediction data, hopefully anticipation gesture could be made according to the rainfall prediction. The best model resulted from this research produced MSE of 163.2885 and SMAPE of 67.45%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Peramalan; Artificial Neural Network (ANN); Intermittent Data; Bootstrap; Curah Hujan; Forecasting; Artificial Neural Network (ANN); Intermittent Data; Bootstrap; Rainfall
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > T Technology (General) > T174 Technological forecasting
T Technology > T Technology (General) > T57.5 Data Processing
Divisions: Faculty of Information and Communication Technology > Information Systems > (S1) Undergraduate Theses
Depositing User: Aditya Parama Hadi
Date Deposited: 20 Jul 2018 03:00
Last Modified: 20 Jul 2018 03:32
URI: http://repository.its.ac.id/id/eprint/52608

Actions (login required)

View Item View Item