UPT Perpustakaan UM

  • Beranda
  • Informasi
  • Repository UM
  • SIPADU UM
  • OPAC SIPADU

Pencarian Spesifik

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

Skripsi

Identifikasi potensi dan mitigasi bencana banjir di Kota Malang dengan metode neural network learning vector quantization / Kartika Devi Suraningtyas

Suraningtyas, Kartika Devi - Nama Orang;

Abstrak
RINGKASAN Suraningtyas Kartika Devi. 2018. Identifikasi Potensi dan Mitigasi Bencana Banjir di Kota Malang dengan Metode Neural Network Learning Vector Quantization. Skripsi Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Dr. Eng. Muhammad Ashar S.T M.T. (II) I Made Wirawan S.T. S.S.T. M.T. Kata Kunci identifikasi potensi banjir neural network learning vector quantization Banjir merupakan bencana yang sering terjadi Indonesia dengan persentase kejadian 34% dari 33 provinsi yang ada. Jawa Timur adalah provinsi yang paling sering mengalami bencana banjir dengan persentase kejadian 36% yang tersebar di seluruh provinsi. Di Kota Malang terdapat 33 titik rawan banjir yang tersebar diseluruh kelurahan di Kota Malang. Bencana ini tentu saja merugikan masyarakat baik materi maupun psikis sehingga memerlukan penanganan untuk mengurangi resiko kerugian yang dialami karena bencana. Penelitian dilakukan dengan menggunakan metode eksperimen simulasi dengan teknik pemrosesan data menggunakan metode neural network learning vector quantization yang merupakan salah satu algoritma yang dapat digunakan untuk mengidentifikasi potensi bencana banjir. Oleh karena itu Identifikasi Potensi dan Mitigasi Bencana Banjir di Kota Malang dengan Metode Neural Network Learning Vector Quantization. dilakukan sebagai salah satu upaya mitigasi dalam mengurangi kerugian yang disebabkan oleh bencana banjir. Identifikasi potensi dan mitigasi bencana banjir dilakukan dengan menggunakan variabel ketinggian drainase dan curah hujan. Hasil penelitian berupa identifikasi potensi banjir dan tidak banjir pada tiap kelurahan. Hasil identifikasi tersebut dievaluasi menggunakan confusion matrix. Hasil identifikasi paling optimal didapatkan akurasi 86 27% sensitivitas 74 08% spesifikasi 87 72% dan error rate 13 73 dengan parameter learning rate 0 1 pengurang learning rate 0 01 minimal learning rate 0 0000001 maksimal epoch 10 perbandingan komposisi 70% data latih 30% data uji dari keseluruhan data sebanyak 285 dataset.


Informasi Detail
DDC
Rs 005.1 SUR i
Prodi
Universitas Negeri Malang. Program Studi Teknik Informatika, 2018.
Deskripsi Fisik
x, 84 lembar : il., tab. ; 30 cm
Bahasa
Indonesia
No Reg
06319/KI/18
Edisi
Skripsi (Sarjana)--Universitas Negeri Malang. 2018
Subjek
1. ALGORITMA KOMPUTER
2. ANALISIS BENCANA BANJIR
3. COMPUTER ALGORITI

Pembimbing
1. Muhammad Ashar ; 2. I Made Wirawan
Lampiran Berkas
You must be logged in to get fulltext


UPT Perpustakaan UM
  • Berita

Tentang Kami

TIM IT Perpustakaan 2023

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS

Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik