Electronic Theses and Dissertation

Pasang surut berpengaruh terhadap pengoptimalan dan pemanfaatan potensi laut dan segala aktifitas yang akan dilakukan di laut, terutama aktifitas di tepi pantai. Sehingga diperlukan pendeteksian fenomena alam yang mungkin terjadi terutama di daerah yang rawan bencana seperti Aceh. Penelitian ini menggunakan metode Neural network backpropagation yang difokuskan pada pemodelan dan peramalan kondisi pasang surut yang akan datang yaitu selama 2,5 tahun kedepan. Pemodelan dilakukan dengan menerapkan teori markov chain dan untuk memperoleh model terbaik data di transformasi menggunakan transformasi wavelet morlet. Penerapan neural network backpropagation dalam penelitian ini menggunakan data pasang surut di pantai Ulee Lheue, Banda Aceh periode tahun 2013-2017. Terdapat 5 variabel yang digunakan dalam penelitian ini, yaitu pasang surut yang terjadi di pagi, siang, sore, malam dan dini hari. Tujuan dari penelitian ini adalah untuk memperoleh model terbaik yang digunakan untuk meramalkan rata-rata pasang surut air laut di pantai Ulee Lheue 2,5 tahun kedepan dan mengetahui keakuratan hasil ramalan. Hasil yang diperoleh menunjukkan bahwa model jaringan 1–2–1 merupakan model terbaik neural network backpropagation yang dapat digunakan untuk peramalan selanjutnya. Keakuratan peramalan diukur menggunakan nilai MSE (Mean Square Error) dan MAPE (Mean Absolute Error). Hasil peramalan dari tiap-tiap tidak akurat walaupun memiliki nilai MSE yang kecil yaitu berkisar antara 0,01 hingga 0,02 dan memiliki nilai MAPE yang berkisar antara 10% hingga 12%.

Kata kunci: Pasang surut, neural network-backpropagation, wavelet morlet, MAPE, MSE

Tidak Tersedia Deskripsi