Implementasi LSTM dan GRU untuk Peramalan Cuaca pada Kawasan Pertanaman Salak

Harry Setiawan, Michael (2024) Implementasi LSTM dan GRU untuk Peramalan Cuaca pada Kawasan Pertanaman Salak. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (275kB)
	PDF BAB_I.pdf Download (124kB)
	PDF BAB_II.pdf Download (129kB)
	PDF BAB_III.pdf Download (894kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (119kB)
	PDF DAFTAR_PUSTAKA.pdf Download (121kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (52kB)

Abstract

Kondisi iklim di daerah Sleman, Yogyakarta yang tidak beraturan menyebabkan petani kesusahan dalam menentukan kemunculan hama, sehingga produksi panen yang layak jual menurun cukup signifikan. Maka dari itu, salah satu cara untuk mengatasi permasalahan ini dibuat sebuah sistem untuk memprediksi kondisi iklim lokal dengan menggunakan kecerdasan buatan. Kecerdasan buatan yang dibuat menggunakan fungsi LSTM dan GRU dengan dataset yang diambil dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG). Pengujian juga dilakukan dengan beberapa metrik, seperti Root Mean Square Error (RMSE) untuk melihat kualitas model, hasil prediksi RMSE terukur cukup tinggi namun hal ini bisa terpengaruhi oleh jumlah data dan skala yang besar seperti pada intensitas cahaya. Kualitas model LSTM dan GRU tidak jauh berbeda, namun LSTM menunjukan hasil prediksi yang lebih baik terutama ketika terdapat kompleksitas data seperti fluktuasi mendadak, dapat dilihat dari hasil perhitungan metrik RMSE, model LSTM memiliki rata-rata RMSE sebesar 4260.101 dan MAE sebesar 3269.367 dari keempat variabel yang diuji, sedangkan model GRU memiliki rata-rata RMSE sebesar 4316.014 dan MAE sebesar 3291.686.

Item Type:	Thesis (MBKM)
Keywords:	iklim, kecerdasan buatan, LSTM, GRU, RMSE 7 Implementasi LSTM dan GRU..., Michael Harry Setiawan, Universitas Multimedia Nusantara
Subjects:	?? TK7885-7895 ??
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	07 Nov 2024 07:03
Last Modified:	07 Nov 2024 07:03
URI:	https://kc.umn.ac.id/id/eprint/32686

Actions (login required)

View Item