Prediksi kecepatan angin di jalur penyeberangan kapal Gresik-Bawean menggunakan metode jaringan saraf tiruan

INDONESIA:
Indonesia sebagai negara maritim sering mengalami perubahan cuaca ekstrem, salah satunya adalah kecepatan angin yang fluktuatif. Perubahan ini berdampak signifikan terhadap aktivitas pelayaran, khususnya pada jalur penyeberangan kapal Gresik–Bawean yang rawan terhadap gelombang tinggi dan angin kencang. Untuk mengantisipasi risiko tersebut, diperlukan prediksi kecepatan angin yang akurat. Penelitian ini bertujuan untuk memprediksi kecepatan angin di jalur penyeberangan kapal Gresik–Bawean menggunakan metode Jaringan Saraf Tiruan (JST) dengan algoritma backpropagation. Data yang digunakan adalah data kecepatan angin dan gelombang laut yang meliputi tinggi gelombang rata-rata, panjang gelombang, periode gelombang, dan tinggi maksimum gelombang, serta data kecepatan angin periode selanjutnya sebagai output periode 1 Desember 2020 hingga 30 November 2023 dari BMKG. Model JST dibangun melalui beberapa tahap, yaitu pembagian data dan penentuan arsitektur jaringan, normalisasi data, pelatihan model, dan evaluasi menggunakan Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model JST terbaik diperoleh pada konfigurasi 1 input layer dengan 5 neuron, dua hidden layer dengan jumlah neuron masing-masing 3 dan 2, serta 1 output layer. Model ini menghasilkan nilai MSE sebesar 5.8056 dan MAPE sebesar 16.22%, yang mengindikasikan kemampuan prediksi yang akurat. Selain itu, analisis gelombang laut selama Desember 2023 dan Januari 2024 menunjukkan kondisi yang cenderung stabil dengan gelombang halus hingga sedang dan tidak ditemukan gelombang tinggi ekstrem. Hasil ini menunjukkan bahwa model JST dapat digunakan sebagai alat bantu prediksi dalam mitigasi risiko pelayaran dan mendukung keselamatan laut di wilayah jalur penyeberangan Gresik–Bawean.

ENGLISH:
Indonesia, as a maritime country, frequently experiences extreme weather changes, one of which is fluctuating wind speed. These changes significantly affect shipping activities, especially on the Gresik–Bawean ferry route, which is prone to high waves and strong winds. To anticipate such risks, accurate wind speed prediction is essential. This study aims to predict wind speed on the Gresik–Bawean ferry route using the Artificial Neural Network (ANN) method with the backpropagation algorithm. The data used includes wind speed and ocean wave characteristics such as average wave height, wave length, wave period, and maximum wave height, along with future wind speed data as the output, sourced from BMKG for the period of December 1, 2020 to November 30, 2023. The ANN model was built through several stages: data partitioning and network architecture determination, data normalization, model training, and evaluation using Mean Squared Error (MSE) and Mean Absolute Percentage Error (MAPE). The results show that the best ANN model configuration consists of one input layer with five neurons, two hidden layers with three and two neurons respectively, and one output layer. This model produced an MSE value of 5.8056 and a MAPE value of 16.22%, indicating accurate predictive capability. Moreover, wave analysis during December 2023 and January 2024 revealed generally stable conditions with mild to moderate waves and no occurrence of extreme wave heights. These findings suggest that the ANN model can be utilized as a predictive tool to support maritime safety and risk mitigation in the Gresik–Bawean crossing route.

ARABIC:
غالبا ما تشهد إندونيسيا كدولة بحرية تغيرات مناخية شديدة ، أحدها تقلب سرعات الرياح. هذا التغيير له تأثير كبير على أنشطة الشحن ، خاصة على خط عبور السفن جريسيك–باويان المعرض للأمواج العالية والرياح القوية. لتوقع هذه المخاطر ، هناك حاجة إلى تنبؤ دقيق بسرعة الرياح. هدفت هذه الدراسة إلى التنبؤ بسرعة الرياح على طريق عبور السفن جريسيك–باويان باستخدام طريقة الشبكة العصبية الاصطناعية (JST) مع خوارزمية الانتشار العكسي. البيانات المستخدمة هي بيانات سرعة الرياح وموجات البحر والتي تشمل متوسط ارتفاع الأمواج وطول الموجة وفترة الموجة وأقصى ارتفاع للموجة ، بالإضافة إلى بيانات سرعة الرياح للفترة القادمة كناتج للفترة من ١ ديسمبر ٢٠٢٠ إلى ٣٠ نوفمبر ٢٠٢٣ من BMKG. تم بناء نموذج JST من خلال عدة مراحل ، وهي مشاركة البيانات وتحديد بنية الشبكة ، وتطبيع البيانات ، وتدريب النموذج ، والتقييم باستخدام متوسط الخطأ التربيعي (MSE) ومتوسط النسبة المئوية المطلقة للخطأ (MAPE). أظهرت النتائج أنه تم الحصول على أفضل نموذج JST في تكوين طبقة إدخال واحدة مع ٥ خلايا عصبية ، وطبقتين مخفيتين بعدد الخلايا العصبية ٣ و ٢ على التوالي ، و ١ طبقة إخراج. ينتج عن هذا النموذج قيمة MSE تبلغ ٥٫٨٠٥٦ و MAPE بنسبة ١٦٫٢٢ ٪ ، مما يشير إلى قدرات تنبؤية دقيقة. بالإضافة إلى ذلك ، أظهر تحليل أمواج البحر خلال ديسمبر ٢٠٢٣ ويناير ٢٠٢٤ ظروفا تميل إلى الاستقرار مع موجات دقيقة إلى معتدلة ولم يتم العثور على موجات عالية للغاية. ظهرت هذه النتائج أنه يمكن استخدام نموذج JST كأداة تنبؤ في التخفيف من مخاطر الشحن ودعم السلامة البحرية في منطقة طريق عبور جريسيك–باويان.