DHANANJAYA, Mohamad (2020) Penerapan Pembelajaran Mesin dalam Pemetaan Lokasi Rawan Longsor Menggunakan Metode SVM (Support Vector Machine) (Aplication of Machine Learning in Landslide Susceptible Mapping Using SVM Method (Support Vector Machine )). Skripsi thesis, Universitas Jenderal Soedirman.
PDF (Cover)
COVER-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020.pdf Download (128kB) |
|
PDF (Legalitas)
LEGALITAS-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020.pdf Restricted to Repository staff only Download (566kB) |
|
PDF (Abstrak)
ABSTRAK-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020.pdf Download (26kB) |
|
PDF (BabI)
BAB-I-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020.pdf Restricted to Repository staff only Download (93kB) |
|
PDF (BabII)
BAB-II-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020.pdf Restricted to Repository staff only Download (502kB) |
|
PDF (BabIII)
BAB-III-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020.pdf Restricted to Repository staff only Download (529kB) |
|
PDF (BabIV)
BAB-IV-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020_compressed (1).pdf Restricted to Repository staff only Download (872kB) |
|
PDF (BabV)
BAB-V-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020.pdf Restricted to Repository staff only Download (22kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Mohamad Dhananjaya-H1B014014-Skripsi-TS-2020.pdf Download (142kB) |
Abstract
Tanah longsor merupakan salah satu bencana alam serius yang mengancam keselamatan masyarakat Indonesia terutama di daerah pegunungan. Terdapat banyak faktor yang dapat memicu terjadinya tanah longsor, baik itu dari kondisi di atas permukaan tanah maupun kondisi di bawah permukaan tanah itu sendiri. Salah satu upaya untuk menekan kerugian yang ditimbulkan dari bencana tanah longsor, adalah dengan memetakan lokasi rawan longsor. Pembelajaran mesin merupakan teknik untuk melakukan inferensi terhadap data dengan pendekatan matematis untuk membuat model yang merefleksikan pola-pola data. Tujuan dari diadakanya penelitian ini adalah untuk memetakan lokasi-lokasi daerah rawan longsor di Kabupaten Banjarnegara, Kabupaten Banyumas, dan Kabupaten Purbalingga. Parameter yang digunakan dalam penelitian kali ini diperoleh dari penurunan data Digital Elevation Model (DEM) untuk parameter permukaan, dan dari hasil pengujian propertis tanah di Laboratorium Teknik Sipil Universitas Jenderal Soedirman. Proses pembelajaran mesin dilakukan dengan menggunakan metode Support Vector Machine (SVM), dengan membandingkan antara hasil prediksi tanpa melakukan sampling dan hasil prediksi dengan melakukan sampling pada data tidak seimbang menggunakan teknik Oversampling, Synthetic Minority Oversampling Technique (SMOTE), dan Undersampling pada parameter keseluruhan data, parameter data permukaan tanah dan parameter data tanah. Dari proses tersebut, diperoleh hasil prediksi terbaik yaitu prediksi menggunakan keseluruhan data tanpa sampling.
Item Type: | Thesis (Skripsi) |
---|---|
Nomor Inventaris: | H20142 |
Uncontrolled Keywords: | Tanah Longsor, Lokasi Longsor, Digital Elevation Model (DEM),Data Propertis Tanah Pembelajaran Mesin, Support Vector Machine (SVM) |
Subjects: | M > M1 Machine design M > M131 Mathematical models N > N42 Natural disasters |
Divisions: | Fakultas Teknik > S1 Teknik Sipil |
Depositing User: | Mr Mohamad Dhananjaya |
Date Deposited: | 19 Nov 2020 01:42 |
Last Modified: | 19 Nov 2020 01:42 |
URI: | http://repository.unsoed.ac.id/id/eprint/6299 |
Actions (login required)
View Item |