Maulidia, Nur Kholida (2023) Penerapan artificial neural network pada proses klasifikasi curah hujan di Jawa Tengah. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
![]() |
Text (Fulltext)
19610055.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) |
Abstract
INDONESIA:
Artificial Neural Network (ANN) adalah metode klasifikasi dan prediksi dimana memiliki cara kerja yang terinspirasi dari struktur dan fungsi sistem saraf manusia. Penelitian ini bertujuan untuk mengklasifikasikan curah hujan di wilayah Jawa Tengah menggunakan metode ANN, dengan mempertimbangkan kompleksitas pola cuaca dan faktor lingkungan yang mempengaruhi curah hujan. Pendekatan penelitian yaitu penerapan metode ANN yang mampu memodelkan hubungan kompleks dan non-linier antara variabel-variabel terkait curah hujan. Fungsi aktivasi ReLu digunakan pada input dan hidden layer, sementara fungsi aktivasi softmax digunakan pada output layer. Data dibagi menjadi 80% data training dan 20% data testing. Hasil penelitian menunjukkan bahwa model E, AQ, dan DQ merupakan model yang bisa digunakan untuk klasifikasi curah hujan. Model E dengan satu hidden layer memiliki arsitektur jaringan 8-20-4. Model AQ dengan dua hidden layer memiliki arsitektur 8-28-32-4. Model DQ dengan tiga hidden layer memiliki arsitektur jaringan 8-12-20-32-4. Evaluasi pada data testing dari ketiga model tersebut menghasilkan nilai MAE yang sama yaitu 0.198. Penelitian ini menyimpulkan bahwa metode ANN mampu mengklasifikasikan curah hujan di Jawa Tengah dengan tingkat akurasi tinggi. Kontribusi penting penlitian ini ada dalam pemahaman dan klasifikasi curah hujan di wilayah Jawa Tengah. Hasilnya memiliki implikasi praktis dalam berbagai sektor kehidupan, termasuk pertanian, ketersediaan air, dan manajemen risiko bencana alam di wilayah tersebut.
ENGLISH:
Artificial Neural Network (ANN) is a classification and prediction method that has a way of working inspired by the structure and function of the human nervous system. This study aims to classify rainfall in the Central Java region using the ANN method, taking into account the complexity of weather patterns and environmental factors that affect rainfall. The research approach is the application of the ANN method which is able to model complex and non-linear relationships between rainfall-related variables. The ReLu activation function is used on the input and hidden layers, while the softmax activation function is used on the output layer. Data is divided into 80% training data and 20% testing data. The results showed that the E, AQ, and DQ models are models that can be used for rainfall classification. Model E with one hidden layer has an 8-20-4 network architecture. The AQ model with two hidden layers has an 8-28-32-4 architecture. The DQ model with three hidden layers has a network architecture of 8-12-20-32-4. Evaluation of the testing data from the three models resulted in the same MAE value of 0.198. This study concluded that the ANN method was able to classify rainfall in Central Java with a high degree of accuracy. An important contribution of this research is in the understanding and classification of rainfall in the Central Java region. The results have practical implications in various sectors of life, including agriculture, water availability, and natural disaster risk management in the region.
ARABIC:
الشبكة العصبية الاصطناعية (ANN) هي طريقة تصنيف وتنبؤ لها طريقة عمل مستوحاة من بنية ووظيفة الجهاز العصبي البشري. تهدف هذه الدراسة إلى تصنيف هطول الأمطار في منطقة جاوة الوسطى باستخدام طريقة ANN ، مع مراعاة تعقيد أنماط الطقس والعوامل البيئية التي تؤثر على هطول الأمطار. منهج البحث هو تطبيق طريقة ANN القادرة على نمذجة العلاقات المعقدة وغير الخطية بين المتغيرات المتعلقة بهطول الأمطار. يتم استخدام وظيفة تنشيط ReLu على طبقات الإدخال والمخفية ، بينما يتم استخدام وظيفة تنشيط softmax في طبقة الإخراج. تنقسم البيانات إلى ٨٠٪ من بيانات التدريب و ٢٠٪ من بيانات الاختبار. أظهرت النتائج أن نماذج E و AQ و DQ هي نماذج يمكن استخدامها لتصنيف هطول الأمطار. يحتوي النموذج E بطبقة مخفية واحدة على بنية شبكة ٨-٢٠-٤. يحتوي نموذج AQ مع طبقتين مخفيتين على بنية ٨-٢٨-٣٢-٤. يحتوي نموذج DQ بثلاث طبقات مخفية على بنية شبكة ٨-١٢-٢٠-٣٢-٤. أدى تقييم بيانات الاختبار من النماذج الثلاثة إلى نفس قيمة MAE البالغة ٠٫١٩٨. خلصت هذه الدراسة إلى أن طريقة ANN كانت قادرة على تصنيف هطول الأمطار في جاوة الوسطى بدرجة عالية من الدقة. مساهمة مهمة لهذا البحث هي في فهم وتصنيف هطول الأمطار في منطقة جاوة الوسطى. وللنتائج آثار عملية في مختلف قطاعات الحياة، بما في ذلك الزراعة وتوافر المياه وإدارة مخاطر الكوارث الطبيعية في المنطقة.
Item Type: | Thesis (Undergraduate) |
---|---|
Supervisor: | Harini, Sri and Juhari, Juhari |
Keywords: | Artificial Neural Network (ANN); Klasifikasi; Curah Hujan; ReLu; Softmax; Artificial Neural Network; Classification; Rainfall; ReLu; Softmax; الشبكة العصبية الاصطناعية; التصنيف;هطول الأمطار; ReLu; Softmax |
Departement: | Fakultas Sains dan Teknologi > Jurusan Matematika |
Depositing User: | Nur Kholida Maulidia |
Date Deposited: | 28 Nov 2023 12:13 |
Last Modified: | 28 Nov 2023 12:13 |
URI: | http://etheses.uin-malang.ac.id/id/eprint/58140 |
Downloads
Downloads per month over past year
Actions (login required)
![]() |
View Item |