ANALISA DAN EVALUASI ALGORITMA DEEP LEARNING UNTUK OPTIMASI PRAKIRAAN KECEPATAN ANGIN DI BANDARA SMBII PALEMBANG

RAMADHAN, AKBAR RIZKI (2024) ANALISA DAN EVALUASI ALGORITMA DEEP LEARNING UNTUK OPTIMASI PRAKIRAAN KECEPATAN ANGIN DI BANDARA SMBII PALEMBANG. Other thesis, Universitas Bina Darma.

	Text (BAB 0) BAB 0.pdf Download (688kB)
	Text (BAB 1) BAB 1.pdf Download (308kB)
	Text (DAFTAR PUSTAKA) DP.pdf Download (297kB)
	Text (LAPORAN HASIL) LH.pdf Restricted to Repository staff only Download (3MB)
	Text (LAMPIRAN) L.pdf Download (1MB)

Abstract

Stasiun Meteorologi Sultan Mahmud Badaruddin (SMB) II Palembang merupakan salah satu unit pelaksana teknis (UPT) Badan Meteorologi Klimatologi dan Geofisika (BMKG) yang berperan dalam diseminasi informasi cuaca aktual khususnya di bandara SMB II Palembang. Terdapat banyak parameter cuaca yang diamati salah satunya adalah kecepatan angin. Kecepatan angin merupakan salah satu parameter yang digunakan pihak bandara baik itu pilot maupun air traffic controller (ATC) dalam proses takeoff maupun landing pesawat. dalam penelitian ini fokus penulis adalah melakukan Analisa dan evaluasi tiga metode deep learning menggunakan arsitektur LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit) dan BiLSTM (Bi Directional Long Short Term Memory). Penggunaan data deret waktu berupa tekanan udara, curah hujan, kelembapan dan suhu digunakan sebagai prediktor. Data yang digunakan berasal dari perangkat AWOS (Automatic Weather Observation System). Setelah dilakukan pengolahan data menggunakan metode deep leaning dengan tiga arsitektur diatas, maka akan dilakukan analisa diantara tiga arsitektur ini untuk melihat model arsitektur mana yang paling akurat berdasarkan tingkat loss error paling rendah dalam melakukan prakiraan kecepatan angin di bandara SMB II Palembang.

Actions (login required)

View Item