Text

Analisis Spasial Distribusi Frekuensi Getaran Bendungan Jatibarang Semarang Menggunakan Raspberryshake 4D

---

Performa model Convolutional Neural Network (CNN) dalam mengolah data gambar sangat
dipengaruhi oleh arsitektur yang membentuknya. Penelitian mengenai CNN dengan
arsitektur U-Net telah menunjukkan performa yang menjanjikan dalam mengolah data
gambar untuk prediksi pola cuaca global. Pada penelitian tersebut data gambar berbentuk
bola dunia dipetakan ulang menjadi bentuk Cubed-Sphere untuk mengurangi bias pada
model. Namun, model tersebut belum bisa mengungguli performa Numerical Weather
Prediction (NWP) untuk tugas yang sama. Dalam konteks ini, CNN dengan arsitektur UNet digunakan untuk mengenali pola-pola cuaca global pada data gambar. Proses
pengenalan pola tersebut memiliki kesamaan dengan proses segmentasi gambar. Segmentasi
gambar pada model CNN dimanfaatkan untuk mengidentifikasi bagian-bagian dalam
gambar yang kemudian digunakan untuk memprediksi pola yang akan terjadi berikutnya.
Sementara itu, penelitian lain menunjukkan bahwa performa model CNN dengan arsitektur
Seg-UNet dapat mengungguli performa model dengan arsitektur U-Net dalam melakukan
segmentasi gambar. Oleh karena itu, penelitian ini bertujuan untuk membandingkan
performa arsitektur U-Net dan Seg-UNet dalam memprediksi pola cuaca global dengan data
gambar berbentuk Cubed-Sphere. Data Cubed-Sphere yang digunakan merupakan data suhu
permukaan bumi yang diambil setiap tiga jam dari tanggal satu Januari 2013 pukul 00:00
sampai tanggal 31 Desember 2018 pukul 21:00. Penelitian ini menunjukkan performa
arsitektur Seg-UNet dengan nilai validation loss sebesar 0,01001, MAE sebesar 0,00285,
dan MSE sebesar 0,00715. Hasil tersebut menunjukkan performa yang cukup menjanjikan.
Arsitektur Seg-UNet memiliki trainable parameters yang lebih besar dibandingkan U-Net
dengan rasio perbandingan lebih dari 10 : 1. Oleh karena itu, pada epoch ke-51, performa
Seg-UNet belum bisa mengungguli hasil dari arsitektur U-Net. Meskipun demikian,
penelitian ini memberikan kontribusi penting bagi penggunaan dan pemahaman dalam
menggunakan model CNN dengan arsitektur Seg-UNet untuk memprediksi pola cuaca
global menggunakan set data ERA5 berbentuk Cubed-Sphere.
Kata Kunci: Prediksi Pola Cuaca Global, Convolution Neural Network, U-Net, Seg-UNet,
Cubed-Sphere

---

Ketersediaan

1801D2023

1801 D 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1801 D 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

1801 24040119130092

Pernyataan Tanggungjawab

Asi Simarmata

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar