PREDIKSI TINGGI GELOMBANG LAUT JAKARTA UTARA MENGGUNAKAN MACHINE LEARNING: PERBANDINGAN ALGORITMA ARIMA & SARIMA

Acep Saepul Zamil, - (2023) PREDIKSI TINGGI GELOMBANG LAUT JAKARTA UTARA MENGGUNAKAN MACHINE LEARNING: PERBANDINGAN ALGORITMA ARIMA & SARIMA. Jurnal Teknologi Informasi dan Komunikasi, 14 (2). pp. 286-294. ISSN 2087-0868

Abstract

Dalam melakukan prediksi gelombang laut beberapa hari kedepan memerlukan keakuratan yang tinggi. Maka dari itu, perkembangan Machine Learning dapat digunakan untuk memprediksi kondisi gelombang laut. Representasi keakuratan dari Machine Learning mengenai tinggi gelombang dapat menentukan keputusan kapal dalam melakukan rute pelayaran maupun memungkinkan nelayan berlayar atau tidak. Penelitian ini dilakukan di wilayah Laut Jakarta Utara. Dalam menentukan perhitungan prediksi gelombang laut tersebut menggunakan algoritma ARIMA dan SARIMA. Hasil dari prediksi algoritma kedua Machine Learning tersebut dibandingkan yang kemudian akan mengambil hasil akurasi terbaik berdasarkan nilai RMSE & MAE yang dihasilkan. Data yang akan digunakan diambil dari beberapa tahun kebelakang (tahun 2015-2018) untuk melatih model agar mendapatkan hasil yang lebih baik. Hasil dari pengujian model yang telah dilakukan, didapat nilai RMSE & MAE model ARIMA berturut-turut sebesar 2,14 & 4,18 Sedangkan model SARIMA menghasilkan RMSE & MAE secara berturut-turut sebesar 4,52 & 8,18. Hasil tersebut menunjukan bahwa ARIMA memiliki nilai yang lebih baik dibandingkan dengan SARIMA dengan didasari pada data yang memiliki keterikatan kecil dengan pengaruh dari musiman

	Text JTIKP/article/view/650 - Published Version Restricted to Staf Perpustakaan Download (37kB)
	Text TA_ART_S_SIK_1904762.pdf Restricted to Staf Perpustakaan Download (181kB)

Item Type:	Article
Additional Information:	Link Google Scholar: https://scholar.google.com/citations?user=E3qfUbkAAAAJ&hl=id&authuser=1&oi=ao ID Sinta Dosen Pembimbing Luthfi Anzani: 6721957 Wildan Aprizal Arifin: -
Uncontrolled Keywords:	ARIMA, Gelombang Laut, Machine Learning, Prediksi, SARIMA
Subjects:	L Education > L Education (General)
Divisions:	UPI Kampus Serang > S1 Sistem Informasi Kelautan
Depositing User:	Acep Saepul Zamil
Date Deposited:	02 Oct 2023 02:39
Last Modified:	02 Oct 2023 02:39
URI:	http://repository.upi.edu/id/eprint/108759

Actions (login required)

View Item