THE SYSTEM TO PREDICT VOLCANIC ERUPTIONS WITH BACKPROPAGATION METHOD

Yulia Jihan Sy, Rahmi Putri Kurnia, Katrina Flomina G

Abstract


Abstract: This system for predicting volcanic eruptions will produce information that can help BMKG in making decisions to provide warnings to residents around the mountain. This will also help in mitigating volcanic eruptions, evacuating residents in volcanic eruptions. By using artificial neural networks with the backpropagation method, it can be used to predict volcanic eruptions. To conduct this test, criteria and factors that influence this volcanic eruption are needed. This method is tested using Matlab 6.1 software. In this test, various patterns will be carried out to compare the results of the network. From the various patterns tested, it can be seen that the number of epochs used affects the test results and will achieve the desired goal. The more epochs used, the faster the goal will be achieved. Where in the 4-2-1 pattern the goal was found in the 7th epoch with an error value of 0.0987135. This 4-2-1 pattern states that this network is tested with 4 input layers, 2 hidden layers and 1 output layer. The α value (α = learning rate) used is the Default value of 0.1. With this backpropagation method, you get more accurate results by getting smaller error values.           


Keywords: backpropagation, matlab 6.1, layer, epoch, goal

 

Abstrak: Sistem untuk memprediksi gunung meletus ini akan menghasilkan informasi yang bisa membantu BMKG dalam mengambil keputusan untuk memberikan peringatan kepada warga sekitar gunung. Hal ini juga akan membantu dalam mitigasi bencana gunung meletus , evakuasi warga sekitar dalam bencana gunung meletus. Dengan menggunakan jaringan saraf tiruan dengan metode backpropagation bisa digunakan untuk memprediksi gunung meletus. Untuk melakukan pengujian ini dibutuhkan kriteria dan faktor yang mempengaruhi gunung meletus ini. Metode ini diuji dengan menggunakan software Matlab 6.1. Pada pengujian ini akan dilakukan dengan berbagai pola untuk membandingkan hasil dari jaringan tersebut. Dari berbagai pola yang diuji dapat dilihat bahwa jumlah epoch yang dipakai mempengaruhi hasil pengujian dan akan mencapai goal yang diinginkan. Semakin banyak epoch yang dipakai maka akan semakin cepat goal tersebut dicapai. Dimana pada pola 4-2-1 goal ditemukan pada epoch ke 7 dengan nilai eror 0,0987135. Pola 4-2-1 ini menyatakan bahwa jaringan ini diuji dengan 4 jumlah input layer, 2 hidden layer dan 1 output layer. Nilai α  (α = learning rate) yang digunakan adalah nilai Default yaitu 0.1. Dengan metode backpropagation ini mendapatkan hasil yang lebih akurat dengan mendapatkan nilai eror yang lebih kecil .

 

Kata kunci: backpropagation ; epoch ; goal ; layer ; matlab 6.1


Full Text:

PDF

References


Aisyiah, E., Citra Utami, D., & Her-mon, D. (n.d.), “Analisis Spasial Kerentanan Erupsi Gunung Marapi Terhadap Wilayah Permukiman,”Jurnal Pendidikan Tambusai, vol.8, no.1, pp. 9310-9319, 2024.

H., Fendi Prasetyo, S., & Feri Efendi, T., “Implementasi Sisitem Prediksi Curah Hujan Dengan Penerapan Jaringan Syaraf Tiruan Berbasis Website,” Jurnal Riset Teknik Komputer, vol. 1, no. 2, pp. 80-96, Juni.2024.

Miftahul, D., Musdar, J., Azis, S., Kaswar, A. B., & Sasmita, “Implementasi Jaringan Saraf Tiruan Backpropagation Untuk Klasifikasi Tingkat Kesegaran Wortel Berbasis Pengolahan Citra Digital Disertasi Operasi Morfologi, Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, vol. 9, no.3, pp. 1518-1533, September.2024.

Muamar, Y., & Muhajirin, A., “Penerapan Jaringan Saraf Tiruan Deng an Met Backpropagation Untuk Memprediksi Tingkat Kelulusan Mahasiswa Perguruan Tinggi,” Digital Transformation Technology, vol.4, no.1, pp. 214–224, Maret, 2024.

Fingki Marwati, P., & Fauzi, R. (n.d.)., “Diabetes Melitus Menggu nakan Jaringan Syaraf Tiruan Dengan Metode Backpropagation,” Jurnal Informatika Utama, vol.2, no.1, pp. 26–34, Mei.2024.

