Ramadhani, Kartika Tri Wahyu (2019) Implementasi Machine Learning dalam Prediksi Cuaca Maritim dengan Menggunakan Algoritma Artificial Neural Network Lavenberq-Marquardt. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
02311540000026_Undergraduate_Theses.pdf Download (8MB) | Preview |
Abstract
Prediksi cuaca maritim akan sangat berpengaruh dalam berbagai aktivitas, sebagai salah satu contoh adalah aktivitas para nelayan. Perubahan cuaca maritim akan sangat bermanfaat bagi para nelayan dalam menentukan kelayakan jalur pelayaran sebagai aspek keselamatan dalam menentukan titik tangkap yang aman. Sistem prediksi saat ini, masih banyak yang menggunakan pendekatan statistika data time series dan menggunakan model regresi atau ARIMA dimana pendekatan tersebut masih memiliki tingkat akurasi yang rendah serta tidak dapat bekerja pada data nonliner.
Penelitian tugas akhir ini, menerapkan machine learning dalam memprediksi cuaca maritim. Machine learning adalah salah satu aplikasi yang menjadi bagian dari Artificial Intelligent (AI). Dalam penelitian ini, algoritma yang digunakan adalah algoritma Arificial Neural Network Lavenberq-Marquardt. Strukrut algoritma Artificial Neural Network ini digunakan agar dapat menganalisa data dengan struktur logika yang mirip dengan bagaimana manusia mengambil keputusan. Algoritma Artificial Neural Network yang digunakan dalam penelitian ini adalah algoritma Articial Neural Network Lavenberq-Marquardt. Dari algoritma tersebut akan dilihat performansinya dalam memprediksi cuaca maritim. Penelitian ini akan melihat performansi dari algoritma Lavenberg Marquardt dalam memprediksi cuaca dengan perbedaan setiap parameternya. Dari hasil penelitian yang telah dilakukan didapatkan hasil bahwa semakin bertambahnya hidden node tidak membuat performa JST semakin baik. Hal ini ditunjukkan dengan nilai MSE yang semakin bertambah seiring betambahnya hidden node. Sedangkan pada variasi target error didapatkan hasil bahwa performansi jaringan terbaik adalah ketika target error 0.001. Hasil MSE pada prediksi kecepatan angin adalah sebesar 0.026385 pada arsitektur hidden node 10 dan target error 0.002, pada prediksi arah angin memiliki MSE sebesar 0.060009 pada arsitektur hidden node 10 dan target error 0.001, untuk prediksi curah hujan memiliki performansi dengan nilai MSE sebesar 0.01267 pada hidden node 10 dan target error 0.001.
=============================================================================================================================
Maritime weather prediction will be very influential in various activities, as one example is the activity of fishermen. Maritime weather changes will be very beneficial for fishermen in determining the feasibility of shipping lanes as an aspect of safety in determining safe fishing points. Current prediction system, there are still many who use the time series data statistical approach and use a regression model or ARIMA where the approach still has a low level of accuracy and cannot work on nonlinear data.
In this final project, applying machine learning in predicting maritime weather. Machine learning is one application that is part of Artificial Intelligent (AI). In this study, the algorithm used is the Lavenberq-Marquardt Arificial Neural Network algorithm. Structure of the Artificial Neural Network algorithm is used to be able to analyze data with a logical structure similar to how humans make decisions. The Artificial Neural Network algorithm used in this study is the Articial Neural Network Lavenberq-Marquardt algorithm. From the algorithm, it will be seen its performance in predicting maritime weather. This study will look at the performance of the Lavenberg Marquardt algorithm in predicting weather with differences in each parameter.
From the results of the research that has been done the results show that the more the increase in hidden nodes does not make the ANN performance better. This is indicated by the value of MSE which increases with the addition of hidden nodes. Whereas the variation of target error shows that the best network performance is when the target error is 0.001.
MSE results on wind speed prediction is 0.026385 on hidden node 10 architecture and error target 0.002, in wind direction prediction has MSE of 0.060009 on hidden node 10 architecture and target error 0.001, for rainfall prediction has a performance with MSE value of 0.01267 in hidden node 10 and target error 0.001.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Machine Learning, Articial Neural Network, Lavenberq-Marquadt, Cuaca Maritim |
| Subjects: | T Technology > T Technology (General) T Technology > T Technology (General) > T57.62 Simulation |
| Divisions: | Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis |
| Depositing User: | Kartika Tri Wahyu Ramadhani |
| Date Deposited: | 13 Nov 2024 01:04 |
| Last Modified: | 13 Nov 2024 01:04 |
| URI: | http://repository.its.ac.id/id/eprint/69956 |
Actions (login required)
 |
View Item |