Forecasting Night-Time Light Data di DKI Jakarta Selama Pandemi dengan Long Short-Term Memory (Lstm) dan Perbandingan Optimizer

Fernando Setiadjie, Nicholas (2023) Forecasting Night-Time Light Data di DKI Jakarta Selama Pandemi dengan Long Short-Term Memory (Lstm) dan Perbandingan Optimizer. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (691kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (232kB) | Preview
Preview	PDF BAB_I.pdf Download (311kB) | Preview
Preview	PDF BAB_II.pdf Download (554kB) | Preview
Preview	PDF BAB_III.pdf Download (387kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
Preview	PDF BAB_V.pdf Download (217kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (682kB)

Abstract

Pada akhir tahun 2019, muncul sebuah virus yang bernama Corona Virus Disease 2019 (Covid-19). Indonesia sendiri mulai mendeteksi adanya virus ini pada awal bulan maret 2020 dan setelah itu virus tersebut berkembang dan menyebar secara cepat ke seluruh Indonesia khususnya DKI Jakarta yang sebagai Ibukota negara Indonesia dan pemerintah sendiri melakukan pembatasan sosial berskala besar yang akhirnya berubah nama menjadi pemberlakuan pembatasan kegiatan masyarakat bertujuan untuk menekan angka kasus penularan covid-19 tersebut. Kebijakan tersebut yaitu melarang untuk keluar rumah yang akhirnya menyebabkan adanya penurunan intensitas cahaya yang dikeluarkan oleh setiap gedung-gedung atau tempat-tempat umum lainnya. Tujuan dilakukannya penelitian ini yaitu untuk memprediksi night-time light di DKI Jakarta semasa covid-19 dengan menggunakan long short-term memory (LSTM) yang bertujuan untuk melihat apakah prediksi yang telah dilakukan sesuai dengan keadaan yang sekarang dan juga pengunaan berbagai optimizer dalam LSTM untuk mengetahui optimizer yang paling cocok dengan data tersebut. Teknik data mining yang dilakukan yaitu dengan menerapkan CRISP-DM (The Cross Industry Standard Process for Data Mining). Hasil dari penelitian yang dilakukan yaitu menghasilkan model LSTM dari setiap kategori pada district dan juga type building. Setelah menghasilkan model pada setiap kategori lalu dipilih 3 kategori teratas lalu kemudian diubah optimizernya pada setiap model dengan ADAM, ADAMAX, RMSprop, SGD, dan ADADELTA. Pembuatan model dilakukan 2 kali yaitu dengan parameter yang secara default kemudian parameter yang diubah untuk lags dan learning ratenya, dan itu membuat hasil prediksi lebih baik. Untuk nilai RMSE-nya yang paling baik yaitu Jakarta Timur dengan optimizer ADAMAX sebesar 1.353734 untuk kategori district dan market dengan optimizer ADAM sebesar 1.788627 untuk kategori type building.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Long-Short Term Memory, Night-Time Light, Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM), Prediksi, RMSE
Subjects:	300 Social Sciences
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Jul 2023 09:47
Last Modified:	07 Aug 2023 06:26
URI:	https://kc.umn.ac.id/id/eprint/25626

Actions (login required)

View Item