IMPLEMENTASI METODE BACKPROPAGATION UNTUK MEMPREDIKSI CURAH HUJAN DI PROVINSI SUMATERA UTARA
Abstract
Tingkat kerugian masyarakat yang tinggi disebabkan oleh terjadinya bencana alam. Hal ini dikarenakan minimnya informasi yang diterima masyarakat tentang potensi bencana di sekitar mereka. Dengan demikian, kesadaran masyarakat akan tanggap bencana sangat rendah. Oleh karena itu, informasi cuaca sangat penting untuk kelancaran aktivitas dan aktivitas manusia, termasuk melihat besarnya curah hujan. Adapun tujuan dari penelitian ini untuk mengetahui model terbaik yang digunakan untuk memprediksi curah hujan di Provinsi Sumatera Utara dan mengetahui trend curah hujan pada tahun yang akan datang. Data yang diambil pada penelitian ini merupakan data time series curah hujan yang terdapat di 6 stasiun di Provinsi Sumatera Utara pada 10 tahun terakhir yang meliputi Stasiun Meteorologi Sibolga, Stasiun Meteorologi Aek Godang, Stasiun Meteorologi Silangit, Balai Besar Meteorologi, Klimatologi dan Geofisika Wilayah I Medan, Stasiun Klimatologi Deli Serdang, dan Stasiun Meteorologi Binaka. Penelitian ini menggunakan metode terbaik dalam memprediksi yaitu metode backpropagation. Hasil yang sudah dilakukan pada data curah hujan Provinsi Sumatera Utara didapat model terbaik dengan iterasi optimal sebesar 1000 iterasi, pada uji coba learning rate didapat learning rate optimal 0,1 dan mendapatkan jumlah node hidden 5 yang terbaik. Pada proses pengujian didapat hasil MSE 0,047 dan 0,022 dan nilai RMSE 0,0022 dan 0,00049.
Kata Kunci: jaringan syaraf tiruan, Backpropagation, Prediksi, Curah Hujan
Full Text:
PDFDOI: https://doi.org/10.24114/j-ids.v2i1.42986
Article Metrics
Abstract view : 110 timesPDF - 155 times
Refbacks
- There are currently no refbacks.
Journal of Informatics and Data Science (J-IDS)
ISSN (Online) : 2964-0415
Published By Computer Science Study Program, Faculty of Mathematics and Natural Sciences, Universitas Negeri Medan.
Website: https://jurnal.unimed.ac.id/2012/index.php/jids/index
Email : jids@unimed.ac.id
This work is licensed under a Creative Commons Attribution 4.0 International License.