Nabila, Vidiyan (2019) Rancang Bangun Prediktor Ketinggian Gelombang Air Laut Mengggunakan Metode Jaringan Syaraf Tiruan dengan Optimasi Genetic Algorithm (GA). Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
02311540000023_Undergraduated_Theses.pdf Download (8MB) | Preview |
Abstract
Indonesia dikenal sebagai negara maritim dengan lautan yang luas sehingga banyak aktifitas setiap harinya seperti pelayaran. Banyak hal yang mempengaruhi kegiatan pelayaran diantaranya kondisi cuaca maritim. Penyebab kecelakaan laut diantaranya kondisi cuaca laut yaitu tinggi gelombang, arus laut, dan kecepatan angin. Tinggi gelombang laut dipengaruhi oleh angin serta besarnya arus laut. Penelitian tugas akhir ini dilakukan perancangan prediktor ketinggian gelombang air laut dan arus laut menggunakan Jaringan Syaraf Tiruan (JST) dengan optimasi Genetic Algorithm (GA) dibandingkan dengan JST-LM. Variabel masukan pada prediktor adalah kecepatan angin, arah angin, dan suhu permukaan laut. Variabel keluaran prediktor adalah tinggi gelombang laut dan kecepatan arus laut. Model JST yang digunakan ada dua yaitu JST dengan algoritma pelatihan Levenberg Marquardt (JST-LM) dan JST yang dioptimasi dengan Genetic Algorithm (JST-GA). Hidden layer yang digunakan sebanyak satu dengan variasi hidden node dari 1 hingga 15. Hasil prediktor ketinggian gelombang air laut didapatkan bahwa JST-GA menghasilkan nilai RMSE lebih kecil daripada JST-LM. Arsitektur terbaik pada pengujian JST-LM adalah 4-10-1 dengan RMSE sebesar 0,059060 m sedangkan arsitektur pengujian JST-GA adalah 4-7-1 dengan nilai RMSE sebesar 0,057556 m. Hasil prediktor kecepatan arus laut didapatkan bahwa JST-GA menghasilkan nilai RMSE lebih kecil daripada JST-LM. Arsitektur terbaik pada pengujian JST-LM adalah 4-4-1 dengan RMSE sebesar 10,93 cm/s sedangkan arsitektur pengujian JST-GA adalah 4-10-1 dengan nilai RMSE sebesar 8,66 cm/s.
=============================================================================================================================
Indonesia is known as a maritime country with a vast ocean so many activities every day such as shipping. Many things that affect shipping activities include maritime weather conditions. The causes of marine accidents include sea weather conditions, namely wave height, ocean currents, and wind speed. Sea wave height is influenced by wind and the magnitude of ocean currents. The research of this final project is to design predictors of sea wave height and ocean currents using Artificial Neural Networks (ANN) with optimization of Genetic Algorithm (GA) compared to ANN-LM. Input variables on predictors are wind speed, wind direction, and sea surface temperature. Predictor output variables are sea wave height and ocean current velocity. There are two ANN models used, namely ANN with Levenberg Marquardt (ANN-LM) training algorithm and ANN algorithm optimized for Genetic Algorithm (ANN-GA). Hidden layer is used as much as one with a variety of hidden nodes from 1 to 15. The results of predictors of sea wave height found that ANN-GA produces a smaller RMSE value than ANN-LM. The best architecture for testing ANN-LM is 4-10-1 with RMSE of 0.059060 m while the testing architecture of ANN-GA is 4-7-1 with RMSE value of 0.057556 m. The results of predictors of ocean current velocity were found that ANN-GA produced a smaller RMSE value than ANN-LM. The best architecture in testing ANN-LM is 4-4-1 with RMSE of 10.93 cm/s while the testing architecture of ANN-GA is 4-10-1 with RMSE value of 8.66 cm/s.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Arus Laut, JST-GA, JST-LM,Tinggi Gelombang |
| Subjects: | T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T57.62 Simulation T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing |
| Divisions: | Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis |
| Depositing User: | Nabila Vidiyan |
| Date Deposited: | 31 Oct 2024 06:26 |
| Last Modified: | 31 Oct 2024 06:26 |
| URI: | http://repository.its.ac.id/id/eprint/69955 |
Actions (login required)
 |
View Item |