STUDI OPTIMASI BENDUNGAN SAMPEAN BARU DENGAN MODEL ARTIFICIAL NEURAL NETWORK (ANN)

AFANDI, ABDUL ROSE (2024) STUDI OPTIMASI BENDUNGAN SAMPEAN BARU DENGAN MODEL ARTIFICIAL NEURAL NETWORK (ANN). Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text A. Pendahuan.pdf Download (958kB)
	Text B. Abstrak.pdf Download (150kB)
	Text C BAB 1.pdf Download (152kB)
	Text D. BAB 2.pdf Restricted to Repository staff only Download (537kB) | Request a copy
	Text E. BAB 3.pdf Restricted to Repository staff only Download (861kB) | Request a copy
	Text F. BAB 4.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text G. BAB 5.pdf Restricted to Repository staff only Download (144kB) | Request a copy
	Text H. Daftar Pustaka.pdf Download (146kB)
	Text I. Lampiran .pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Dalam hasil penelitian mengenai optimasi alokasi air di Bendungan Sampean Baru untuk irigasi menggunakan Metode Artificial Neural Network (ANN), dapat disimpulkan bahwa analisis dengan menggunakan model Artificial Neural Network (ANN), tingkat keandalan pemenuhan permintaan irigasi pada Bendungan Sampean Baru dapat diprediksi dengan tingkat akurasi Peningkatan keandalan rerata selama 13 tahun adalah sebesar 8,46%.. Model ANN memberikan perkiraan yang mendekati kondisi aktual dengan prediksi nilai R2 0,999 dapat digunakan untuk merencanakan pengelolaan irigasi di masa depan dengan lebih efisien. optimasi dilakukan dengan metode Artificial Neural Network (ANN) menggunakan tiga fungsi aktivasi yang berbeda: Regresi Linear, Regresi Polinomial, dan Eksponensial. Model ANN yang digunakan adalah arsitektur single layer, dan pemrograman dilakukan menggunakan perangkat lunak Python yaitu Data Training (Percobaan): 80% dari dataset, yang mencakup data dari tahun 2015 hingga 2020 dan Data Testing (Pengujian): 20% dari dataset, yang mencakup data dari tahun 2021 hingga 2022. Keuntungan hasil produksi Model Artificial Neural Network lebih tinggi dari model Observasi. Pada kondisi tahun basah peningkatan keuntungan optimasi adalah sebesar Rp 3.706.797.921.668, Pada kondisi tahun normal adalah sebesar Rp 7.704.572.188.332,Pada kondisi tahun kering sebesar Rp 29.482.756.436.112.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Optimasi Bendungan Sampean Baru, Pemprograman Phyton, Artificial Neural Network
Subjects:	600 Technology and Applied Science > 620 Engineering > 624 Civil Engineering
Divisions:	Faculty of Engineering > Department of Civil Engineering (S1)
Department:	S1 Teknik Sipil
Depositing User:	Abdul rose afandi
Contributors:	Contribution Contributor Name NIDN/NIDK UNSPECIFIED RIZAL, NANANG SAIFUL nidn0705047806 UNSPECIFIED MUHTAR, MUHTAR nidn0010067301
Contact Email Address:	roshe.aff@gmail.com
Date Deposited:	27 Jul 2024 03:21
Last Modified:	27 Jul 2024 03:21
URI:	http://repository.unmuhjember.ac.id/id/eprint/22516

Actions (login required)

View Item