Implementasi algoritma Artificial Neural Network Backpropagation untuk melakukan peramalan curah hujan di Kabupaten Malang

ABSTRAK

Kabupaten Malang merupakan wilayah yang padat akan kegiatan masyarakat di dalamnya, tak jarang bencana dari cuaca buruk dapat menimbulkan kerugian yang besar dan bahkan memakan korban jiwa. Untuk meminimalisir hal tersebut maka dilakukan penelitian yang dapat melakukan peramalan curah hujan. Artificial Neural Network (ANN) merupakan sebuah algoritma yang dapat melakukan prediksi dan pengenalan pola, dengan cara terus belajar memperkecil nilai kesalahan/error-nya, melakukan epoch secara berulang-ulang dan akan berhenti ketika nilai error sudah sesuai target atau sudah mencapai epoch maksimalnya. Dengan menggunakan data historis curah hujan dari tahun 2000 hingga 2020, fungsi aktivasi sigmoid biner, optimasi gradient descent, dan 10 model dengan jumlah hidden layer, neuron, input, learning rate, dan max epoch yang berbeda-beda, penelitian ini menghasilkan hasil terbaik dengan model yang memiliki fitur 1 hidden layer, 5 neuron, 3 input, learning rate 0,1, dan epoch sebanyak 100 kali, dengan MSE sebesar 0,17056, WMAPE 5,6036%, dan akurasi sebesar 94,3964%.

ABSTRACT

Malang is a city in East Java with a dense of human activities in it. Bad weather is one of the most common problems that can cause great damage and casualties. To minimize it, research on rainfall forecasting is carried out. Artificial Neural Network (ANN) is an algorithm that can predict and recognize patterns, by continuing to learn to minimize the value of the error, doing epochs repeatedly, and will stop when the error value is on target or has reached its maximum epoch. By using historical rainfall data from 2000 to 2020, sigmoid activation function, gradient descent optimization, and 10 models with different numbers of hidden layers, neurons, inputs, learning rate, and max epoch. This research finds a model with the best results that have 1 hidden layer, 5 neurons, 3 input, 0.1 learning rate, and 100 max epoch of features, with 0.17056 of MSE, 5.6036% of WMAPE, and 94.3964% of accuracy.

مستخلص البحث

المنطقة مالانج هو إحدى من المناطق في جاوة الشرقية المكتظة بالأنشطة المجتمعية فيها، وليس من النادر أن تتسبب الكوارث الناجمة عن سوء الأحوال الجوية في خسائر فادحة وحتى تودي بالأرواح. لتقليل ذلك، يتم إجراء بحث يمكنه التنبؤ بهطول الأمطار. شبكة عصبونية اصطناعية هي خوارزمية يمكنها التنبؤ والتعرف على الأنماط، من خلال التعلم المستمر لتقليل قيمة الخطأ إلى الحد الأدنى، وتكراره باستمرار وسيتوقف عندما تكون قيمة الخطأ على الهدف أو وصلت إلى الحد الأقصى من التكرار. باستخدام بيانات هطول الأمطار من 2000 إلى 2020، دالة سينية، تابع التفعيل، و 10 نماذج بأعداد مختلفة من الطبقات المخفية، والخلايا العصبية، والمدخلات، ومعدل التعلم، والعصر الأقصى. يجد هذا البحث نموذجًا بأفضل النتائج يحتوي على طبقة واحدة مخفية، و 5 خلايا عصبية، و 3 مدخلات، ومعدل تعليمي 0.1، و 100 حقبة كحد أقصى من الميزات، مع 0.17056 من MSE، و 5.6036٪ من WMAPE، و 94.3964٪ من الدقة.