PERAMALAN SOLAR FLARES MENGGUNAKAN METODE ONE-VS-ALL BALANCED RANDOM FOREST: STUDI KASUS LEMBAGA PENERBANGAN DAN ANTARIKSA NASIONAL

Latuconsina, Farista Rachman (2017) PERAMALAN SOLAR FLARES MENGGUNAKAN METODE ONE-VS-ALL BALANCED RANDOM FOREST: STUDI KASUS LEMBAGA PENERBANGAN DAN ANTARIKSA NASIONAL. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_1304702_Title.pdf Download (84kB)
	Text S_KOM_1304702_Table of Content.pdf Download (98kB)
	Text S_KOM_1304702_Abstract.pdf Download (118kB)
	Text S_KOM_1304702_Chapter 1.pdf Download (166kB)
	Text S_KOM_1304702_Chapter 2.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_KOM_1304702_Chapter 3.pdf Download (170kB)
	Text S_KOM_1304702_Chapter 4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_KOM_1304702_Chapter 5.pdf Download (70kB)
	Text S_KOM_1304702_Bibliography.pdf Download (184kB)
	Text S_KOM_1304702_Appendix.pdf Restricted to Staf Perpustakaan Download (184kB)

Abstract

Solar flares (SFs) merupakan letusan paling kuat di tata surya dan memiliki pengaruh terbesar terhadap perubahan cuaca di ruang angkasa maupun lingkungan bumi. Di Indonesia, divisi surya dan ruang angkasa Lembaga Penerbangan dan Antariksa Nasional (LAPAN) memiliki tujuan utama untuk menyediakan informasi mengenai peramalan SFs yang mulai beroperasi penuh pada tahun 2010. Masalah muncul ketika informasi yang disediakan berasal dari hasil peramalan manual tanpa menggunakan rumus statistik dan model pijakan apapun, sehingga hasilnya sangat bergantung pada pengalaman peneliti matahari yang melakukan peramalan. Selain itu, peramalan SFs sendiri cenderung termasuk ke dalam masalah klasifikasi imbalanced. Oleh karenanya, peneliti mengajukan sebuah model One-vs-All Balanced Random Forest (OvA-BRF) dimana metode OvA digunakan untuk meningkatkan kinerja dari klasifikasi multiclass Random Forest (RF), sedangkan metode BRF digunakan untuk menangani kasus klasifikasi imbalanced. Hasil dari penelitian menunjukkan bahwa model OvA-BRF yang diusulkan memiliki kinerja yang lebih baik dibandingkan dengan peramalan SFs manual di LAPAN dengan rata-rata nilai recall, precision, accuracy dan TSS secara berturut-turut yaitu 0.59, 0.547, 0.785 dan 0.387. --------- Solar flares (SFs) are the most powerful eruptions in the solar system and has the greatest impact on space weather changes and the earth’s environment. In Indonesia, the solar and space division of National Aeronautics and Space Agency (LAPAN) had main purpose on providing SFs forecasting information that is fully operated in 2010. Problems arise when the information provided comes from the results of manual forecasting without using any statistical formulas and any references model, it makes the result depends heavily on the forecasting experience of solar researchers. In addition, SFs forecasting itself tends to fall into the imbalanced classification issue. Therefore, the researcher proposed One-vs-All Balanced Random Forest (OvA-BRF) model where the OvA method was used to improve the performance of Random Forest multiclass classification, while the BRF method was used to handle the imbalanced classification issue. The result show that the proposed OvA-BRF model had better performance compared to manual SFs forecasting in LAPAN with average recall, precision, accuracy and TSS respectively 0.59, 0.547, 0.785 and 0.387.

Item Type:	Thesis (S1)
Additional Information:	No. Panggil : S KOM LAT p-2017; Pembimbing : I. Rani Megasari, II. Eki Nugraha.
Uncontrolled Keywords:	Solar Flares, Klasifikasi Imbalanced, One-vs-All, Balanced Random Forest,
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	DAM staf
Date Deposited:	26 Sep 2018 03:21
Last Modified:	26 Sep 2018 03:21
URI:	http://repository.upi.edu/id/eprint/31794

Actions (login required)

View Item