Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : DEVICE

Pemodelan Artificial Neural Network (ANN) Untuk Identifikasi Bangunan Daerah Rawan Longsor Sely Novita Sari; Bagus Gilang Pratama; Rizqi Prastowo
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6701

Abstract

Identifikasi bangunan daerah rawan longsor adalah suatu hal yang penting dalam mitigasi bencana alam. Longsor dapat terjadi di mana saja dan kapan saja, dan dapat menyebabkan kerugian yang besar baik dari segi manusia maupun materiil (fadli dkk, 2023). Oleh karena itu, penting untuk mengidentifikasi bangunan yang berada di daerah rawan longsor agar dapat mengambil tindakan pencegahan yang tepat. Metode yang dapat digunakan untuk identifikasi bangunan di daerah rawan longsor adalah artificial neural network (ANN). ANN adalah suatu model komputasi yang terinspirasi dari sistem saraf biologis yang terdiri dari sejumlah unit pemrosesan sederhana yang disebut neuron. ANN dapat belajar dari data dan menyesuaikan bobot koneksi antar neuron untuk menghasilkan keluaran yang diinginkan. ANN memiliki kemampuan untuk mengenali pola, mengklasifikasikan data, dan memprediksi hasil. Berdasarkan analisis data klasifikasi dinding sederhana di Kecamatan Kalirejo, Kecamatan Kokap, Kabupaten Kulon Progo, Yogyakarta, menggunakan Artificial Neural Network (ANN), presentase prediksi setiap data dari pemodelan ANN menunjukkan bahwa indikator Bangunan Tidak Aman mencapai 100%, dengan 89% prediksi Bangunan Aman, dan 82,7% prediksi Bangunan Aman berdasarkan History Accuracy. Hasil tersebut diukur dengan merujuk pada kurva model validasi yang semakin meningkat dan stabil, mencapai nilai akurasi rata-rata di atas 80%, yakni sebesar 88%.
Pemodelan Artificial Neural Network (ANN) Untuk Identifikasi Bangunan Daerah Rawan Longsor Sari, Sely Novita; Pratama, Bagus Gilang; Prastowo, Rizqi
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6701

Abstract

Identifikasi bangunan daerah rawan longsor adalah suatu hal yang penting dalam mitigasi bencana alam. Longsor dapat terjadi di mana saja dan kapan saja, dan dapat menyebabkan kerugian yang besar baik dari segi manusia maupun materiil (fadli dkk, 2023). Oleh karena itu, penting untuk mengidentifikasi bangunan yang berada di daerah rawan longsor agar dapat mengambil tindakan pencegahan yang tepat. Metode yang dapat digunakan untuk identifikasi bangunan di daerah rawan longsor adalah artificial neural network (ANN). ANN adalah suatu model komputasi yang terinspirasi dari sistem saraf biologis yang terdiri dari sejumlah unit pemrosesan sederhana yang disebut neuron. ANN dapat belajar dari data dan menyesuaikan bobot koneksi antar neuron untuk menghasilkan keluaran yang diinginkan. ANN memiliki kemampuan untuk mengenali pola, mengklasifikasikan data, dan memprediksi hasil. Berdasarkan analisis data klasifikasi dinding sederhana di Kecamatan Kalirejo, Kecamatan Kokap, Kabupaten Kulon Progo, Yogyakarta, menggunakan Artificial Neural Network (ANN), presentase prediksi setiap data dari pemodelan ANN menunjukkan bahwa indikator Bangunan Tidak Aman mencapai 100%, dengan 89% prediksi Bangunan Aman, dan 82,7% prediksi Bangunan Aman berdasarkan History Accuracy. Hasil tersebut diukur dengan merujuk pada kurva model validasi yang semakin meningkat dan stabil, mencapai nilai akurasi rata-rata di atas 80%, yakni sebesar 88%.
Co-Authors A.A Inung Arie Adnyano, A.A Inung Arie Abdul Latif Ashadi Agustinus Isjudarto Ahmad Said Akhmad Zamroni Al Hussein Flowers Rizqi Aldri, Riaferdo Amir Machmud Amir Machmud, Amir Andika Eko Prasetiyo Andika Eko Prasetiyo, Andika Eko Andyono B. Santoso Angger Bagus Prasetiyo Anggi Hermawan Anita Susiana Arimurti, Dyah Arum Bagus Gilang Pratama, Bagus Gilang Bahy, Muhammad Nauval Brahme, Nameeta Cengiz, Korhan Dandi Pranomo Eko Wahyu Hidayat, Eko Wahyu Fahrul Nurfajri Mokoagow Fajar Yulianto Prabowo Farid, Fajri Filipus Alfriyadi Junaidi firhad firmansyah Hasan Said Tortop Hendro Purnomo Herman, Sofiana Hidayatullah Shidiq hidayatullah sidiq Hikmahtiar, Syouma Hurien Helmi Ichwan Noor Ardiyat Ikah N. P. Permanasari Ilham Mopio Iman Pradana A. Assagaf Iqbal, Mochamad Iwan Tri Riyadi Yanto, Iwan Tri Riyadi Jemssy Ronald Rohi Jermsittiparsert, Kittisak Junior, Prince Robert Kapugu, Excellentia Riane Kittisak Jermsittiparsert Manmeet Kaur Melfa Utari Muhamad Syazali Muhammad Hafizh Hibullah Murkute, Yogesh Novandri Kusuma Wardana Oggi Heical Ardian Oggi Heicqal Ardian Oky Sugarbo Ozyurt, Basak Panse, Vishal R. Paramitha Tedja Trisnaning Puspasari, Fitri Radhitya, Berwyn Dzaky Rahmad Junaidi, Rahmad Randy Galaxy Rita Desiasni Rizal Maulana Rizal Maulana, Rizal Rofiqul Umam Sabrina Putri Puspitasari Sely Novita Sari Setiawan, Nanda Juli Setyo Pambudi Setyo Pambudi Shilvyanora Aprilia Rande, Shilvyanora Syamsul Huda Syamsul Huda Tarumasely, Nofry Hence Tedy Kurniawan Topac, Tuna Tortop, Hasan Said Tri Nugroho Suwarno Urip Nurwijayanto Prabowo Urip Nurwijayanto Prabowo Urip Nurwijayanto Prabowo, Urip Nurwijayanto Veronica Diana Anis Anggorowati Vico Luthfi Ipmawan Yonathan Ito