IMPLEMENTASI ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI CURAH HUJAN MENGGUNAKAN METODE BACKPROPAGATION

SAPUTRA, DIAS GALIH (2022) IMPLEMENTASI ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI CURAH HUJAN MENGGUNAKAN METODE BACKPROPAGATION. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (31kB)
	Text COVER.pdf Download (161kB)
	Text DAFTAR ISI.pdf Download (83kB)
	Text DAFTAR PUSTAKA.pdf Download (86kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (493kB)
	Text PENGESAHAN PENGUJI.pdf Download (503kB)
	Text SKRIPSI FULL_DIAS GALIH SAPUTRA_123170038.pdf Restricted to Repository staff only Download (3MB)

Abstract

Curah hujan yang terjadi di suatu wilayah dapat diprediksi namun tidak dapat
ditentukan secara pasti. Prediksi curah hujan dapat dilakukan dengan memanfaatkan faktor�faktor yang mempengaruhi terjadinya hujan, seperti kelembapan dan suhu udara. Penelitian
terkait prediksi curah hujan dilakukan dengan data harian. Hal ini cukup untuk menyelesaikan
masalah prediksi curah hujan harian namun tidak dapat digunakan untuk memprediksi curah
hujan secara realtime. Penelitian ini bertujuan untuk menguji permasalahan prediksi realtime
tersebut. Penelitian ini akan menggabungkan Artificial Neural Network, data timeseries, dan
data real-time untuk menguji pengaruh data real-time terhadap prediksi curah hujan.
Dalam penelitian ini prediksi dilakukan dengan metode Artificial Neural Network dan
menggunakan data realtime sebagai data training dan testing agar mendapatkan model yang
dapat digunakan untuk prediksi curah hujan dengan data real-time (data real-time yang
digunakan dalam penelitian ini dalam skala menit). Penelitian ini menggunakan data harian
dan data real-time untuk menguji pengaruh penggunaan data real-time pada akurasi prediksi.
Data harian digunakan untuk proses pelatihan dan data real-time digunakan untuk proses
pengujian. Proses penelitian ini dimulai dari pengumpulan data, preprocessing, proses ANN,
pengujian arsitektur, dan pengujian penelitian. Arsitektur ANN yang digunakan adalah 7
neuron pada input layer, 8 neuron pada hidden layer, dan 1 neuron pada output layer.
Hasil prediksi dengan data harian saja memperoleh MSE sebesar 0.042, sedangkan
prediksi dengan data real-time saja memperoleh MSE sebesar 0.021, dan prediksi dengan
gabungan data harian dan data real-time memperoleh MSE sebesar 0.009. Selain nilai MSE
yang lebih kecil, penelitian ini juga menghasilkan akurasi yang baik untuk prediksi curah hujan.
Nilai akurasi yang diperoleh pada prediksi curah hujan real-time skala menit adalah 96,72%.
Berdasarkan hasil MSE yang rendah dan akurasi yang tinggi dapat disimpulkan bahwa dengan
menggabungkan data harian dan data real-time terbukti berpengaruh dan meningkatkan akurasi
prediksi curah hujan dengan Artificial Neural Network.
Kata Kunci : Prediksi, Artificial Neural Network, Curah Hujan

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Prediksi, Artificial Neural Network, Curah Hujan
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	25 Aug 2022 02:50
Last Modified:	25 Aug 2022 02:50
URI:	http://eprints.upnyk.ac.id/id/eprint/30786

Actions (login required)

View Item