Prediksi curah hujan berdasarkan parameter cuaca berbasis jaringan saraf tiruan di Kabupaten Nganjuk

ABSTRAK

Prediksi curah hujan yang akurat sangat penting untuk layanan peringatan bencana hidrometeorologi atau bencana yang disebabkan oleh hujan, sehingga diperlukan akurasi yang tinggi dalam membuat prediksi curah hujan. Jaringan Saraf Tiruan (JST) menjadi trend dibidang komputer karena memberikan hasil akurasi terbaik dalam melakukan prediksi. Jaringan saraf tiruan sangat kuat dalam mengenali pola-pola data untuk memodelkan dan mempediksi curah hujan. Tujuan penelitian ini adalah untuk mengetahui model JST yang sesuai dalam memprediksi curah hujan menggunakan algoritma Backpropagation (BP) dan algoritma Levenberg marquardt (LM). Data yang digunakan sebanyak 120 data yang terdiri dari temperatur, kelembaban, tekanan, kecepatan angin dan penyinaran matahari. Untuk mendapatkan prediksi yang akurat dilakukan perhitungan dengan memvariasikan jumlah data input dan outputnya juga memvariasikan jumlah neuron pada hiden layernya. Perfoma kinerja terbaik suatu model didasarkan pada nilai MSE (Mean Square Error). Diperoleh kesimpulan bahwa algoritma Backpropagation menunjukkan kinerja yang lebih baik dibandingkan algoritma pembelajaran Levenberg marquardt. Penambahan jumlah neuron pada hidden layer akan menghasilkan kinerja yang maksimal. Algoritma Backpropagation BP – E5 dengan komposisi data 90% data input, 10% data output (90:10) dan jumlah neuron 100 pada hidden layer adalah metode yang sesuai untuk prediksi curah hujan di Kabupaten Nganjuk. Algoritma Backpropagation BP – E5 menunjukkan perfoma kinerja yang lebih baik dengan nilai MSE pada saat pelatihan 0.00999 dicapai pada epoch ke 27127 dalam waktu 4 detik dan nilai MSE pada saat dilakukan pengujian sebesar 0,02381.

مستخلص البحث

إنّ عدّ التنبؤ الدقيق بهطول الأمطار أمر ضروري لخدمات التحذير من كوارث الأرصاد الجوية المائية أو الكوارث التي تسببها الأمطار، لذلك يلزم دقة عالية في التنبؤ بهطول الأمطار. أصبحت شبكة العصبية الصناعية (Artificial Neural Network) اتجاهاً في مجال أجهزة الكمبيوتر لأنها توفر أفضل دقة في عمل التنبؤات. كان شبكة العصبية الصناعية أقوى جهاز في تعرف على أنماط البيانات لنمذجة هطول الأمطار والتنبؤ به. أهداف هذا البحث هو معرفة نموذج ANN المناسب في التنبؤ بهطول الأمطار باستخدام خوارزمية Backpropagation وخوارزمية Levenberg marquardt. البيانات المستخدمة هي 120 بيانات تتكون من درجة الحرارة والرطوبة والضغط وسرعة الرياح والإشعاع الشمسي. للحصول على تنبؤات دقيقة، يتم إجراء الحسابات عن طريق تنوع كمية بيانات الإدخال والإخراج وكذلك تنوع عدد الخلايا العصبية (neuron) في الطبقة المخفية (hiden layer).يعتمد أفضل أداء للنموذج على قيمة MSE (Mean Square Error). تم استنتاج أن خوارزمية Backpropagation تظهر أداء أفضل من خوارزمية Levenberg marquardt. ستؤدي زيادة عدد الخلايا العصبية في الطبقة المخفية إلى أقصى قدر من الأداء. كانت خوارزمية Backpropagation BP - E5 مع تكوين بيانات 90٪ بيانات الإدخال و 10٪ بيانات الإخراج (90:10) و 100 خلية عصبية في الطبقة المخفية طريقة مناسبة للتنبؤ بهطول الأمطار في مدينة نجانجوك. تُظهر خوارزمية Backpropagation BP - E5 أداءً أفضل بقيمة MSE أثناء التدريب 0.00999 الذي تم تحقيقه في العصر 27127 في 4 ثوانٍ وقيمة MSE أثناء اختبار هي 0.02381.

ABSTRACT

Accurate prediction of rainfall is very important for warning services for hydrometeorological disasters or disasters caused by rain, so high accuracy is required in making predictions of rainfall. Artificial Neural Networks (ANN) are becoming a trend in the field of computers because they provide the best accuracy in making predictions. Artificial neural networks are very powerful in recognizing data patterns to model and predict rainfall. The purpose of this study was to find out which ANN models are suitable for predicting rainfall using the Backpropagation (BP) and Levenberg marquardt (LM) algorithms. The data used is 120 data consisting of temperature, humidity, pressure, wind speed and solar radiation. To get accurate predictions, calculations are carried out by varying the amount of input and output data as well as varying the number of neurons in the hidden layer. The best performance of a model is based on the MSE (Mean Square Error) value. It was concluded that the Backpropagation algorithm shows better performance than the Levenberg marquardt learning algorithm. Increasing the number of neurons in the hidden layer will result in maximum performance. The BP – E5 Backpropagation Algorithm with a data composition of 90% input data, 10% output data (90:10) and 100 neurons in the hidden layer is a suitable method for predicting rainfall in Nganjuk Regency. The BP – E5 Backpropagation Algorithm shows better performance with an MSE value during training of 0.00999 achieved at epoch 27127 in 4 seconds and an MSE value during testing of 0.02381.