Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Litbang Edusaintech
Fathina Atsila F
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya.
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Industrial & Manufacturing Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Perubahan Iklim di Indonesia pada tahun 2013-2014 menggunakan LSTM Dhifan Diandra H; Fathina Atsila F; Sulthon Akhdan G; Novanto Yudistira; Raihan Hanif F
Jurnal Litbang Edusaintech Vol. 3 No. 2 (2022): Volume 3 No 2 2022
Publisher : Litbang PWM Jawa Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51402/jle.v3i2.49

Abstract

Keberadaan deep learning saat ini sangat menguntungkan dan membantu manusia di kehidupan sehari-hari. Salah satunya adalah prediksi, prediksi apapun dapat dilakukan dengan deep learning selama data yang didapatkan memungkinkan untuk diolah. Dalam penelitian ini, dilakukan prediksi perubahan iklim. Karena seiring perkembangannya zaman dan terjadinya global warming, perubahan cuaca semakin tidak menentu. Maka dari itu sering terjadi kekeliruan dalam menentukan kapan waktu musim hujan dan musim panas. Deep learning merupakan sebuah jaringan syaraf tiruan yang terdiri dari banyak layer, yang dimana layer tersebut tersusun dari banyak node. Arsitektur deep learning yang digunakan untuk prediksi di penelitian ini adalah Long Short Term Memory (LSTM). Pada penelitian ini penggunaan LSTM dikarenakan berdasarkan penelitian sebelumnya, prediksi dengan yang menggunakan arsitektur ini dapat menghasilkan output yang cukup baik. Berdasarkan hasil pengujiannya dari 12 data dengan 1.859 data training, telah didapatkan bahwa nilai r2 score sebagai nilai kemiripannya sebesar -3.7490698103542037, dengan nilai mean squared error sebesar 0.001512831193394959. Angka ini merupakan hasil yang cukup baik dengan tingkat kemiripan antara hasil sebenarnya dengan hasil prediksi yang terpaut tidak jauh berbeda.
Co-Authors Dhifan Diandra H Novanto Yudistira Raihan Hanif F Sulthon Akhdan G