PEMODELAN SISTEM DETEKSI KEBOCORAN JARINGAN PIPA PAM MENGGUNAKAN PENDEKATAN METODE MULTIVARIATE REGRESSION
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
ADY NELLA ARDIYANA (STUDENT ID : 2120180130)
RAHMAT IRSYADA (LECTURER ID : 0727029401)
MOH. YUSUF EFENDI (LECTURER ID : 0706018902)
RAHMAT IRSYADA (LECTURER ID : 0727029401)
MOH. YUSUF EFENDI (LECTURER ID : 0706018902)
Subject
003.56 Decision Theory/Teori Pengambilan Keputusan
Datestamp
2022-11-03 09:06:22
Abstract :
Ardiyana, Ady Nella 2022. Pemodelan Sistem Deteksi Kebocoran Jaringan Pipa PAM Menggunakan Pendekatan Metode Multivariate Regression. Skripsi, Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Nahdlatul Ulama Sunan Giri. Pembimbing Utama Rahmat Irsyada, M.Pd dan Pembimbing Pendamping Moh. Yusuf Efendi , M.Pd.I, M. A. Judul ini terbentuk dilatar belakang oleh hasil dari keresahan yang dirasakan oleh penulis sekaligus salah satu pengguna dari PAM desa yang ada di Desa Jumok Kecamatan Ngraho Kabupaten Bojonegoro. Dalam mencari kebocoran pada jaringan pipa ini masih menggunakan cara manual untuk mengetahui titik letak kebocoran pipa, sehingga dirasa kurang efektif dan efisien. Akibat dari hal tersebut membutuhkan waktu yang lama dan tenaga lebih, yang pada akhirnya berdampak pada keluhan pelanggan. Untuk mengatasi masalah tersebut, maka solusi yang dapat dilakukan adalah bagaimana merancang sistem deteksi kebocoran pipa menggunakan Metode Algoritma Multivariate Regression. Tujuan yang hendak dicapai dari dalam penelitian ini untuk menerepkan metode tersebut yang berguna dalam system deteksi kebocoran pipa untuk membantu tenaga perbaikan dalam mencari titik letak kebocoran. Algoritma Multivariate Regression ialah suatu algoritma untuk model persamaan yang menjelaskan hubungan satu variabel tak bebas atau respon (Y) dengan dua atau lebih variabel bebas atau prediktor (X1, X2,?Xn). Sehingga algoritma tersebut sangat cocok diimplementasikan dalam mencari titik letak kebocoran. Hasil dari algoritma tersebut dapat membantu memberikan jarak kebocoran dari node awal dan node akhir. Sehingga yang diharapkan proses perbaikan dapat lebih efisien karena adanya prediksi letak kebocoran dan juga dapat menghemat waktu sekaligus tenaga.
Ardiyana, Ady Nella 2022. Pemodelan Sistem Deteksi Kebocoran Jaringan Pipa PAM Menggunakan Pendekatan Metode Multivariate Regression. Skripsi, Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Nahdlatul Ulama Sunan Giri. Pembimbing Utama Rahmat Irsyada, M.Pd dan Pembimbing Pendamping Moh. Yusuf Efendi , M.Pd.I, M. A. Judul ini terbentuk dilatar belakang oleh hasil dari keresahan yang dirasakan oleh penulis sekaligus salah satu pengguna dari PAM desa yang ada di Desa Jumok Kecamatan Ngraho Kabupaten Bojonegoro. Dalam mencari kebocoran pada jaringan pipa ini masih menggunakan cara manual untuk mengetahui titik letak kebocoran pipa, sehingga dirasa kurang efektif dan efisien. Akibat dari hal tersebut membutuhkan waktu yang lama dan tenaga lebih, yang pada akhirnya berdampak pada keluhan pelanggan. Untuk mengatasi masalah tersebut, maka solusi yang dapat dilakukan adalah bagaimana merancang sistem deteksi kebocoran pipa menggunakan Metode Algoritma Multivariate Regression. Tujuan yang hendak dicapai dari dalam penelitian ini untuk menerepkan metode tersebut yang berguna dalam system deteksi kebocoran pipa untuk membantu tenaga perbaikan dalam mencari titik letak kebocoran. Algoritma Multivariate Regression ialah suatu algoritma untuk model persamaan yang menjelaskan hubungan satu variabel tak bebas atau respon (Y) dengan dua atau lebih variabel bebas atau prediktor (X1, X2,?Xn). Sehingga algoritma tersebut sangat cocok diimplementasikan dalam mencari titik letak kebocoran. Hasil dari algoritma tersebut dapat membantu memberikan jarak kebocoran dari node awal dan node akhir. Sehingga yang diharapkan proses perbaikan dapat lebih efisien karena adanya prediksi letak kebocoran dan juga dapat menghemat waktu sekaligus tenaga.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
