Deteksi Anomali Data Time Series pada Operasional Industri Pipa Gas Alam Menggunakan Metode Bidirectional Long Short-Term Memory (Bi-LSTM) - Dalam bentuk buku karya ilmiah
M. TAUFIK ANUGRAH
Informasi Umum
Kode
24.04.5010
Klasifikasi
005.7 - Data in Computer Systems
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Science
Dilihat
177 kali
Informasi Lainnya
Abstraksi
Gas alam merupakan salah satu sumber energi paling penting yang digunakan saat ini, baik oleh rumah tangga, industri, maupun pembangkitan tenaga listrik. Maka menjadi penting untuk menjaga keandalan dari sistem operasional gas alam tersebut. Salah satunya dengan memperhatikan anomali-anomali yang terjadi pada proses distribusi. Penelitian ini bertujuan untuk membuat sebuah sistem deteksi anomali yang terjadi pada operasional pipa gas alam secara programatic dengan memanfaatkan teknologi pembelajaran mesin. Metode yang digunakan adalah <em>Long Short-Term Memory</em> (LSTM) dan <em>Bidirectional Long Short-Term Memor</em>y (Bi-LSTM). Teknik ekstraksi fitur yang digunakan adalah <em>peak-to-peak anomaly detection</em>. Penelitian ini mendapatkan nilai akurasi sebesar 99% pada LSTM dan 99% pada Bi-LSTM dengan nilai loss sebesar 0,0220.
- CCH3F3 - KECERDASAN BUATAN
- CII2M3 - PENGANTAR KECERDASAN BUATAN
- CII4E4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | M. TAUFIK ANUGRAH |
| Jenis | Perorangan |
| Penyunting | Widi Astuti, Aditya Firman Ihsan |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2024 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
