Perpustakaan Digital ITB

Tugas akhir ini bertujuan untuk menilai akurasi prediksi arus pasut menggunakan suatu algoritma pembelajaran mesin, yaitu Gaussian process regression. Metode yang digunakan dalam studi ini adalah simulasi menggunakan komputer desktop. Langkah pertama adalah menganalisis parameter elips arus setiap konstituen pasut. Berikutnya, kecepatan arus pasut yang diharapkan disebabkan oleh masing-masing konstituen pasut dikalkulasi dan digunakan sebagai predictor dalam training dari parameter respon dari algoritma pembelajaran mesin. Verifikasi dilakukan melalui perbandingan antara arus pasut yang diprediksi dengan nilai arus pasut yang sebenarnya pada waktu yang sama. Galat dari arus pasut yang diprediksi menggunakan algoritma pembelajaran mesin dibandingkan dengan galat dari arus pasut yang dirediksi menggunakan metode konvensional prediksi arus pasut, yaitu metode analisis harmonik. Hasil dari studi ini adalah metode analisis harmonik memiliki akurasi yang lebih tinggi, korelasi yang lebih tinggi dengan data sebenarnya, dan lebih dapat diandalkan dibandingkan metode pembelajaran mesin. Meskipun begitu, beberapa frekuensi sinyal yang muncul dalam data sebenarnya dapat ditunjukkan oleh prediksi dengan pembelajaran mesin, namun amplitudo dari sinyal tersebut diperbesar. Frekuensi sinyal tersebut tidak ditunjukkan oleh prediksi menggunakan analisis harmonik. Hasil ini mengkonfirmasi bahwa prediksi arus pasut menggunakan pembelajaran mesin secara umum memiliki akurasi yang lebih rendah dibandingkan metode analisis harmonik. Namun, metode pembelajaran mesin dapat bermanfaat dalam menunjukkan frekuensi sinyal yang ada dalam data. Hyperparameter dari model Gaussian process regression dapat disetel dengan tepat agar menghasilkan akurasi yang lebih tinggi dan mirip dengan prediksi yang menggunakan metode analisis harmonik.