EMAIL: PASSWORD:
Front Office
UPT. PERPUSTAKAAN
Universitas Esa Unggul


Kampus Emas UEU - Jakarta Barat

Phone : 021-5674223, ext 282
Fax :
E-mail : [email protected]
Website : http://library.esaunggul.ac.id

Support (Customer Service) :
[email protected]








Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:
LIVE SUPPORT


Astrid Chrisafi




! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely
Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

Still Confuse?
Please read our User Guide

Keyword
Mode
Expanded Search (for Free text search only)
 

UEU » Master Theses » Magister Ilmu Komputer
Posted by [email protected] at 25/07/2024 11:50:37  •  84 Views


ANALISIS PREDIKSI DATA DERET WAKTU KETINGGIAN AIR MENGGUNAKAN METODE DEEP LEARNING PADA PINTU AIR DINAS SUMBER DAYA AIR DKI JAKARTA

Created by :
Supriyade ( 20200804003 )



SubjectPREDIKSI DATA
DERET WAKTU
KETINGGIAN AIR
METODE DEEP LEARNING
PINTU AIR
Alt. Subject DATA PREDICTION
TIME SERIES
WATER LEVELS
DEEP LEARNING METHOD
WATERGORGE
KeywordDeep Learning
Long Short Term Memory (LSTM)
Recurrent Meural Network (RNN)
data deret waktu ketinggian air.

Description:

Indonesia memiliki 2 musim, yaitu musim kemarau dan musim hujan. Pada saat musim hujan banyak di beberapa titik wilayah DKI Jakarta mengalami banjir ataupun genangan. Adapun penyebab jakarta sering mengalami banjir disebabkan oleh beberapa faktor antara lain banjir hujan lokal, banjir kiriman dan banjir rob. Dinas Sumber Daya Air DKI Jakarta saat ini belum memiliki sebuah sistem yang dapat memprediksi ketinggian air dimasa mendatang dengan mengacu pada data ketinggian air dimasa lalu dan saat ini. Melalui latar belakang tersebut penulis mencoba melakukan penelitian di salah satu pintu air wilayah utara DKI Jakarta dalam memprediksi ketinggian air dengan menggunakan metode deep learning yaitu Recurrent Neural Network (RNN) dan Long Short Term Memory (LSTM). Tujuan penelitian ini adalah menganalisa model deep learning terbaik dan melakukan prediksi data deret waktu ketinggian air. Dari hasil analisis yang dilakukan didapatkan model deep learning terbaik yaitu Long Short Term Memory (LSTM) dengan menggunakan beberapa pengujian seperti n-input, data split dengan komposisi data train 90,33% dan data test 9,67%, serta pengujian parameter yang berbeda antara lain epoch, batch size, learning rate, dropout maka, didapatkan hasil dengan nilai erorr terendah dengan RMSE (17.65), MAPE (0.29), MAE (3.37) dan waktu yang dibutuhkan dalam proses (runtime) yaitu 39 menit.

Contributor:
  1. Dr. GERRY FIRMANSYAH, S.T.M.Kom
Date Create:25/07/2024
Type:Text
Format:PDF
Language:Indonesian
Identifier:UEU-Master-20200804003
Collection ID:20200804003


Source :
Master Theses Of Computer Science

Relation Collection:
Fakultas Ilmu Komputer

Coverage :
Civitas Akademika Universitas Esa Unggul

Rights :
@2024 Perpustakaan Universitas Esa Unggul


Publication URL :
https://digilib.esaunggul.ac.id/analisis-prediksi-data-deret-waktu-ketinggian-air-menggunakan-metode-deep-learning-pada-pintu-air-dinas-sumber-daya-air-dki-jakarta-34458.html




[ Free Download - Free for All ]

  1.  UEU-Master-34458-COVER.Image.Marked.pdf - 196 KB
  2.  UEU-Master-34458-HALAMAN PENGESAHAN.Image.Marked.pdf - 1587 KB
  3.  UEU-Master-34458-HALAMAN PERSETUJUAN PULIKASI.Image.Marked.pdf - 187 KB
  4.  UEU-Master-34458-ASBTRAK.Image.Marked.pdf - 190 KB
  5.  UEU-Master-34458-KATA PENGANTAR.Image.Marked.pdf - 250 KB
  6.  UEU-Master-34458-DAFTAR ISI.Image.Marked.pdf - 222 KB
  7.  UEU-Master-34458-DAFTAR PUSTAKA.Image.Marked.pdf - 256 KB
  8.  UEU-Master-34458-BAB1.Image.Marked.pdf - 202 KB

[ FullText Content - Please, register first ]

  1. UEU-Master-34458-BAB2.Image.Marked.pdf - 2202 KB
  2. UEU-Master-34458-BAB3.Image.Marked.pdf - 429 KB
  3. UEU-Master-34458-BAB4.Image.Marked.pdf - 1758 KB
  4. UEU-Master-34458-BAB5.Image.Marked.pdf - 192 KB

 10 Similar Document...

     No similar subject found !

 10 Related Document...






HELP US !
You can help us to define the exact keyword for this document by clicking the link below :

(LSTM) , (RNN) , Deep , Deep Learning , Learning , Long , Long Short Term Memory (LSTM) , Memory , Meural Network , Recurrent , Recurrent Meural Network (RNN) , Short , Term , air. , data , data deret waktu ketinggian air. , deret , ketinggian , waktu



POLLING

Bagaimana pendapat Anda tentang repository kami ?

Bagus Sekali
Baik
Biasa
Jelek
Mengecewakan




143254641


Visitors Today : 1
Total Visitor : 1969376

Hits Today : 57849
Total Hits : 143254641

Visitors Online: 1


Calculated since
16 May 2012

You are connected from 172.17.121.29
using Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; [email protected])


UEU Digital Repository Feeds


Copyright © UEU Library 2012 - 2024 - All rights reserved.
Dublin Core Metadata Initiative and OpenArchives Compatible
Developed by Hassan