AWALIAH, RAFIKA (2021) ANALISA PERBANDINGAN ALGORITMA KLASIFIKASI STUDI KASUS: PREDIKSI AREA RAWAN KEBAKARAN DI DKI JAKARTA. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (2MB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (204kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (105kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (29kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (90kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (104kB) |
|
|
Text (DAFTAR PUSTAKA)
08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (82kB) |
|
|
Text (LAMPIRAN)
09 LAMPIRAN.pdf Restricted to Registered users only Download (206kB) |
Abstract
Fire is one of the disasters that often occurs in cities, in urban areas when it occurs and its causes cannot be predicted or predicted. What can be done is by preparing and early warning. The problem that is often faced is that the community is not well informed about fire prevention in the area. The increase in these fire prone areas requires fire protection efforts. Fires in DKI Jakarta require special attention in overcoming fires. One of the fire prevention efforts is by providing mitigation measures for areas identified as prone areas and providing information to the government regarding strategies to be implemented for areas prone to fires. Based on this, this study applies the data mining method to compare the performance of the Multilayer Perceptual and Convolutional Neural Network algorithms from various experiments to find the algorithm that has the highest accuracy with the right prediction in classifying fires as fire duration, namely short, medium or long. evaluation using cross validation and confusion matrix. The results of the comparison of the use of the two algorithms show that the Multilayer Perceptron with an accuracy of 99%, the Epoch result with the best accuracy result on the epoch 50 is 99.61% and the cross validation uses 10 fold for an accuracy validation value of 98.12%. While the Convolutional Neural Network algorithm with an accuracy of 97%, Epoch results with the best accuracy results on epoch 50, namely 97.5% and cross validation using 20 fold for an accuracy validation value of 86.52%. From the results of the dataset, it shows that the Multilayer Perceptron algorithm is more superior than the Convolutional Neural Network algorithm. For further development, this study can be continued as a model in an early warning application for fire disasters in DKI Jakarta. Keywords − Fire, Artificial Neural Network, DKI Jakarta. Kebakaran merupakan salah satu bencana yang sering kali terjadi di perkotaan, di perkotaan tidak dapat diperkirakan atau diprediksikan kapan terjadinya dan penyebabnya, yang dapat dilakukan adalah dengan persiapan dan peringatan dini. Masalah yang sering dihadapi adalah masyarakat yang kurang informasi terhadap pencegahan kebakaran di daerah tersebut. Meningkatnya di daerah rawan kebakaran tersebut membutuhkan upaya perlindungan kebakaran. Kebakaran di DKI Jakarta membutuhkan perhatian khusus dalam menanggulangi kebakaran. Salah satu upaya pencegahan kebakaran yaitu dengan memberikan langkah-langkah mitigasi terhadap daerah yang terindentifikasi sebagai daerah rawan dan memberikan informasi kepada pemerintah terkait strategi yang akan dilakukan untuk daerah yang rawan kebakaran. Berdasarkan hal tersebut penelitian ini mengaplikasikan dengan metode data mining untuk membandingkan kinerja algoritma Multilayer Perceprton dan Convolutional Neural Network dari berbagai eksperimen untuk menemukan algoritma yang memiliki akurasi tertinggi dengan prediksi yang tepat dalam mengklasifikasikan kebakaran sebagai durasi kebakaran yaitu sebentar, sedang atau lama.Proses klasifikasi di evaluasi dengan menggunakan cross Validation dan Confusion matrix. Dari hasil perbandingan penggunaan kedua algoritma menunjukkan bahwa Multilayer Perceptron dengan akurasi sebesar 99% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 99.61% dan cross validation menggunakan 10 fold untuk nilai validasi akurasi sebesar 98.12%. Sedangkan algoritma Convolutional Neural Network dengan akurasi sebesar 97% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 97.5% dan cross validation menggunakan 20 fold untuk nilai validasi akurasi sebesar 86.52%. Dari Hasil dataset tersebut menunjukkan bahwa algoritma Multilayer Perceptron lebih mengungguli dari pada algoritma Convolutional Neural Network. Untuk pengembangan berikutnya, studi ini bisa dilanjutkan menjadi model dalam sebuah aplikasi peringatan dini terhadap bencana kebakaran di DKI Jakarta. Kata Kunci − Kebakaran,Neural Network,DKI,Jakarta.
Actions (login required)
 |
View Item |
