Muhammad Imaduddin , 4111412069 (2016) JARINGAN SARAF TIRUAN BERBASIS TRANSFORMASI WAVELET UNTUK MEMPREDIKSI TINGKAT PENCEMARAN UDARA SUSPENDED PARTICULATE MATTER DI KOTA. Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF - Published Version Download (2MB) | Preview

Abstract

Penelitian ini mengkaji tentang Jaringan Syaraf Tiruan berbasis Transformasi Wavelet, yang merupakan model penggabungan dari model Jaringan Syaraf Tiruan dan Transformasi Wavelet. Tujuan dari penelitian ini adalah untuk menemukan model terbaik Jaringan Syaraf Tiruan berbasis Transformasi Wavelet pada data pencemaran udara suspended particulate matter (SPM) dan meramalkan data pencemaran udara suspended particulate matter periode Januari dan Februari 2016. Pengambilan data dilakukan dengan cara mendokumentasikan data sekunder dari Badan Meteorologi Klimatologi dan Geofisika. Langkah awal dalam penelitian adalah melakukan pendekomposisian data pencemaran udara SPM dengan transformasi wavelet, data yang sudah dilakukan pendekomposisian data selanjutnya dilakukan proses normalisasi data dan pembagian data menjadi data latih dan data uji. Data latih dan data uji digunakan untuk proses jaringan syaraf tiruan, dengan memasukan parameter jaringan antara lain: maksimum epoch, learning rate, galat error, hidden layer, dan momentum, didapatkan model terbaik dari proses pelatihan dan pengujian jaringan. Dari proses pelatihan dan pengujian jaringan didapatkan model terbaik dari jaringan syaraf tiruan adalah jaringan syaraf dengan arsitektur jaringan 12-18-1 dan dengan parameter epoch = 8, learning rate = 0,04, MSE = 0,000480, MAPE = 0,015 residual = 0,935, dan akurasi = 88,24%. Setelah didapatkan model terbaik, selanjutnya adalah melakukan peramalan data pencemaran udara SPM untuk periode bulan Januari dan Februari 2016, langkah pertama yang dilakukan adalah memasukkan data hasil pendekomposisian dengan metode transformasi wavelet dan parameter dari model terbaik pada proses jaringan syaraf tiruan. Keluaran dari proses ini adalah peramalan dekomposisi metode transformasi wavelet untuk periode bulan Januari dan Februari 2016 yaitu sebesar -2,5817 dan 67,5394. Setelah didapatkan nilai dekomposisi untuk periode bulan Januari dan Februari 2016, selanjutnya adalah melakukan proses rekonstruksi data, dimana hasil dari proses rekonstruksi data adalah data peramalan pencemaran udara SPM untuk periode bulan Januari dan Februari 2016. Hasil rekonstruksi data diperoleh peramalan data untuk bulan Januari sebesar 64,9577 dan bulan Februari sebesar -70,1211.

Actions (login required)

View Item