Prediksi Kecepatan Angin Menggunakan Algoritma Elman Recurrent Neural Network (Studi Kasus: Stasiun BMKG Hang Nadim Batam)
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
Nanang Gusti, Rama
Martaleli, Bettiza
Nola, Ritha
Martaleli, Bettiza
Nola, Ritha
Subject
005.11.Pemrograman Khusus
Datestamp
2021-12-06 04:34:06
Abstract :
Angin memiliki peranan penting dalam kehidupan manusia seperti membantu dalam bidang transportasi laut yaitu pelayaran, serta membantu dalam bidang transportasi udara dimana angin sebagai salah satu faktor penting dalam proses lepas landas dan juga mendaratnya suatu pesawat. Keputusan memprediksi sangatlah penting, karena dengan prediksi kecepatan angin dapat mengetahui besaran nilai kecepatan angin, serta juga dapat membantu dalam bidang transportasi laut dan udara. Oleh karena itu, penulis melakukan penelitian untuk memprediksi kecepatan angin mengunakan metode Elman Recurrent Neural Network (ERNN). penelitian menggunakan data kecepatan angin yang sudah ada sebelumnya dengan jumlah 2916 data, dimana data tersebut dibagi 3 variasi untuk percobaan sistem yaitu 60% : 40%, 70% : 30% dan 80% : 20% data latih dan data uji. Hasil penelitian ini mendapatkan hasil MAPE dan tingkat akurasi terbaik yang diperoleh pada percobaan data 60% : 40% dengan hasil nilai MAPE terkecil 11.751% pada data latih dan 28.622% pada data uji. Nilai akurasi berupa 88.249% pada data latih dan 71.378% pada data uji.
Angin memiliki peranan penting dalam kehidupan manusia seperti membantu dalam bidang transportasi laut yaitu pelayaran, serta membantu dalam bidang transportasi udara dimana angin sebagai salah satu faktor penting dalam proses lepas landas dan juga mendaratnya suatu pesawat. Keputusan memprediksi sangatlah penting, karena dengan prediksi kecepatan angin dapat mengetahui besaran nilai kecepatan angin, serta juga dapat membantu dalam bidang transportasi laut dan udara. Oleh karena itu, penulis melakukan penelitian untuk memprediksi kecepatan angin mengunakan metode Elman Recurrent Neural Network (ERNN). penelitian menggunakan data kecepatan angin yang sudah ada sebelumnya dengan jumlah 2916 data, dimana data tersebut dibagi 3 variasi untuk percobaan sistem yaitu 60% : 40%, 70% : 30% dan 80% : 20% data latih dan data uji. Hasil penelitian ini mendapatkan hasil MAPE dan tingkat akurasi terbaik yang diperoleh pada percobaan data 60% : 40% dengan hasil nilai MAPE terkecil 11.751% pada data latih dan 28.622% pada data uji. Nilai akurasi berupa 88.249% pada data latih dan 71.378% pada data uji.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
