Komparasi Performa Deteksi Anomali Data Operasional Pipa Gas Menggunakan Metode LSTM dan GRU - Dalam bentuk buku karya ilmiah
NABIL ANWAR FAUZI
Informasi Umum
Kode
25.04.1071
Klasifikasi
000 - General Works
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Machine Learning
Dilihat
76 kali
Informasi Lainnya
Abstraksi
<strong>Industri minyak dan gas merupakan sektor industri yang membutuhkan keamanan kerja dan kelancaran siklus produksi. Deteksi anomali pada operasional pipa gas alam dapat membantu pengawasan dan mitigasi dalam proses pengolahan gas alam. Pada penilitian ini akan membandingkan performa metode Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dalam mendeteksi anomali pada data operasional transmisi gas alam. Kedua metode cukup populer untuk menangani forecasting atau deteksi anomali pada suatu data. Penilaian performa dilakukan menggunakan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Ditemukan bahwa walaupun GRU unggul secara umum, LSTM dapat mengidentifikasi anomali lebih akurat untuk beberapa fitur.</strong><br />
- CCH4D4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | NABIL ANWAR FAUZI |
| Jenis | Perorangan |
| Penyunting | Aditya Firman Ihsan, Prasti Eko Yunanto |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2025 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
