MODEL ESTIMASI ARAH KIBLAT MENGGUNAKAN METODE EXTREME LEARNING MACHINE SEBAGAI SINTESA DARI METODE TRIGONOMETRI BOLA

Zainal Rizal, - (2016) MODEL ESTIMASI ARAH KIBLAT MENGGUNAKAN METODE EXTREME LEARNING MACHINE SEBAGAI SINTESA DARI METODE TRIGONOMETRI BOLA. Skripsi thesis, Universitas Pembangunan Nasional Veteran Jakarta.

	Text AWAL.pdf Download (1MB)
	Text ABSTRAK.pdf Download (159kB)
	Text BAB 1.pdf Download (1MB)
	Text BAB 2.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 3.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 4.pdf Restricted to Repository UPNVJ Only Download (2MB)
	Text BAB 5.pdf Download (855kB)
	Text DAFTAR PUSTAKA.pdf Download (977kB)
	Text RIWAYAT HIDUP.pdf Restricted to Repository UPNVJ Only Download (90kB)
	Text LAMPIRAN.pdf Restricted to Repository UPNVJ Only Download (886kB)

Abstract

Penelitian ini dilakukan untuk membuat model estimasi arah kiblat dengan meniru (mensintesa) organisasi dari metode trigonometri bola. Data yang digunakan adalah koordinat posisi pengamat berupa Lintang (Latitude), Bujur (Longitude) di beberapa kabupaten/kota provinsi Jawa Barat, Jawa Tengah, Jawa Timur, serta Lintang dan Bujur Kota Makkah (Ka’bah). Penelitian ini menggunakan Metode Extreme Learning Machine karena memiliki parameter-parameter seperti input weight, hidden bias dipilih secara random yang memiliki tingkat akurasi yang baik. Penelitian ini akhirnya telah menghasilkan model estimasi arah kiblat dengan K-Fold Cross Validation menggunakan 5 kelompok data training dan 1 kelompok untuk validasi, yang masing-masing kelompok terdapat 16 data dari 80 data keseluruhan, dimana tiap-tiap data terdiri dari 3 bagian yaitu 2 data sebagai nilai input, 1 data sebagai nilai target, menggunakan 7 unit hidden maka didapatkan nilai parameter betha, bobot (w), bias (b) dan mendapatkan error terkecil Mean Square Error (MSE) adalah 0,004909928109132 pada kelompok validasi ke 2. Hasil tiga kali pengujian dari 24 data yang diestimasi mendapatkan nilai MSE adalah 0,013629301, maka tingkat akurasi estimasi dipengaruhi oleh jumlah data. Semakin banyak jumlah data yang digunakan maka semakin akurat estimasinya. Berdasarkan hasil yang diperoleh maka aplikasi ini dapat dimanfaatkan pengguna dalam menentukan arah kiblat.

Item Type:	Thesis (Skripsi)
Additional Information:	[No. Panggil: 1110511042] [Ketua Penguji: Vini Indriasari] [Penguji I: Theresia Wati] [Penguji II (Pembimbing): Didit Widiyanto]
Uncontrolled Keywords:	Arah Kiblat, Trigonometri Bola, Extreme Learning Machine (ELM), Data Lintang (Latitude), Bujur (Longitude), Lintang dan Bujur Kota Makkah (Ka’bah)
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Ilmu Komputer > Program Studi Informatika (S1)
Depositing User:	Daniel Parlindungan
Date Deposited:	28 Nov 2019 01:19
Last Modified:	28 Nov 2019 01:19
URI:	http://repository.upnvj.ac.id/id/eprint/3681

Actions (login required)

View Item