USMUSM

Information Science and LibraryInformation Science and Library

Banjir merupakan bencana alam yang sering terjadi di wilayah DKI Jakarta. Pemerintah DKI Jakarta perlu mengantisipasi dampak bencana banjir dengan melakukan estimasi jumlah penduduk yang terkena banjir. Jumlah penduduk yang terkena banjir yang tidak menentu setiap bulannya dapat diprediksi untuk masa yang akan datang. Ada banyak cara yang dapat dilakukan untuk memprediksi jumlah penduduk yang terkena banjir, salah satunya adalah dengan metode jaringan syaraf tiruan. Salah satu algoritma pembelajaran pada jaringan syaraf tiruan adalah algoritma backpropagation. Penelitian ini menerapkan metode jaringan syaraf tiruan dengan algoritma backpropagation untuk memprediksi jumlah penduduk yang terkena banjir di DKI Jakarta. Pada penelitian ini, proses pelatihan dilakukan sebanyak 100 kali pada masing-masing arsitektur jaringan (12-10-1, 12-12-1, 12-14-1) dengan beberapa parameter seperti epoch, konstanta momentum, dan learning rate. Hasil terbaik pada proses pelatihan dilakukan pada proses pengujian untuk menguji jaringan. Pada proses pengujian, hasil terbaik adalah arsitektur 12-10-1 dengan tingkat akurasi 98,704%. Berdasarkan hasil tersebut dapat dikatakan bahwa jaringan ini dapat melakukan prediksi dengan baik dan dapat diimplementasikan untuk peramalan jumlah jiwa yang terkena dampak banjir di DKI Jakarta.

Model prediksi jumlah jiwa yang terdampak banjir di wilayah DKI Jakarta dengan menggunakan algoritma Backpropagation telah berhasil dibuat.Model memiliki arsitektur jaringan 12-10-1 (12 input, 10 hidden layer, dan 1 output) dengan parameter epoch sebesar 3100, mc sebesar 0,8, dan lr sebesar 1,6.Model ini menghasilkan nilai MSE sebesar 0,075822.Nilai MSE yang dihasilkan lebih kecil dibandingkan arsitektur jaringan lainnya.Model menghasilkan nilai regresi sebesar -0,0065456 yang mendekati angka 1.Hal ini membuktikan bahwa model tersebut berhasil memprediksi data target dan memiliki tingkat keakuratan sebesar 98,704%.

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan yang dapat dilakukan adalah: . . 1. Mengembangkan model prediksi dengan menggunakan algoritma backpropagation yang lebih kompleks, seperti dengan menambahkan lapisan tersembunyi atau menggunakan arsitektur jaringan yang berbeda, untuk meningkatkan akurasi prediksi.. . 2. Menganalisis faktor-faktor lain yang dapat mempengaruhi jumlah jiwa terdampak banjir, seperti cuaca, topografi wilayah, dan kondisi infrastruktur, serta mengintegrasikan faktor-faktor tersebut dalam model prediksi untuk meningkatkan akurasi dan kehandalan hasil.. . 3. Melakukan studi komparatif antara model prediksi yang dikembangkan dengan model-model prediksi banjir lainnya, seperti model statistik atau model berbasis machine learning, untuk menentukan keunggulan dan kelemahan masing-masing model serta memilih model yang paling efektif dan akurat untuk digunakan dalam praktek.

  1. PERAMALAN HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN SECARA SUPERVISED LEARNING DENGAN ALGORITMA... journal.upgris.ac.id/index.php/JIU/article/view/1899PERAMALAN HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN SECARA SUPERVISED LEARNING DENGAN ALGORITMA journal upgris ac index php JIU article view 1899
Read online
File size453.44 KB
Pages9
DMCAReport

Related /

ads-block-test