Prediksi curah hujan menggunakan metode Adaptive Neuro-Fuzzy Inference System

ABSTRAK:

Curah hujan merupakan salah satu parameter penting dalam sistem iklim yangberpengaruh besar terhadap sektor pertanian, pengelolaan sumber daya air, serta mitigasibencana. Fluktuasi curah hujan yang tinggi dan pola yang bersifat non-linier menyebabkankebutuhan akan model prediksi yang akurat. Penelitian ini bertujuan untuk membangunmodel prediksi curah hujan harian menggunakan metode Adaptive Neuro-Fuzzy InferenceSystem (ANFIS). Data yang digunakan diperoleh dari BMKG Kota Padang dengan periodelima tahun (2020–2024) sebanyak 1.826 data harian yang terdiri dari delapan parameteriklim, yaitu suhu minimum, suhu maksimum, suhu rata-rata, kelembapan, penyinaranmatahari, kecepatan angin maksimum, arah angin maksimum, dan kecepatan angin rata-rata. Pra-pemrosesan data dilakukan dengan menghapus nilai yang hilang (missing value),penghapusan outlier menggunakan metode Interquartile Range (IQR), serta normalisasimenggunakan metode Min-Max. Model ANFIS dievaluasi dengan tiga skenario pembagiandata, yaitu 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan bahwa model memilikitingkat akurasi yang bervariasi pada setiap rasio. Nilai MAE berkisar antara 9,81 hingga10,74 mm, RMSE sebesar 16,18 hingga 16,70 mm, dan nilai koefisien determinasi (R²)yang rendah pada rentang 0,07 hingga 0,17. Hal ini menunjukkan bahwa kemampuangeneralisasi model masih kurang, terutama dalam memprediksi kejadian curah hujandengan intensitas tinggi. Model ini lebih baik dalam memprediksi kondisi tidak hujan atauhujan ringan, namun kurang akurat untuk hujan sedang hingga sangat lebat. Hasil penelitianini menunjukkan bahwa metode ANFIS dapat digunakan sebagai baseline untuk prediksicurah hujan harian, namun masih memerlukan pengembangan lebih lanjut, sepertipenambahan variabel input, penyesuaian fungsi keanggotaan, dan penerapan metode hibridatau algoritma optimasi guna meningkatkan akurasi model, khususnya pada prediksikejadian ekstrem

ABSTRACT:

Rainfall is one of the key parameters in the climate system that significantly impacts agriculture, water resource management, and disaster mitigation. The high variability and non-linear patterns of rainfall create a strong demand for accurate prediction models. This study aims to develop a daily rainfall prediction model using the Adaptive Neuro-Fuzzy Inference System (ANFIS) method. The dataset was obtained from the Meteorological, Climatological, and Geophysical Agency (BMKG) of Padang City, covering five years (2020–2024) with 1,826 daily records. It includes eight climatic parameters: minimum temperature, maximum temperature, average temperature, humidity, solar radiation, maximum wind speed, maximum wind direction, and average wind speed. Data preprocessing was applied through handling missing values, outlier removal using the Interquartile Range (IQR) method, and normalization using the Min-Max method. The ANFIS model was evaluated under three data-splitting scenarios: 70:30, 80:20, and 90:10. The evaluation results showed that the model produced varying accuracy levels across different splits. The Mean Absolute Error (MAE) ranged from 9.81 to 10.74 mm, while the Root Mean Square Error (RMSE) ranged from 16.18 to 16.70 mm. The coefficient of determination (R²) was relatively low, ranging from 0.07 to 0.17, indicating that the model's generalization ability is still limited, particularly in predicting high-intensity rainfall events. The model performs better in predicting no-rain or light rain conditions but struggles with moderate to heavy rainfall predictions. This study concludes that the ANFIS method can serve as a baseline model for daily rainfall prediction; however, further development is needed to improve its accuracy. Potential improvements include adding more input variables, optimizing membership functions, and implementing hybrid approaches or optimisation algorithms to enhance performance, especially in forecasting extreme rainfall events.

مستخلص البحث:

ُعَد ُّ هطول األمطار أحد العناصر األساسية يف النظام املناخي، وله أتثري يمن الكوارث. إن التقلب العايل واألمناط غري اخلطية هلطول األمطار يفرضان احلاجة إىل مناذج دقيقة للتنبؤ. يهدف هذا البحث إىلبناء منوذج لتنبؤ هطول األمطار اليومي ابستخدام طريقة نظام االستدالل العصيب الضبايب التكيفي )ANFIS(. مت احلصول علىكالة األرصاد اجلوية وعلم املناخ واجليوفيزايءالبياانت من و )BMKG) )2024-2020يف مدينة ابدانغ خالل فرتة مخس سنوات (ا. تشمل البياانت مثانية معايري مناخية، وهي: درجة احلرارة الدنيا، درجة احلرارة القصوى، متوسط درجةاا يوميسجال 1826 بواقعالرايح. متت معاجلة البياانت احلرارة، الرطوبة، مدة اإلشعاع الشمسي، سرعة الرايح القصوى، اجتاه الرايح القصوى، ومتوسط سرعةمن خالل التعامل مع القيم املفقودة، وإزالة القيم الشاذة ابستخدام طريقة النطاق الربعي )IQR(، والتطبيع ابستخدام طريقة Min-Max. مت تقييم منوذج ANFIS . أظهرت نتائج التقييم90:10و ،80:20 ،70:30 ابستخدام ثالث نسب لتقسيم البياانت:أن دقة النموذج ختتلف ابختالف نسب التقسيم. تراوحت قيمة متوسط اخلطأ املطلق )MAE( ملم، واالحنراف 10.74و 9.81 بنيللخطأ الرتبيعي اجلذري )RMSE( كانت بينما ملم، 16.70و 16.18 بنياملدخ املتغريات من املزيد إضافة مثل الدقة، لتحسني التطوير من اامزيد تتطلب لكنها اليومي، األمطار هبطول للتنبؤ أساسي قيموذجالق األمطار حباالت التنبؤ يف خاصة النموذج، أداء لتعزيز حتسني خوارزميات أو هجينة طرق وتطبيق االنتماء، وظائف وحتسني لة،صوى.ة معامل التحديد )R²( ، مما يدل على أن قدرة النموذج على التعميم ما زالت0.17و 0.07 منخفضة، حيث تراوحت بنيالتنبؤ حباالت عدم هطول األمطار أو األمطار اخلفيفة اا يف جيداالنموذج أداء حمدودة، خاصة يف التنبؤ هبطول األمطار الغزيرة. أظهر،