Analisa Prediksi Total Electron Content Menggunakan Machine Learning dengan Algoritma Long-Short Term Memory (LSTM)

Aug 4, 2026

Total Electron Content (TEC) adalah parameter ionosfer yang memengaruhi komunikasi radio dan navigasi satelit, sehingga diperlukan informasi tambahan melalui prediksi data TEC. Penelitian ini menganalisis prediksi TEC menggunakan Machine Learning dengan algoritma Long-Short Term Memory (LSTM). Penilaian validasi dilakukan menggunakan Mean Absolute Error (MAE). Hasil menunjukkan prediksi TEC terbaik pada variasi bulanan terjadi pada bulan Desember dengan MAE 0,299 TECU (setara 1,612%). Temuan ini memperlihatkan kemampuan LSTM dalam memprediksi variasi TEC serta relevansinya untuk pengembangan sistem navigasi satelit.

BahasaIndonesian

KategoriPenelitian & Laporan

FormatPDF

Halaman67

Waktu Membaca1 jam 43 menit

AksesGratis untuk diunduh

Daftar Isi

Abstrak

Kata Pengantar

Lembar Hak atas Kekayaan Intelektual

Lembar Persembahan

ANALISA PREDIKSI TOTAL ELECTRON CONTENT MENGGUNAKAN MACHINE LEARNING DENGANALGORITMALONG-SHORT TERM MEMORY (LSTM) TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada Jurusan Teknik Elektro Fakultas Sains dan Teknologi RHADITHA NABILA 12050520354 PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU PEKANBARU LEMBAR HAK ATAS KEKAYAAN INTELEKTUAL Tugas Akhir yang tidak diterbitkan ini terdaftar dan tersedia di Perpustakaan Universitas Islam Negeri Sultan Syarif Kasim Riau dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada penulis. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipanatau ringkasan hanya dapat dilakukan dengan mengikuti kaidah pengutipan yang berlaku. Penggunaan atau penerbitan sebagian atau seluruh Tugas Akhir ini harus memperoleh izin dari Dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau. Perpustakaan yang meminjamkan Tugas Akhir ini untuk anggotanya diharapkanuntuk mengisi nama, tanda peminjaman dan tanggal pinjam. LEMBAR PERSEMBAHAN Alhamdulillahi Robbil’alamiin, puji syukur kehadirat Allah SWT, atas nikmat karunia dan kemudahan yang telah dilimpahkan sehingga penulis dapat menyelesaikan Tugas Akhirini. Shalawat dan salam tak lupa pula semoga selalu dikirimkan kepada Rasulullah SAW, yang telah membimbing umatnya menjadi manusia yang beradab, berfikir dan berilmu pengetahuan hingga sampai saat ini. Semoga kita semua diberikan syafaatnya pada yaumilakhir kelak. Aamiiin Ya Robbal’alamiin. Saya persembahkan karya tulis ini kepada orang yang sangat saya kasihi dan saya sayangi. Kepada Kedua Orang Tuaku, Ibunda dan Ayahanda Sebagai tanda bakti, hormat dan terima kasih yang tiada terhingga penulis persembahkankarya tulis kecil ini kepada Ibunda (Supiaty Br. Naibaho) dan Ayahanda (Rohidi) yang telah memberikan kasih sayang, dukungan, ridho dan cinta kasih yang tiada terhingga yang tidak mungkin dapat terbalas hanya dengan selembar kertas yang bertuliskan kata persembahan. Terimakasih Ibu, Terimakasih Ayah. Kakak-kakak Sebagai tanda terimakasih, penulis persembahkan karya kecil ini untuk kakak Rizky Sovia Dara dan Rana Sekar Ananda . Terimakasih telah memberikan semangat dan dukunganserta doa dalam menyelesaikan Tugas Akhir ini. Teman-teman Sebagai ucapan terimakasih yang tak terhingga kepada teman-teman seperjuangan yang senantiasa memberikan dukungan, semangat dan motivasi kepada penulis. Civitas Akademika Fakultas Sains dan Teknologi UIN SUSKA Riau Sebagai tanda pernah menempuh dan menempa pendidikan, Tugas Akhir ini penulis persembahkan kepada Civitas Akademika Fakultas Sains dan Teknologi UIN SUSKA Riau terkhusus Civitas Akademika Teknik Elektro, dosen yang telah membimbing, menasehati, dan mengarahkan hingga terbitnya karya Tugas Akhir ini. ANALISA PREDIKSI TOTAL ELECTRON CONTENT MENGGUNAKAN MACHINE LEARNING DENGANALGORITMA LONG-SHORT TERM MEMORY (LSTM) RHADITHA NABILA NIM : 12050520354 Tanggal Sidang : 27 Desember 2024 Program Studi Teknik Elektro Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Jl. Soebrantas No.155 Pekanbaru ABSTRAK Total Electron Content (TEC) merupakan parameter penting ionosfer yang mempengaruhi komunikasi radio dan navigasi satelit, sehingga dibutuhkan informasi lanjutan dengan melakukan prediksi data TEC. Penelitian ini melakukan analisis prediksi data TEC menggunakan Machine Learning dengan Algoritma Long-Short Term Memory (LSTM), parameter untuk validasi prediksi data TEC menggunakan Mean Absolute Error (MAE) . Hasil penelitian analisis prediksi menunjukkan bahwa prediksi TEC terbaik pada variasi bulanan berada pada bulan Desember dengan nilai MAE adalah 0,299 TECU atau sama dengan 1,612 % . Hasil ini menujukkan kemampuan algoritma LSTM dalam memprediksi Variasi TEC serta relevansinya untuk pengembangan sistem navigasi satelit. Kata Kunci : Long

Pertanyaan Umum

Bagaimana kinerja prediksi divalidasi dan kapan prediksi terbaik terjadi?

Validasi dilakukan menggunakan Mean Absolute Error (MAE). Prediksi terbaik pada variasi bulanan terjadi pada bulan Desember dengan MAE 0,299 TECU (1,612%).

Aug 4, 2026

Unggah oleh River Wang