IMPLEMENTASI METODE ARTIFICIAL NEURAL NETWORK (ANN) MENGGUNAKAN ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI KEBAKARAN DI KARAWANG

RAFLIAN MAULANA, RENDY (2024) IMPLEMENTASI METODE ARTIFICIAL NEURAL NETWORK (ANN) MENGGUNAKAN ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI KEBAKARAN DI KARAWANG. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text 1.cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (36kB)
	Text 2.Lembar_pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (132kB)
	Text 3.Lembar_pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (148kB)
	Text 4.abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (54kB)
	Text 5.bab_1.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (142kB)
	Text 6.skripsi_full.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text 7.daftar_pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (118kB)
	Text 8.Plagiarisme.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (109kB)

Abstract

Karawang sebagai pusat industri yang berkembang pesat di Indonesia, menghadapi tantangan serius terkait risiko kebakaran. Dengan perkembangan kecerdasan buatan (AI) dan data kebakaran dimasa lampau, prediksi kebakaran dapat dilakukan dengan lebih akurat. Penelitian ini bertujuan merancang aplikasi prediksi kebakaran berbasis web menggunakan metode Artificial Neural Network (ANN). Metode yang diterapkan adalah ANN dengan algoritma backpropagation, menggunakan data kebakaran Karawang yang dibagi 80% untuk pelatihan dan 20% untuk pengujian dari total 89 data. Parameter ANN meliputi 12 neuron input, satu hidden layer dengan 10 neuron, satu neuron output, learning rate 0.001, dan 1000 epoch. Hasil penelitian menunjukkan aplikasi prediksi kebakaran berhasil dirancang dan diimplementasikan dengan antarmuka web yang mudah diakses. Framework Laravel dan Flask API digunakan dalam pengembangan aplikasi ini. Dengan skenario data pelatihan 80% dan pengujian 20%, aplikasi mencapai akurasi 81.00%. Aplikasi ini diharapkan dapat membantu pemadam kebakaran di Karawang dalam memprediksi dan mencegah kebakaran secara lebih efektif.

Actions (login required)

View Item