Jaringan Saraf Tiruan, dan Validasi Silang k-Fold
Penulis: Nina Kurnia Hikmawati; Yudi Ramdhani; Doni Purnama Alamsyah
DOI: 10.1109/ICIC64337.2024.10956756
Abstrak
Pencegahan kebakaran hutan dilakukan dengan mengidentifikasi kejadian berdasarkan kriteria tertentu menggunakan algoritma Jaringan Saraf Tiruan (JST). Untuk memastikan stabilitas hasil, data uji dan data latih dibagi menggunakan metode validasi silang k-fold dengan variasi nilai k-5, k-10, dan k-20. Kinerja algoritma JST terbukti meningkat secara signifikan setelah dioptimasi menggunakan Particle Swarm Optimization (PSO), dengan nilai akurasi rata-rata meningkat dari 97% menjadi 98,78% dan nilai AUC meningkat dari 0,997 menjadi 0,999. Studi bobot pada PSO menunjukkan adanya variabilitas nilai untuk setiap atribut, di mana atribut Hari dan Bulan tidak memberikan pengaruh signifikan terhadap klasifikasi. Hasil uji-t Berpasangan untuk Rata-rata menunjukkan bahwa penggunaan PSO meningkatkan akurasi secara signifikan. Penggabungan PSO dengan Jaringan Saraf Tiruan memberikan dampak positif yang cukup besar terhadap prediksi kebakaran hutan dan direkomendasikan untuk aplikasi yang membutuhkan akurasi tinggi. © 2024 IEEE.
Kata kunci penulis
Kebakaran Hutan; Pembelajaran Mesin; Jaringan Saraf Tiruan; Optimasi Kawanan Partikel
Kata kunci terindeks
Parameter rekayasa terkendali
Kriteria stabilitas
Parameter rekayasa tak terkendali
Deteksi kebakaran hutan; Kebakaran hutan; Validasi silang k-fold; Pembelajaran mesin; Algoritma jaringan saraf tiruan; Jaringan saraf tiruan; Kawanan partikel; Optimasi kawanan partikel; Optimasi kawanan partikel – jaringan saraf tiruan; Optimasi kawanan partikel
Subjek utama rekayasa
Optimasi Kawanan Partikel (PSO)
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105004579202
