DEA SAFIRA, - (2025) PREDIKSI PARAMETER IONOSFER BERBASIS MULTI-STAGE DEEP LEARNING. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text (Bab Gabungan) BAB 1-5 Dea - Dea Safira Teknik Elektro.pdf - Published Version Download (3MB) | Preview
	Text (Bab Hasil) BAB 4 Dea - Dea Safira Teknik Elektro.pdf - Published Version Restricted to Repository staff only Download (1MB)
Preview	Text (Pernyataan) Surat Pernyataan - Dea Safira Teknik Elektro.pdf - Published Version Download (759kB) | Preview

Abstract

Salah satu parameter dalam sistem komunikasi radio dikenal dengan foF2. foF2 merupakan nilai yang didapat di ionosonda, namun keberlangsungan foF2 ini tergantung kestabilan, keakuratan sistem dalam menjaga foF2. Penelitian ini bertujuan untuk memprediksi nilai foF2 harian tahun 2024 menggunakan pendekatan multi-stage deep learning berbasis Long Short-Term Memory (LSTM). Data foF2 diperoleh dari hasil pengamatan ionosonda Badan Riset dan Inovasi Nasional (BRIN) dan diolah melalui tahap prapemrosesan sebelum digunakan dalam pelatihan model. Evaluasi dilakukan menggunakan metrik Root Mean Square Error (RMSE) dan Mean Bias Error (MBE) untuk mengukur tingkat akurasi prediksi. Hasil penelitian menunjukkan bahwa Nilai RMSE harian berkisar antara 0,45 hingga 0,90, dengan akurasi terendah terjadi pada pagi hingga siang hari (sekitar pukul 06.00–10.00 dan setelah siang), sedangkan lonjakan error terjadi pada malam hari (20.00– 23.00), terutama pada bulan April, Agustus, dan Oktober. Nilai MBE menunjukkan kecenderungan underestimasi sebesar -0,10 pada dini hari dan overestimasi sekitar +0,04 pada malam hari.

Actions (login required)

View Item