Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Rencana tata ruang wilayah kota Tangerang Selatan di atur dalam Peraturan Daerah Kota Tangerang Selatan nomor 15 tahun 2011 tentang ldquo;Rencana Tata Ruang Wilayah RTRW Kota Tangerang Selatan tahun 2011-2031. Penyusunan RTRW di kota Tangerang Selatan belum mempertimbangkan faktor potensi terjadinya bencana yang dapat disebabkan oleh petir. Petir merupakan gejala alamiah yang sering terjadi pada musim hujan tetapi masyarakat masih belum memahami dampak yang diakibatkan jika menyambar manusia baik secara langsung maupun tidak langsung. Dengan menganalisis rencana tata ruang wilayah, penggunaan tanah dan frekuensi sambaran petir dalam luasan 1 x 1 Km2 atau 100Ha, diperoleh hasil bahwa potensi sambaran petir di kota Tangerang Selatan dengan frekuensi sambaran petir kategori sangat tinggi terjadi pada grid E11, F12 dan G13. Grid E11 dan grid F12 berada di kelurahan Pondok Betung kecamatan Pondok Aren sedangkan grid G13 berada di sebagian kelurahan Pondok Betung kecamatan Pondok Aren dan sebagian kelurahan Rengas kecamatan Ciputat Timur. Total luas rencana tata ruang wilayah dalam grid-grid ini 170,21 Ha untuk pemukiman dengan kepadatan tinggi, sedangkan penggunaan tanahnya seluas 256 Ha merupakan pemukiman dengan kepadatan tinggi.

---

ABSTRACT
Spatial planning of South Tangerang area is arranged in Local Regulation of South Tangerang number 15 year 2011 about Spatial Planning of South Tangerang City Year 2011 2031. The preparation of the RTRW in the South Tangerang has not considered the potential factor of the occurrence of disasters that can be caused by lightning. Lightning is a natural phenomenon that often occurs in the rainy season but its great impact is still not understood by the community especially if it grabbs human beings either directly or indirectly. By analyzing the spatial plan, the use of ground and the frequency of lightning strikes in the area of 1Km x 1Km or 100Ha, the results obtained that the potential for lightning strikes in the city of South Tangerang with very high frequency of lightning strikes occurred on the grid E11, F12 and G13. Grid E11 and grid F13 are located in Pondok Betung sub district of Pondok Aren district, while grid G13 is in part of Pondok Betung sub district in Pondok Aren district and Rengas sub district in Ciputat Timur district. The total area of spatial planning in these grids is 170.21 Ha for high density settlements, while the land use of 256 Ha is a high density settlement.

Abstrak :
Keberadaan Cumulonimbus dapat menyebabkan hujan lebat, tornado, badai petir dan peristiwa ekstrem lainnya. Pengamatan Radiosonde telah digunakan untuk memprediksi potensi keberadaan awan CB dalam periode prakiraan cuaca jangka pendek dengan menggunakan pendekatan machine learning. Salah satu metode machine learning yang populer dan handal digunakan untuk prediksi potensi pertumbuhan awan CB adalah Artificial Neural Network (ANN). Namun, ANN masih sensitif terhadap inisialisasi nilai awal pada parameter weight dan bias. Metode yang terbukti paling handal untuk mengatasi masalah tersebut adalah Grey Wolf Optimizer (GWO). Oleh sebab itu, studi ini menggunakan GWO untuk mengoptimalkan parameter weight dan bias pada ANN berdasarkan kinerja MSE di setiap iterasi sehingga dapat meningkatkan kinerja ANN dalam memprediksi keberadaan awan CB. Hasil studi menunjukkan bahwa GWO memberikan peningkatan kinerja ANN dengan rata rata peningkatan akurasiakurasi sebesar 14,88 %. Akurasi terbaik didapatkan dengan nilai 89.6% dengan menggunakan 5 input indeks Radiosonde SI, LI, TT, CAPE, SWEAT pada epoch 250, dengan nilai MSE 0.071, serta nilai koefisien korelasinya sebesar 0.86 ......The presence of Cumulonimbus can cause heavy rain, tornadoes, thunderstorms and other extreme events. Radiosonde observations have been used to predict the potential presence of CB clouds in the short-term weather forecast period using a machine learning approach. One of the popular and reliable machine learning methods used to predict the potential growth of CB clouds is Artificial Neural Network (ANN). However, ANN is still sensitive to initialization of initial values ​​in weight and bias parameters. The most reliable proven method to solve this problem is the Gray Wolf Optimizer (GWO). Therefore, this study uses GWO to optimize weight and bias parameters on ANN based on MSE performance in each iteration so as to improve ANN performance in predicting the presence of CB clouds. The results of the study show that GWO provides an increase in ANN performance with an average increase in accuracy of 14.88%. The best accuracy was obtained with a value of 89.6% using 5 inputs Radiosonde SI, LI, TT, CAPE, SWEAT at epoch 250, with an MSE value of 0.071, and the correlation coefficient value of 0.86