佩纳拉潘基因修饰的k近邻Pada Prediksi PM10在Pekanbaru

F. Insani, Syarifatun Nissa
{"title":"佩纳拉潘基因修饰的k近邻Pada Prediksi PM10在Pekanbaru","authors":"F. Insani, Syarifatun Nissa","doi":"10.34010/komputika.v10i2.4404","DOIUrl":null,"url":null,"abstract":"Penerapan metode algoritma genetika dan modified k-nearest neighbor(MKNN) dengan deret waktu telah digunakan dalam penelitian ini. Metode MKNN dan algoritma genetika digunakan untuk memprediksi particulate matter (PM10) di kota Pekanbaru. Data PM10 yang digunakan merupakan data PM10 per 30 menit pada bulan Juli sampai bulan Desember tahun 2015 yang diambil dari laboratorium udara kota Pekanbaru. Data ini kemudian diubah menjadi deret waktu dengan 48 variabel masukan dan 1 variabel keluaran. Hasil dari penelitan ini menunjukkan bahwa metode MKNN dapat memprediksi PM10 dengan error terendah yaitu 8,957 dan metode algoritma genetika dapat mencari nilai k optimal pada MKNN dengan k optimal yaitu 3.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2021-09-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Penerapan Genetic Modified k-Nearest Neighbor Pada Prediksi PM10 di Pekanbaru\",\"authors\":\"F. Insani, Syarifatun Nissa\",\"doi\":\"10.34010/komputika.v10i2.4404\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Penerapan metode algoritma genetika dan modified k-nearest neighbor(MKNN) dengan deret waktu telah digunakan dalam penelitian ini. Metode MKNN dan algoritma genetika digunakan untuk memprediksi particulate matter (PM10) di kota Pekanbaru. Data PM10 yang digunakan merupakan data PM10 per 30 menit pada bulan Juli sampai bulan Desember tahun 2015 yang diambil dari laboratorium udara kota Pekanbaru. Data ini kemudian diubah menjadi deret waktu dengan 48 variabel masukan dan 1 variabel keluaran. Hasil dari penelitan ini menunjukkan bahwa metode MKNN dapat memprediksi PM10 dengan error terendah yaitu 8,957 dan metode algoritma genetika dapat mencari nilai k optimal pada MKNN dengan k optimal yaitu 3.\",\"PeriodicalId\":52813,\"journal\":{\"name\":\"Komputika\",\"volume\":\" \",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-09-03\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Komputika\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.34010/komputika.v10i2.4404\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Komputika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34010/komputika.v10i2.4404","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

在本研究中使用了时间序列的基因算法和修改过的k-nearest方法的应用。MKNN方法和基因算法被用来预测Pekanbaru镇的颗粒物(PM10)。PM10的数据是2015年7月至12月30分钟的PM10数据,来自北干巴鲁的空气实验室。然后将这些数据转换为时间序列,有48个输入变量和1个输出变量。研究结果表明,MKNN可以预测PM10的最低误差为8.957,遗传学算法可以在MKNN中找到最佳的k值为3。
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
Penerapan Genetic Modified k-Nearest Neighbor Pada Prediksi PM10 di Pekanbaru
Penerapan metode algoritma genetika dan modified k-nearest neighbor(MKNN) dengan deret waktu telah digunakan dalam penelitian ini. Metode MKNN dan algoritma genetika digunakan untuk memprediksi particulate matter (PM10) di kota Pekanbaru. Data PM10 yang digunakan merupakan data PM10 per 30 menit pada bulan Juli sampai bulan Desember tahun 2015 yang diambil dari laboratorium udara kota Pekanbaru. Data ini kemudian diubah menjadi deret waktu dengan 48 variabel masukan dan 1 variabel keluaran. Hasil dari penelitan ini menunjukkan bahwa metode MKNN dapat memprediksi PM10 dengan error terendah yaitu 8,957 dan metode algoritma genetika dapat mencari nilai k optimal pada MKNN dengan k optimal yaitu 3.
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
25
审稿时长
12 weeks
期刊最新文献
Perbandingan Kinerja Algoritma Multinomial dan Bernoulli Naïve Bayes dalam Mengklasifikasikan Komentar Cyberbullying Klasifikasi Pemenuhan Pilar Sanitasi Puskesmas Menggunakan Metode Naive Bayes Analisis Cluster Kualitas Pemuda di Indonesia pada Tahun 2022 dengan Agglomerative Hierarchical dan K-Means Klasifikasi Rentang Usia Dan Gender Dengan Deteksi Suara Menggunakan Metode Deep Learning Algoritma Cnn (Convolutional Neural Network) Implementasi Metode Weighted Moving Average (WMA) Pada Prediksi Harga Bahan Pokok
×
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