TRUNOJOYO-Tugas Akhir-39447-Abstract.pdf
Restricted to Repository staff only
Download (531kB)
TRUNOJOYO-Tugas Akhir-39447-Cover.pdf
Restricted to Repository staff only
Download (567kB)
TRUNOJOYO-Tugas Akhir-39447-Chapter1.pdf
Restricted to Repository staff only
Download (430kB)
TRUNOJOYO-Tugas Akhir-39447-Chapter2.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-39447-Chapter3.pdf
Restricted to Repository staff only
Download (911kB)
TRUNOJOYO-Tugas Akhir-39447-Chapter4.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-39447-Conclusion.pdf
Restricted to Repository staff only
Download (772kB)
TRUNOJOYO-Tugas Akhir-39447-References.pdf
Restricted to Repository staff only
Download (995kB)
TRUNOJOYO-Tugas Akhir-39447-Appendices.pdf
Restricted to Repository staff only
Download (993kB)
Abstract
Selat Madura merupakan wilayah perairan yang memiliki peran penting dalam mendukung aktivitas transportasi dan maritim. Kondisi arus laut di wilayah ini bersifat dinamis dan fluktuatif, sehingga diperlukan metode prediksi yang mampu memodelkan pola runtun waktu secara akurat. Penelitian ini bertujuan untuk membangun model prediksi arus laut di Selat Madura menggunakan metode Gated Recurrent Unit (GRU) sebagai salah satu pendekatan deep learning yang efektif dalam menangani data sekuensial. Data yang digunakan berupa komponen arus zonal (UO) dan meridional (VO) dengan resolusi waktu per jam selama satu tahun. Data diproses melalui tahapan pra-pemrosesan yang meliputi pengurutan data berdasarkan waktu, normalisasi menggunakan metode Min-Max, serta pembentukan data time series menggunakan pendekatan sliding window. Model GRU dilatih menggunakan pendekatan multistep recursive forecasting dan diuji melalui dua skenario dengan perbedaan pengaturan hyperparameter untuk memperoleh konfigurasi terbaik. Hasil evaluasi menunjukkan bahwa Skenario B memberikan performa yang lebih unggul dibandingkan Skenario A. Pada Skenario B, prediksi komponen UO menghasilkan nilai MAE sebesar 0,004048 m/s, RMSE sebesar 0,005391 m/s, dan sMAPE sebesar 26,49%, sedangkan prediksi komponen VO menghasilkan nilai MAE sebesar 0,003393 m/s, RMSE sebesar 0,004587 m/s, dan sMAPE sebesar 19,22%. Nilai kesalahan yang relatif kecil tersebut menunjukkan bahwa model mampu memprediksi pola arus laut dengan tingkat akurasi yang baik dan konsisten. Hasil prediksi komponen UO dan VO selanjutnya digunakan untuk menghitung kecepatan dan arah arus laut. Berdasarkan hasil penelitian, dapat disimpulkan bahwa pengaturan hyperparameter pada Skenario B mampu meningkatkan akurasi dan stabilitas model GRU dalam memprediksi arus laut di Selat Madura. Model ini berpotensi untuk dikembangkan lebih lanjut sebagai sistem prediksi arus laut yang adaptif dan dapat diperbarui secara berkala, sehingga dapat memberikan kontribusi pada bidang oseanografi terapan dan keselamatan pelayaran.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM GARVIN TAUFIQULHAKIM FAAIZ |
| Department | Informatika |
| Uncontrolled Keywords | Arus Laut; Gated Recurrent Unit; Multistep Recursive; Selat Madura; Time Series. |
| Divisions | Fakultas Teknik > S1 - Informatika |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 17 Oct 2026 18:17 |
| Last Modified | 24 Oct 2026 17:17 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/27974 |
