Komparasi Metode Neural Network Backpropagation dan Support Vector Machines dalam Prediksi Volume Sampah TPA Suwung
Abstract
Provinsi Bali memiliki salah satu TPA sampah yang terletak di Kelurahan Pedungan, Denpasar Selatan bernama TPA Regional Sarbagita Suwung atau TPA Suwung. Tumpukan sampah di TPA mengalami kepadatan hingga menimbulkan dampak negatif bagi masyarakat sekitar TPA. Peramalan volume sampah merupakan langkah awal dan langkah penting dalam merencanakan suatu pengelolaan sampah. Hasil peramalan yang akurat berdasarkan dari data historis volume sampah di TPA Suwung dapat menciptakan strategi penanganan sampah yang baik serta menciptakan suatu infrastruktur pembuangan sampah yang mencukupi. Penelitian ini membandingkan kinerja Metode Backpropagation dan Support Vector Machine dalam meramalkan volume sampah berdasarkan dengan data jumlah volume sampah bulanan yang tertampung di TPA Suwung dari Tahun 2015 hingga 2020. Uji optimalisasi parameter peramalan sesuai dengan masing – masing metode dilakukan untuk mendapatkan hasil yang terbaik. Hasil dari peramalan volume sampah menggunakan Metode Backpropagation mencapai tingkat kesalahan terkecil yaitu 0.048 sedangkan peramalan volume sampah menggunakan Metode SVM mencapai tingkat kesalahan yaitu 0.108.
References
[2] JFE, “Feasibility Study of Joint Crediting Mechanism Project by City to City Collaboration Waste to Energy Power Plant Project for Bali Province in Indonesia Final Report JFE Engineering Corporation Clean Authority of TOKYO,” p. 167, 2017, [Online]. Available: https://www.env.go.jp/earth/coop/lowcarbon-asia/english/project/data/EN_IDN_2016_01.pdf.
[3] W. P. Aji Putra, “Peramalan Volume Sampah Di Tpa Benowo Kota Surabaya Metode Backpropagation Neural Network ( Bpnn ) Volume of Waste Forecasting At Tpa Benowo , Surabaya Using Neural Network Method Backpropagation Neural Network ( Bpnn ) Surabaya Metode,” 2016.
[4] M. Yanto, S. R. Mulyani, and L. Mayola, “Peramalan Jumlah Produksi Air Dengan Algoritma Backpropagation,” Sebatik, vol. 23, no. 1, pp. 172–177, 2019, doi: 10.46984/sebatik.v23i1.465.
[5] R. S. Sani, “PREDIKSI PERSEBARAN DEMAM BERDARAH DI KOTA BANDAR LAMPUNG DENGAN METODE SUPPORT VECTOR MACHINE,” J. Wind Eng. Ind. Aerodyn., vol. 26, no. 3, pp. 1–4, 2019, [Online]. Available: https://doi.org/10.1007/s11273-020-09706-3%0Ahttp://dx.doi.org/10.1016/j.jweia.2017.09.008%0Ahttps://doi.org/10.1016/j.energy.2020.117919%0Ahttps://doi.org/10.1016/j.coldregions.2020.103116%0Ahttp://dx.doi.org/10.1016/j.jweia.2010.12.004%0Ahttp://dx.doi.o.
[6] I. A. Tarigan, I. P. A. Bayupati, and G. A. A. Putri, “Comparison of support vector machine and backpropagation models in forecasting the number of foreign tourists in Bali province,” J. Teknol. dan Sist. Komput., vol. 9, no. 2, pp. 90–95, 2021, doi: 10.14710/jtsiskom.2021.13847.
[7] S. G. K. Patro and K. K. sahu, “Normalization: A Preprocessing Stage,” Iarjset, no. March, pp. 20–22, 2015, doi: 10.17148/iarjset.2015.2305.
[8] E. Amasuomo and J. Baird, “The Concept of Waste and Waste Management,” J. Manag. Sustain., vol. 6, no. 4, p. 88, 2016, doi: 10.5539/jms.v6n4p88.
[9] M. Hasrul and I. Malik, “Waste Management in Makassar City Based on Regional Regulation Number 4 Year 2011,” vol. 2665, no. 4, pp. 103–109, 2021, doi: 10.36348/jaep.2021.v05i04.003.
[10] A. S. Rachman, I. Cholissodin, and M. A. Fauzi, “Peramalan Produksi Gula Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Pada PG Candi Baru Sidoarjo Adi,” Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 4, pp. 1683–1689, 2018, [Online]. Available: https://www.researchgate.net/publication/322963136.
[11] M. O. Fitri, “Jurnal instek volume 2 nomor 2 april 2017,” Instek, vol. 2, no. April, pp. 140–149, 2017.
[12] Jong Jek Siang, Jaringan Syaraf dan Pemrogramannya Menggunakan Matlab. 2005.
[13] D. Sianturi, “UNIVERSITAS SUMATERA UTARA Poliklinik UNIVERSITAS SUMATERA UTARA,” J. Pembang. Wil. Kota, vol. 1, no. 3, pp. 82–91, 2021.
[14] D. R. Tobergte and S. Curtis, (book)Learning with Kernels, vol. 53, no. 9. 2013.
[15] U. Enri, “Optimasi Parameter Support Vector Machines Untuk Prediksi Nilai Tukar Rupiah Terhadap Dollar Amerika Serikat,” J. Gerbang, vol. 8, no. 1, pp. 12–16, 2018.
