案例分析比较算法:雅加达DKI火灾多发地区预测

Rafika Awaliah
{"title":"案例分析比较算法:雅加达DKI火灾多发地区预测","authors":"Rafika Awaliah","doi":"10.30591/JPIT.V6I2.2430","DOIUrl":null,"url":null,"abstract":"sering terjadi di perkotaan kebakaran yang terjadi tidak dapat di prediksikan penyebabnya dan kapan terjadinya bencana itu datang, dengan persiapan dan peringatan dini adalah salah satu upaya pengecahan bencana kebakaran. Masalah yang sering dihadapi adalah masyarakat yang kurang informasi terhadap pencegahan kebakaran di daerah tersebut. Meningkatnya di daerah rawan kebakaran tersebut membutuhkan upaya perlindungan kebakaran. Kebakaran di DKI Jakarta membutuhkan perhatian khusus dalam menanggulangi kebakaran. Salah satu upaya pencegahan kebakaran yaitu dengan memberikan langkah-langkah mitigasi terhadap daerah yang terindentifikasi sebagai daerah rawan dan memberikan informasi kepada pemerintah terkait strategi yang akan dilakukan untuk daerah yang rawan kebakaran. Berdasarkan hal tersebut  penelitian ini mengaplikasikan dengan metode data mining untuk membandingkan kinerja algoritma Multilayer Perceprton dan Convolutional Neural Network dari berbagai eksperimen untuk menemukan algoritma yang memiliki akurasi tertinggi dengan prediksi yang tepat dalam mengklasifikasikan kebakaran sebagai durasi kebakaran yaitu sebentar, sedang atau lama.Proses klasifikasi di evaluasi dengan menggunakan cross Validation dan Confusion matrix. Dari hasil perbandingan penggunaan kedua algoritma menunjukkan bahwa Multilayer Perceptron dengan akurasi sebesar 99% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 99.61% dan cross validation menggunakan 10 fold untuk nilai validasi akurasi sebesar 98.12%. Sedangkan algoritma Convolutional Neural Network dengan akurasi sebesar 97% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 97.5% dan cross validation menggunakan 20 fold untuk nilai validasi akurasi sebesar 86.52%. Dari Hasil dataset tersebut menunjukkan bahwa algoritma Multilayer Perceptron lebih mengungguli dari pada algoritma Convolutional Neural Network. Untuk pengembangan berikutnya, studi ini bisa dilanjutkan menjadi model dalam sebuah aplikasi peringatan dini terhadap bencana kebakaran di DKI Jakarta.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2021-05-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Analisa Perbandingan Algoritma Klasifikasi Studi Kasus: Prediksi Area Rawan Kebakaran di DKI Jakarta\",\"authors\":\"Rafika Awaliah\",\"doi\":\"10.30591/JPIT.V6I2.2430\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"sering terjadi di perkotaan kebakaran yang terjadi tidak dapat di prediksikan penyebabnya dan kapan terjadinya bencana itu datang, dengan persiapan dan peringatan dini adalah salah satu upaya pengecahan bencana kebakaran. Masalah yang sering dihadapi adalah masyarakat yang kurang informasi terhadap pencegahan kebakaran di daerah tersebut. Meningkatnya di daerah rawan kebakaran tersebut membutuhkan upaya perlindungan kebakaran. Kebakaran di DKI Jakarta membutuhkan perhatian khusus dalam menanggulangi kebakaran. Salah satu upaya pencegahan kebakaran yaitu dengan memberikan langkah-langkah mitigasi terhadap daerah yang terindentifikasi sebagai daerah rawan dan memberikan informasi kepada pemerintah terkait strategi yang akan dilakukan untuk daerah yang rawan kebakaran. Berdasarkan hal tersebut  penelitian ini mengaplikasikan dengan metode data mining untuk membandingkan kinerja algoritma Multilayer Perceprton dan Convolutional Neural Network dari berbagai eksperimen untuk menemukan algoritma yang memiliki akurasi tertinggi dengan prediksi yang tepat dalam mengklasifikasikan kebakaran sebagai durasi kebakaran yaitu sebentar, sedang atau lama.Proses klasifikasi di evaluasi dengan menggunakan cross Validation dan Confusion matrix. Dari hasil perbandingan penggunaan kedua algoritma menunjukkan bahwa Multilayer Perceptron dengan akurasi sebesar 99% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 99.61% dan cross validation menggunakan 10 fold untuk nilai validasi akurasi sebesar 98.12%. Sedangkan algoritma Convolutional Neural Network dengan akurasi sebesar 97% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 97.5% dan cross validation menggunakan 20 fold untuk nilai validasi akurasi sebesar 86.52%. Dari Hasil dataset tersebut menunjukkan bahwa algoritma Multilayer Perceptron lebih mengungguli dari pada algoritma Convolutional Neural Network. Untuk pengembangan berikutnya, studi ini bisa dilanjutkan menjadi model dalam sebuah aplikasi peringatan dini terhadap bencana kebakaran di DKI Jakarta.