Rancang Bangun Sistem Laporan Cuaca Menggunakan Metode Convolutional Neural Network

Ali Syahdani, Fahreza (2023) Rancang Bangun Sistem Laporan Cuaca Menggunakan Metode Convolutional Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (669kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (207kB) | Preview
Preview	PDF BAB_I.pdf Download (203kB) | Preview
Preview	PDF BAB_II.pdf Download (657kB) | Preview
Preview	PDF BAB_III.pdf Download (228kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (199kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (762kB)

Abstract

Kondisi cuaca mempengaruhi kehidupan sehari-hari dan produksi kita dalam banyak hal, seperti transportasi, penggunaan teknologi surya, dan lain sebagainya. Oleh karena itu, penting untuk mengetahui kondisi cuaca secara otomatis. Terdapat dedicated hardware yang dapat digunakan untuk melakukan hal ini, namun biasanya tidak dapat diakses dan digunakan secara mudah. Alternatif yang dapat digunakan adalah dengan mendeteksi kondisi cuaca dari gambar berwarna menggunakan teknik computer vision. Secara spesifik, Convolutional Neural Network yang merupakan subset dari Deep Learning dapat digunakan untuk melakukan pendeteksian cuaca dari suatu foto. Penelitian ini melakukan pemodelan algoritma Convolutional Neural Network untuk mendeteksi cuaca dengan empat kategori. Tahap pertama dalam penelitian ini adalah menyiapkan data foto, yaitu dengan melakukan resize agar ukuran foto seragam. Kemudian, model Convolutional Neural Network dibangun untuk mendeteksi cuaca. Hasil dari penelitian ini menunjukan bahwa model Convolutional Neural Network dapat digunakan untuk mendeteksi cuaca dari foto. Model yang dibuat dapat mencapai nilai overal accuracy sebesar 74.74%, nilai precision sebesar 65.5%, nilai recall sebesar 69.7%, dan nilai F1-Score sebesar 66%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Cuaca, Convolutional Neural Network, Deep Learning, Pengolahan Citra
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Mar 2023 09:26
Last Modified:	21 Aug 2023 04:53
URI:	https://kc.umn.ac.id/id/eprint/23969

Actions (login required)

View Item