PENERAPAN ALGORITMA SELF ORGANIZING MAP DALAM MEMETAKAN DAERAH RAWAN BENCANA TANAH LONGSOR DI INDONESIA

Afif, Muhammad Faishal and Subekti, Retno (2017) PENERAPAN ALGORITMA SELF ORGANIZING MAP DALAM MEMETAKAN DAERAH RAWAN BENCANA TANAH LONGSOR DI INDONESIA. S1 thesis, UNY.

Preview	Text BAB I.pdf Download (104kB) | Preview
Preview	Text BAB II.pdf Download (495kB) | Preview
	Text BAB III.pdf Restricted to Repository staff only Download (1MB)
	Text BAB IV.pdf Restricted to Repository staff only Download (141kB)
Preview	Text DAFTAR PUSTAKA.pdf Download (21kB) | Preview
	Text Halaman Awal.pdf Restricted to Repository staff only Download (1MB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (670kB)
	Text SKRIPSI MUHAMMAD FAISHAL AFIF (13305144001).pdf Restricted to Repository staff only Download (3MB)

Abstract

Metode Self Organizing Map (SOM) merupakan suatu metode Neural Network sebagai salah satu bentuk topologi dari Unsupervised Neural Network dimana dalam proses pembelajarannya tidak memerlukan target output. Model SOM akan digunakan untuk pembentukan cluster dari wilayah provinsi di Indonesia berdasarkan tingkat kerawanan terjadi bencana tanah longsor. Cluster pada penelitian ini akan beranggotakan satu wilayah provinsi atau lebih yang memiliki suatu karakteristik tertentu berdasarkan variabel input. Untuk mendapatkan model pembentukan cluster terbaik dari proses pembelajaran algoritma Self Organizing Map maka setiap cluster perlu divalidasi menggunakan nilai Davies Bouldin Index. Prosedur pembentukan cluster dengan menggunakan algortima pembelajaran Self Organizing Map adalah dengan menentukan data input faktorfaktor terjadinya bencana tanah longsor dan dampak terjadinya bencana tanah longsor, mengisialisasi bobot, menentukan banyaknya iterasi maksimum, menghitung jarak inter-cluster dengan eucledian distance, menentukan update bobot, dan membentuk cluster berdasarkan nilai dari eucledian distance antara neuron dengan data input. Prosedur validasi model cluster adalah dengan menentukan variance dari masing-masing cluster, menentukan jarak antar cluster, dan menentukan nilai validasi Davies Bouldin Index. Suatu model cluster yang terbaik dari suatu proses pembelajaran adalah model cluster yang memiliki nilai Davies Bouldin Index terkecil. Pembentukan model cluster terbaik dari proses pembelajaran algoritma Self Organizing Map memberikan model terbaik dengan 33 neuron input dan 9 neuron output. Dengan demikian proses pembelajaran algoritma Self Organizing Map membentuk 9 cluster dengan karakteristik yang berbeda-beda pada masingmasing cluster. Kata kunci: Self Organizing Map; Unsupervised Artificial Neural Network; Davies Bouldin Index; Tanah Longsor

Item Type:	Thesis (S1)
Subjects:	Matematika dan Ilmu Pengetahuan Alam > Matematika
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Pendidikan Matematika > Matematika
Depositing User:	Jurusan Pendidikan Matematika
Date Deposited:	24 Jul 2017 01:38
Last Modified:	30 Jan 2019 14:32
URI:	http://eprints.uny.ac.id/id/eprint/50841

Actions (login required)

View Item