\",\"PeriodicalId\":53375,\"journal\":{\"name\":\"Jurnal Informatika Jurnal Pengembangan IT\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-05-31\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Informatika Jurnal Pengembangan IT\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30591/JPIT.V6I2.2430\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika Jurnal Pengembangan IT","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30591/JPIT.V6I2.2430","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

火灾经常发生在城市火灾中,无法预测火灾的原因和发生的时间,事先做好准备和预警是火灾灾难的主要尝试之一。最常见的问题是缺乏信息的社区对该地区的火灾预防措施。易燃区的增加需要采取保护措施。雅加达发生火灾需要特别注意。防止火灾的一项措施是对已知的易受影响地区采取缓和措施,并向有关政府就如何应对火灾敏感地区制定战略。在此基础上,本研究采用数据筛选方法比较了各种实验的多层算法和神经通路网络的性能,以找到具有最高准确性的算法,并将火灾归类为短暂、中度或长期的火灾持续时间。通过使用交叉验证和混乱矩阵来进行评估的分类过程。从这两种算法的比较结果来看,多层Perceptron的准确率为99%,而Epoch 50的最佳准确率为99.61%,而交叉验证的值为98.12%。而神经连接算法的准确率为97%,而Epoch在Epoch 50的最佳准确率为97.5%,而交叉验证值为86.52%。从这些数据来看,多层算法Perceptron实际上超过了神经通路算法。为了进一步发展,本研究可以继续作为雅加达DKI火灾预警应用的模型。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Analisa Perbandingan Algoritma Klasifikasi Studi Kasus: Prediksi Area Rawan Kebakaran di DKI Jakarta
sering terjadi di perkotaan kebakaran yang terjadi tidak dapat di prediksikan penyebabnya dan kapan terjadinya bencana itu datang, dengan persiapan dan peringatan dini adalah salah satu upaya pengecahan bencana kebakaran. Masalah yang sering dihadapi adalah masyarakat yang kurang informasi terhadap pencegahan kebakaran di daerah tersebut. Meningkatnya di daerah rawan kebakaran tersebut membutuhkan upaya perlindungan kebakaran. Kebakaran di DKI Jakarta membutuhkan perhatian khusus dalam menanggulangi kebakaran. Salah satu upaya pencegahan kebakaran yaitu dengan memberikan langkah-langkah mitigasi terhadap daerah yang terindentifikasi sebagai daerah rawan dan memberikan informasi kepada pemerintah terkait strategi yang akan dilakukan untuk daerah yang rawan kebakaran. Berdasarkan hal tersebut  penelitian ini mengaplikasikan dengan metode data mining untuk membandingkan kinerja algoritma Multilayer Perceprton dan Convolutional Neural Network dari berbagai eksperimen untuk menemukan algoritma yang memiliki akurasi tertinggi dengan prediksi yang tepat dalam mengklasifikasikan kebakaran sebagai durasi kebakaran yaitu sebentar, sedang atau lama.Proses klasifikasi di evaluasi dengan menggunakan cross Validation dan Confusion matrix. Dari hasil perbandingan penggunaan kedua algoritma menunjukkan bahwa Multilayer Perceptron dengan akurasi sebesar 99% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 99.61% dan cross validation menggunakan 10 fold untuk nilai validasi akurasi sebesar 98.12%. Sedangkan algoritma Convolutional Neural Network dengan akurasi sebesar 97% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 97.5% dan cross validation menggunakan 20 fold untuk nilai validasi akurasi sebesar 86.52%. Dari Hasil dataset tersebut menunjukkan bahwa algoritma Multilayer Perceptron lebih mengungguli dari pada algoritma Convolutional Neural Network. Untuk pengembangan berikutnya, studi ini bisa dilanjutkan menjadi model dalam sebuah aplikasi peringatan dini terhadap bencana kebakaran di DKI Jakarta.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
审稿时长
24 weeks
期刊最新文献
KLASIFIKASI SURAT DIGITAL MENGGUNAKAN ALGORITMA MACHINE LEARNING KONTROL PENGGUNAAN LISTRIK PASCABAYAR MENGGUNAKAN ANDROID RANCANG BANGUN PENGOLES KUNING TELUR PADA ADONAN ROTI BERBASIS ARDUINO PERANCANGAN GAME EDUKASI LABIRIN MATEMATIKA DENGAN ALGORITMA LINEAR CONGRUENT METHOD BERBASIS ANDROID PERANCANGAN COMPANY PROFIL PT.FAJAR TECHNO SYSTEM BERBASIS WEB
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1