Fernando, Ferdy (2025) PERANCANGAN SISTEM PEMBELAJARAN MESIN UNTUK PREDIKSI DATA AIR DAN CUACA DI KERAMBA TELUK AWUR JEPARA. Undergraduate thesis, Universitas Diponegoro.

	Text 21120121130062 - Ferdy Fernando-1-14.pdf Download (407kB)
	Text 21120121130062 - Ferdy Fernando-15-83.pdf Restricted to Repository staff only Download (3MB)

Abstract

Perubahan sistem pemantauan keramba di Teluk Awur, Jepara yang menerapkan sistem digital
didalamnya membawa potensi-potensi baru bersamaan dengannya. Salah satunya yaitu dalam
pembacaan data menggunakan sensor, data faktor lingkungan menunjukkan suatu pola yang hampir
tidak bisa diprediksi. Bersamaan dengan itu, beberapa keadaan cuaca maupun air di sekitar
keramba dapat menyebabkan kerugian misalnya hujan badai atau berkurangnya kualitas air.
Penelitian tugas akhir ini bertujuan untuk melakukan percobaan terhadap prediksi data air dan
cuaca di masa depan agar dapat menjadi referensi pencegahan bagi pengelola keramba. Model
pembelajaran mesin digunakan sebagai solusi untuk memahami pola data lingkungan dan membuat
prediksi di masa depan. Pada penelitian tugas akhir ini digunakan sequence to sequence
bidirectional GRU sebagai model pembelajaran mesin utama. Model pembelajaran mesin
dikembangkan menggunakan Google Colab dengan Python beserta libraries didalamnya. Hasilnya,
model utama sequence to sequence bidirectional GRU meraih nilai evaluasi yang unggul (MSE:
1.1472, RMSE: 1.0711, MAE: 0.7866, MAPE: 3.24%) dibandingkan model serupa seperti
bidirectional LSTM, GRU tanpa modifikasi, dan LSTM tanpa modifikasi. Sequence to sequence
bidirectional GRU juga diuji di semua parameter dataset dan menghasilkan performa yang
beragam, mendekati tren data pada parameter tersebut. Di sisi lain, saat pengujian dilakukan pada
model utama dengan recursive forecasting bidirectional GRU dalam prediksi suhu minimum 7
langkah waktu kedepan, performa yang lebih unggul diraih oleh recursive forecasting bidirectional
GRU. Walau terlihat performa pembelajaran mesin dibedakan oleh pengaturannya, kualitas
pembelajaran mesin akan sebagian besar dipengaruhi oleh kualitas dataset yang dipelajarinya,
kemudian baru pada arsitektur model dan pengaturan parameter hipernya.

Actions (login required)

View Item