Rahmiyanti, R., Defit, S., & Yunus, Y. (2021), “Prediksi dan Klasifikasi Buku Menggunakan Metode Backpropagatio,” Jurnal Informasi Dan Teknologi, vol.3, no.e, pp. 109–114, September.2021.

Saini, M., Yunus, A. M. S., & Firdaus, F. (2020), “Studi Estimasi Beban Puncak Hari Libur Nasional Sistem Interkoneksi Sulselbar Meng gunakan Jaringan Syaraf Tiruan Propagasi Balik,” Jurnal Teknik Mesin Sinergi, vol.18, no.2, 2020.

Santriawan, A., Gunadi Widi Nurcahyo, & Billy Hendrik. “Prediksi Penjualan Sepeda Motor Yamaha dengan Jaringan Syaraf Tiruan dan Backpropagation (Studi Kasus: CV Sinar Mas),” Jurnal CoSciTech (Computer Science and Information Technology), vol. 5, no. 1, 185–194.

Syafiq, M., Hartama, D., Kirana, I. O., Gunawan, I., & Wanto, A., “Prediksi Jumlah Penjualan Produk di PT Ramayana Pematangsiantar Menggunakan Metode JST Backpropagation,” Jurnal Riset Komputer, vol. 7, no. 1, pp.175-181, Februari.2020.

Thoriq, M., “Peramalan Jumlah Per-mintaan Produksi Menggunakan Jaringan Saraf Tiruan Algoritma Backpropagation,” Jurnal Informasi Dan Teknologi, vol.4, no.1, pp. 27–32, Maret.2022.

Wati, A., “Analisis Backpropagation Dengan Optimasi Metode Resilient Pada Prediksi IPM Berdasarkan Rata-Rata Lama Sekolah,” dalam Seminar Nasional Sistem Informasi, Malang, 2022. [Daring]. Tersedia : https://siantarkota.bps.go .id.

Widaryanto, A., Fineza Ilova, D., Teknologi, B., Kelautan, S., Pengkajian, B., & Teknologi, P. (n.d.)., “Pemanfaatan Jaringan Saraf Tiruan Propagasi Balik Untuk Model Prediksi Deret Waktu Pasang Surut.

Zulastri, Z., Afrianty, I., Budianita, E., & Syafria, F., “Penerapan Neural Network dengan Menggunakan Algoritma Backpropagation pada Prediksi Putusan Perceraian,” Building of Informatics, Technology and Science (BITS), vol.4, no. 3, pp. 1188-1195, Desember.2022.

Aulia Ichwanda Ramadhan, Jaya Tata Hardinata, Yuegilion Pranavarna Purba, “Analisa Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Prestasi Siswa SMA Muhammadiyah Serbelawan,” Jurnal Penerapan Kecerdasan Buatan, vol.3, no.1, pp. 18-26, Desember.2021.

R. Rahmiyanti, Sarjon Defit, Yuhandri Yunus, “Prediksi dan Klasifikasi Buku Menggunakan Metode Backpropagation,” Jurnal Informasi dan Teknologi, vol.3, no.3, pp.109-114, September.2021.

Makmur Saini, A.M. Shiddiq Yunus, Firdaus, “Studi Estimasi Beban Puncak Hari Libur Nasional Sistem Interkoneksi Sulselbar Menggunakan Jaringan Syaraf Tiruan Propagasi Balik,” Sinergi, vol. 18, no.2, pp.170-181, Oktober.2020.




DOI: https://doi.org/10.33330/jurteksi.v11i2.3529

Article Metrics

Abstract view : 6 times
PDF - 5 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Royal

Copyright © LPPM UNIVERSITAS ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.
pkv games bandarqq qiu qiu https://kemenagtabalong.id/ https://aoi.ngo/ https://zeronet.id/ https://bilderhoster.org/ https://kemenagbandaaceh.com/ https://perdosrijaya.org/ https://dwr-rental.com/ http://www.anatolekatok.com/ http://www.leonatamusic.com/ http://www.vaudiosoftllc.com/ https://indonesianfeministjournal.org/ https://ugcolleges.com/ https://www.bovendigoelkab.go.id/cak/ http://www.sipp.pn-nunukan.go.id/ https://journal.lemigas.esdm.go.id/public/ https://jurnal.kemendag.go.id/plugins/sob/ https://www.sipp.pn-lamongan.go.id/ https://www.mediaelangnusantara.com/ https://digimarly.com/ slot resmi misterhoki