IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MEMPREDIKSI CUACA (STUDI KASUS : KOTA BENGKULU)

Samuel Agus, Febru Haryanto, Ernawati, Diyah Puspitaningrum
2015 Jurnal Rekursif   unpublished
Abstrak. Penelitian ini bertujuan untuk memprediksi cuaca harian di kota Bengkulu bulan januari 2014 menggunakan data suhu, kelembaban, dan curah hujan hasil pengamatan cuaca harian tahun 2008-2013 dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) stasiun Meteorologi Fatmawati Bengkulu. Sebagai alat prediksi cuaca digunakan metode Jaringan Syaraf Tiruan algoritma Backpropagation. Eksperimen dilakukan dengan menggunakan: a) iterasi maksimum 100, 500, 1000, 1500, 10000, 15000; b) hidden
more » ... 5000; b) hidden layer sejumlah 1, 2, 3, 4, 5, 6, 7, 8, 9, 10; c) error maksimum sebesar 0.01 dan 0.001. hasil terbaik diperoleh menggunakan iterasi maksimum 15000, 7 hidden layer, dan error maksimum 0.001 dengan hasil aktual yang memprediksi secara tepat sebesar 32.25% dan yang memiliki jarak prediksi bergeser 1 kelas cuaca sebesar 42%. Adapun kelas cuaca adalah: 1) hujan sangat ringan (0-5 mm/hari), 2) hujan ringan (6-20 mm/hari), 3) hujan sedang (21-50 mm/hari), 4) hujan lebat (51-100 mm/hari), 5) hujan sangat lebat (>100 mm/hari). Kata kunci : Backpropagation, time series, prediksi cuaca. Abstract: This research aims topredict daily weather Bengkulu City in januari 2014 using data temperature, humidity and rainfall from daily weather observations of Badan Meteorologi Klimatologi dan Geofisika (BMKG) Meteorological station Fatmawati Bengkulu in 2008-2013. As weather prediction tool used method backpropagation Neural Network Algorithm. Experiments using: a) 100, and 15000 of maximum iteration; b) 1, 2, 3, 4, 5, 6, 7, 8, 9, and 10 of hidden layer; c) 0.01 and 0.001 of maximum error. The best result was obtained using the maximum iteration 15000, 7 hidden layers, and the maximum error 0.001 with the actual results that accurately predict amounted to 32.25% and which has a first-class range weather predictions shifted by 42%. The weather class are: 1) very light rain (0-5 mm / day), 2) a light rain (6-20 mm / day),
fatcat:i5fa3g3djjdanoxf4fqjvvgmji