Rancang bangun decision support system untuk clustering tingkat kerusakan bangunan pasca bencana alam menggunakan deep learning

Almais, Agung Teguh Wibowo, Crysdian, Cahyo ORCID: https://orcid.org/0000-0002-7488-6217, Basid, Puspa Miladin Nuraida Safitri A, Susilo, Adi, Wicaksono, Hendro and Rahmaniati, Amila Fadhila (2023) Rancang bangun decision support system untuk clustering tingkat kerusakan bangunan pasca bencana alam menggunakan deep learning. Research Report. Universitas Islam Negeri Maulana Malik Ibrahim Malang, Malang.

Text 15860.pdf Restricted to Repository staff only Download (672kB)

Abstract

Decision Support System (DSS) merupakan salah satu cabang keilmuan dari sistem informasi yang memiliki suatu intelligence. Menerapkan DSS untuk memecahkan suatu masalah merupakan satu bentuk riset yang banyak peneliti lakukan. Metode yang banyak di terapkan oleh para peneliti adalah Multi-Criteria Decision Making (MCDM), salah satu metode MCDM yaitu Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Salah satu kelemahan MCDM yaitu user harus melewati setiap langkah dari metode MCDM. Dengan adanya kelemahan tersebut maka peneliti melakukan kolaborasi dengan menerapkan Machine Learning (ML) pada DSS, tujuannya adalah agar DSS lebih cerdas karena user tidak perlu melakukan tahapan-tahapan DSS dalam memecahkan masalah. Pada penelitian kami menggunakan obyek untuk menentukan tingkat kerusakan sektor pasca bencana alam menggunakan Deep Learning (DL). Sebelum menerapkan metode DL yaitu Convutional Neural Network (CNN) untuk menentukan tingkat kerusakan sektor pasca bencana alam adalah melakukan pre-processing data. terdapat beberapa langkah dari pre-processing data diantaranya labeling data, dan augmentasi data. Dengan menggunakan data hasil dari DSS untuk mencari labeling data pada setiap data kerusakan sektor pasca bencana alam menggunakan Principal Component Analysis (PCA) agar pada saat melabelkan tingkat kerusakan sektor pasca bencana memiliki acuan secara ilmiah. Setelah mendapatkan labeling data tingkat kerusakan sektor pasca bencana alam menggunakan PCA kemudian menggunakan hasil reduksi parameter dari teknik PCA tersebut untuk acuan augmentasi gambar agar gambar dapat terbentuk sesuai dengan parameter yang digunakan. Kemudian hasil dari augmentasi gambar tersebut akan masuk proses watershed algoritm untuk mengetahui tingkat kerusakan sektor pasca bencana alam.

Item Type:	Research (Research Report)
Keywords:	Decision Support System (DSS); Multi-Criteria Decision Making (MCDM); TOPSIS; Machine Learning (ML); Deep Learning (DL); Principal Component Analysis (PCA)
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems > 080605 Decision Support and Group Support Systems 04 EARTH SCIENCES > 0404 Geophysics 04 EARTH SCIENCES > 0406 Physical Geography and Environmental Geoscience 08 INFORMATION AND COMPUTING SCIENCES > 0803 Computer Software 08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems
Divisions:	Faculty of Technology > Department of Informatics Engineering
Depositing User:	Agung teguh Wibowo Almais
Date Deposited:	23 Oct 2023 13:57

Downloads

Origin of downloads

Actions (login required)

View Item