Text

Model Prediksi Pasang Surut Berbasis Artifical Intelligence Dengan Pendekatan Least Squares Dan Autoencoder (Studi Kasus Stasiun Pasang Surut Muara Baru)

---

Fenomena pasang surut memiliki peran penting dalam berbagai aktivitas kelautan, seperti pelayaran, pembangunan wilayah pesisir, dan pengelolaan pelabuhan. Oleh karena itu, diperlukan model prediksi pasang surut yang akurat dan andal. Penelitian Ini mengusulkan pengembangan model prediksi pasang surut berbasis kecerdasan buatan (Artificial Intelligence) dengan memadukan metode Least Sguares dan Autoencoder, menggunakan data dari Stasiun Pasang Surut Muara Baru sebagai studi kasus. Metode Least Sguares dimanfaatkan untuk mengidentifikasi komponen harmonik dalam data pasang surut, sedangkan Autoencoder digunakan untuk menangkap pola tersembunyi dan non-linier dalam data. Proses pengolahan data dilakukan menggunakan bahasa pemrograman Python dengan dukungan pustaka UTide dan TensorFiow. Untuk memudahkan pengguna, dikembangkan pula sebuah aplikasi grafis bernama G-Tide yang mengintegrasikan proses analisis dan prediksi ke dalam satu antarmuka interaktif. Model prediksi yang dihasilkan menunjukkan performa yang baik, dengan tingkat kesalahan prediksi yang rendah berdasarkan perhitungan nilai Root Mean Sguare Error (RMSE) dan Mean Absolute Eror (MAE). Pendekatan gabungan ini terbukti efektif dalam merepresentasikan dinamika pasang surut secara komprehensif, baik dalam aspek periodik maupun komponen acaknya.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

551.465 982 22 MUH m

Penerbit

Jakarta Utara : STTAL HIDROS., 2025

Deskripsi Fisik

xv, 82 hlm.; ilus, berwarna; 29 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

551.465 982 22

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Pasang Surut

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Muhammad Hisyam Fahmi

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar