113020082
000 - Generalistics
Karya Ilmiah - Skripsi (S1) - Reference
Other
24 kali
ABSTRAKSI: Data temperatur laut yang direpresentasikan dengan data SST (Sea Surface Temperature) -- °C, adalah kumpulan data yang berpola berdasarkan waktu, data temperatur laut merupakan data seasonal artinya dalam jangka waktu satu tahun kelakuan data temperatur laut tersebut akan mirip. Bila dalam satu tahun terdapat representasi temperatur laut secara bulanan, maka nilai temperatur bulanan tersebut akan mempunyai pola yang sama pada tiap tahunnya dan dengan begitu kita dapat melakukan prediksi nilai temperatur laut di suatu bulan tertentu berdasarkan pola data yang ada.<br> Awal munculnya metode Fuzzy Linear Regression adalah untuk memprediksi suatu data kualitatif, data yang kurang jelas, data yang kurang lengkap, agar dapat diprediksi nilainya pada masa mendatang, namun sebenarnya metode Fuzzy Linear Regression ini juga dapat diterapkan pada data kuantitatif. Hal itulah yang menjadi bahan penelitian pada Tugas Akhir ini bahwa sebenarnya metode Fuzzy Linear Regression bahkan lebih baik untuk memprediksikan data-data kuantitatif, bukan hanya data kualitatif, dibandingkan dengan metode Regresi Linear.<br> Berdasarkan hasil penelitian dalam Tugas Akhir ini, prediksi dengan Fuzzy Linear Regression akan mempunyai hasil prediksi terbaik dengan karakteristik data masukan data historis sebanyak 2 tahun dengan jumlah data untuk angka fuzzy Xi sebanyak 5.<br> Tingkat keakuratan hasil prediksi data temperatur laut yang digunakan sebagai contoh kasus disini dengan metode Fuzzy Linear Regression menunjukkan bahwa metode tersebut memang lebih baik dibandingkan dengan metode Regresi Linear biasa yang memang diperuntukkan untuk melakukan prediksi angka-angka kuantitatif, berdasarkan rata-rata presentase nilai kesalahan hasil prediksi dari 30 percobaan. Rata-rata kesalahan prediksi dengan Fuzzy Linear Regression dari 30 kali percobaan adalah 1.51% dengan nilai standar deviasi 1.87%, sedangkan Linear Regression mempunyai nilai 2.95% dengan standar deviasi 2.60%.Kata Kunci : prediksi temperatur laut, fuzzy linear regression, SST, angka fuzzyABSTRACT: Sea temperature data represented by SST (Sea Surface Temperature) --°C, are data which have a line in pattern through time dimension characteristic, sea temperature data are seasonal data, means that in one year period their behavior will show the similar trend. If in one year, there are monthly sea temperature representations, then those monthly sea temperatures will show similar pattern in each of every year and so we could do predict the sea temperature on a given month based on the pattern.<br> The start of Fuzzy Linear Regression method was intended to predict qualitative data, the data which are fuzzy, uncompleted, so that the future value could be gotten, but actually this method could be applied to quantitative data. That is then the point of this research that Fuzzy Linear Regression method could even better do prediction of quantitative data, not only for qualitative data, compared with Linear Regression method.<br> Based on the research, the prediction using Fuzzy Linear Regression will have the best prediction numbers with 2 years historical input data and 5 data for fuzzy numbers Xi.<br> Accuracy level of sea temperature prediction result using Fuzzy Linear Regression method showed that Fuzzy Linear Regression method is better than regular Linear Regression which is the method for predicting quantitative numbers, based on average errors of prediction result from 30 experiments. Average error using Fuzzy Linear Regression from 30 experiments is 1.51% with 1.87% standard deviation, otherwise Linear Regression has 2.95% with standard deviation 2.60%.Keyword: predicting sea temperature, fuzzy linear regression, SST, fuzzy numbers
Tersedia 1 dari total 1 Koleksi
Nama | PRAKANYA WARADIPTYA |
Jenis | Perorangan |
Penyunting | - |
Penerjemah |
Nama | Universitas Telkom |
Kota | Bandung |
Tahun | 2006 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |