Skripsi
KLASIFIKASI KELEMBAPAN UDARA DI FOOD ESTATE DENGAN METODE LONG SHORT-TERM MEMORY MODE
- Bagikan:
ABSTRAK
Pemerintah Indonesia sudah membangun Kawasan Lumbung Pangan atau Food
Estate di Provinsi Sumatera Utara, berlokasi di Desa Huta Julu, Kecamatan
Pollung, Kabupaten Humbang Hasundutan. Dalam pengembangan pangan ini,
terdapat beberapa daerah dalam Food Estate yang masih belum menggunakan
teknologi canggih dan tanaman yang tumbuhnya kurang baik. Pemanfaatan
teknologi BMKG dan Artificial sangat dibutuhkan dalam penguatan program
nasional food estate. BMKG melalui Pusat Penelitian dan Pengembangan
(Puslitbang) ambil bagian dalam percepatan program nasional dan penguatan
ketahanan pangan dengan memasang alat pendeteksi cuaca berupa Micro Radar
Rain (MRR) dan Portable Weather Station (PWS) dalam mendukung informasi
layanan iklim dan cuaca di wilayah Food Estate, Humbang Hasundutan. Faktor
iklim yang baik sangat berpengaruh terhadap hasil produksi di Food Estate.
Kelembaban Udara adalah salah satu faktor yang mempengaruhi pertumbuhan
tanaman di Food Estate. Dalam penelitian ini akan dilakukan klasifikasi dengan
memprediksi suatu data yang digunakan untuk mengetahui tingkat kelembapan
udara dimasa yang akan datang, guna membantu para petani melakukan persiapan
dan pengambilan kebijakan terkait kegiatan pertanian agar nantinya hasil produksi
dari suatu tanaman akan menghasilkan kualitas yang baik. Metode dalam
melakukan klasifikasi telah diuji dalam berbagai proses penilitian, salah satunya
yaitu metode Long Short Term Memory (LSTM). LSTM merupakan arsitektur
dari Reccurent Neural Network (RNN). LSTM dapat digunakan untuk memproses
data sequential sehingga dapat digunakan untuk memprediksi data yang bersifat
time series. Parameter yang digunakan mempengaruhi hasil prakiraan metode
LSTM dalam penelitian ini. Dengan menggunakan parameter epoch 100 dan split
data 70:30 didapat nilai akurasi dalam pengklasifikasian menggunakan confusion
matrix adalah 76,75% dan prediksi dengan Root Mean Square Error (RMSE)
adalah 0,34.
Kata kunci : Food Estate, Long Short Term Memory , Reccurent Neural Network,
Batch Size, Epoch, Klasifikasi, Prediksi, Confusion Matrix, RMSE.
Detail Information
| Item Type |
Skripsi (S1)
|
|---|---|
| Penulis |
Desem Natal Samosir - Personal Name
|
| Student ID |
218510114
|
| Dosen Pembimbing | |
| Penguji | |
| Kode Prodi PDDIKTI |
55201
|
| Edisi |
Published
|
| Departement |
Teknik Informatika
|
| Kontributor | |
| Bahasa |
Indonesia
|
| Penerbit | Universitas Methodist Indonesia : Medan., 2024 |
| Edisi |
Published
|
| Subyek | |
| No Panggil | |
| Copyright |
Fakultas Ilmu Komputer Universitas Methodist Indonesia
|
| Doi |