Ukhti, Magfiroh Fatwaning (2018) Prediksi Ketinggian Gelombang Laut Menggunakan Jaringan Syaraf Tiruan - Particle Swarm Optimization. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
LaporanTA_MagfirohFU.pdf - Accepted Version Download (4MB) | Preview |
Abstract
Indonesia merupakan negara kepulauan dengan potensi maritim yang tersebar di wilayah Indonesia. Dalam kegiatan masyarakat untuk memanfaatkan potensi laut tersebut di pengaruhi oleh kondisi alam, iklim, dan cuaca, salah satunya gelombang laut. Infomasi mengenai ketinggian gelombang laut merupakan hal yang penting bagi keberlangsungan kegiatan di laut seperti transportasi, perikanan, dan berbagai industri, sehingga prediksi ketinggian gelombang laut perlu dilakukan dengan metode yang tepat. Pada Tugas Akhir ini dilakukan penelitian prediksi ketinggian gelombang laut menggunakan metode Jaringan Syaraf Tiruan (JST) dioptimasi dengan Particle Swarm Optimization (PSO) dibandingkan dengan Jaringan Syaraf Tiruan menggunakan algoritma pelatihan Levenberg-Marquardt (LM). Variasi jumlah hidden node diberikan untuk mendapatkan nilai MSE minimum untuk pemilihan arsitektur jaringan terbaik. Didapatkan bahwa algoritma JST(LM) arsitektur 3-10-1 dengan MSE 0,0033 memberikan hasil prediksi lebih baik dibandingkan JST-PSO arsitektur 3-3-1 dengan MSE 0,0048. Hal ini dapat disebabkan oleh kebutuhan waktu yang lama bagi JST-PSO untuk mencapai konvergensi dibandingkan dengan JST(LM). Hasil validasi memberikan nilai hasil prediksi ketinggian gelombang dengan JST(LM) selama tiga hari yaitu sebesar 0,04 m; 0,12 m; dan 0,15 m dengan nilai MSE 0,0035. Hasil prediksi ketinggian gelombang dengan JST-PSO selama tiga hari 0,11 m; 0,14 m; dan 0,12 m dengan nilai MSE 0,0044.
=================================================================================================
Indonesia is an archipelagic country with maritime potential spreads across Indonesia. The Activities exploring the potential is influenced by natural conditions, climate, and weather, including sea waves. Information about sea wave height is important for the sustainability of marine activities such as transportation, fisheries, and industries. Thus, wave height prediction should be done with appropriate method. In this final project, sea wave height prediction is researched using Artificial Neural Network (ANN) optimized by Particle Swarm Optimization (PSO) compared to Artificial Neural Network with Levenberg-Marquardt (LM) training algorithm. The variable number of hidden node is manipulated to determine minimum MSE values for selection of the best network architecture. The result shows that the algorithm JST (LM) architecture 3-10-1 with MSE 0.0033 gives better prediction than JST-PSO architecture 3-3-1 with MSE 0.0048. It could be caused by the long-term need for the ANN-PSO to achieve convergence compared to ANN (LM). The validation result gives the waveform prediction value using JST (LM) for three days are of 0.04 m; 0.12 m; and 0.15 m with MSE 0.0035. Results of wave height prediction using JST-PSO for three days are 0.11 m; 0.14 m; and 0.12 m with MSE 0.0044
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Gelombang laut, Jaringan Syaraf Tiruan, Particle Swarm Optimization, Levenberg-Marquardt, Sea waves, Artificial Neural Network |
| Subjects: | Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > T Technology (General) > T174 Technological forecasting |
| Divisions: | Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis |
| Depositing User: | Magfiroh Fatwaning Ukhti |
| Date Deposited: | 29 Jul 2021 09:53 |
| Last Modified: | 29 Jul 2021 09:53 |
| URI: | http://repository.its.ac.id/id/eprint/57763 |
Actions (login required)
 |
View Item |