Research Repository

ANALISIS PERBANDINGAN METODE RECURRENT NEURAL NETWORK DAN GRADIENT BOOSTING UNTUK PREDIKSI BANJIR

Show simple item record

dc.contributor.author NURHASANAH
dc.date.accessioned 2025-10-18T04:44:51Z
dc.date.available 2025-10-18T04:44:51Z
dc.date.issued 2025-09-18
dc.identifier.uri http://localhost:8080/handle/123456789/29158
dc.description.abstract Banjir merupakan salah satu bencana alam yang sering melanda Indonesia dan memberikan dampak besar terhadap infrastruktur, perekonomian, lingkungan, serta kehidupan sosial masyarakat. Untuk mengurangi risiko dan dampaknya, dibutuhkan sistem prediksi yang akurat dan dapat diandalkan. Penelitian ini bertujuan untuk membandingkan kinerja metode Recurrent Neural Network (RNN) dan Gradient Boosting dalam memprediksi kejadian banjir berdasarkan data historis yang mencakup curah hujan, suhu, kelembapan, dan ketinggian air. Data diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) serta sumber terkait lainnya, kemudian diproses melalui tahapan pembersihan, normalisasi, pembangunan model, pelatihan, dan pengujian. Hasil penelitian menunjukkan bahwa RNN lebih unggul dalam mengolah data time series karena kemampuannya mengenali pola berurutan, meskipun membutuhkan waktu pelatihan yang lebih lama. Di sisi lain, Gradient Boosting terbukti lebih cepat, efisien, dan fleksibel dalam menangani data tabular yanmitigasi bencana. en_US
dc.publisher UMSU en_US
dc.subject Prediksi Banjir en_US
dc.subject Recurrent Neural Network en_US
dc.subject Gradient Boosting en_US
dc.subject Machine Learning en_US
dc.title ANALISIS PERBANDINGAN METODE RECURRENT NEURAL NETWORK DAN GRADIENT BOOSTING UNTUK PREDIKSI BANJIR en_US
dc.type Thesis en_US


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account