Yoranda, Defanto Hanif (2018) Prediksi Intensitas Curah Hujan Menggunakan Metode Jaringan Saraf Tiruan Backpropagation. Sarjana thesis, Universitas Brawijaya.
Abstract
Intensitas curah hujan merupakan hal yang cukup sulit untuk diprediksi. Banyak hal yang dapat menjadi faktor penentu curah hujan, diantaranya adalah suhu, kecepatan angin, kelembapan udara, tekanan udara, dan lain-lain. Faktor cuaca ini tentu menjadi komponen utama yang sulit untuk diprediksi dan diperhitungkan, oleh karena itu peramalan cuaca merupakan hal yang sangat menarik untuk dibahas, karena akan sangat berguna untuk berbagai macam hal. Banyak metode peramalan yang dapat digunakan untuk melakukan peramalan, seperti Jaringan Saraf Tiruan Backpropagation yang digunakan pada penelitian ini. Penelitian ini akan menggunakan data time-series, yaitu data intensitas curah hujan bulanan yang didapatkan dari 14 stasiun penakar hujan pada tahun 1997 hingga 2016 dari Kabupaten Ponorogo. Pada fase pengujian, data latih yang digunakan merupakan data intensitas curah hujan bulanan pada tahun 1997 hingga 2015 dan data uji yang digunakan yaitu pada tahun 2016. Hasil terbaik dari penelitian ini yaitu MAPE pengujian sebesar 20,28% yang didapatkan dari pelatihan dengan menggunakan data dari stasiun penakar hujan Balong. Proses pelatihan tersebut menggunakan 10 neuron pada input layer, data latih dari tahun 1997 hingga 2015, data uji pada tahun 2016, 40 neuron pada hidden layer, batas MAPE sebesar 20%, dan maksimum iterasi 200000. MAPE pengujian yang dihasilkan tergolong belum maksimal dan terlalu tinggi ini dikarenakan kondisi data yang terdapat banyak nilai 0 didalamnya.
English Abstract
The intensity of rainfall is quite difficult to predict. Many things can be the factor of rainfall, such as temperature, wind speed, humidity, air pressure, and others. This rainfall factor is a major component that is difficult to predict and calculated, therefore rainfall forecasting is a very interesting thing to discuss, because it will be very useful for various things. Many forecasting methods can be used for forecasting, such as the Backpropagation Neural Network used in this study. This research will use time-series data, monthly rainfall data obtained from 14 rain gauge stations in 1997 to 2016 from Kab. Ponorogo. In the testing phase, the training data used is monthly rainfall intensity data from 1997 to 2015 and test data used is from 2016. The best result of this research is test MAPE of 20.28% obtained from training using data from Balong rain gauge station. The training process uses 10 neurons on the input layer, training data from 1997 to 2015, test data from 2016, 40 neurons on the hidden layer, a MAPE limit of 20%, and a maximum of 200000 iterations. Test MAPE is classified as not very well and too high due to there are many 0 values in the data.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/158/051801145 |
Uncontrolled Keywords: | Backpropagation, Jaringan Saraf Tiruan, Curah Hujan Bulanan |
Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Yusuf Dwi N. |
Date Deposited: | 26 Jun 2018 06:53 |
Last Modified: | 26 Oct 2021 08:55 |
URI: | http://repository.ub.ac.id/id/eprint/11624 |
Preview |
Text
BAB III.pdf Download (976kB) | Preview |
Preview |
Text
BAB VI.pdf Download (3MB) | Preview |
Preview |
Text
BAB V.pdf Download (2MB) | Preview |
Preview |
Text
BAB IV.pdf Download (5MB) | Preview |
Preview |
Text
BAB VII.pdf Download (378kB) | Preview |
Preview |
Text
BAGIAN DEPAN.pdf Download (2MB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (386kB) | Preview |
Preview |
Text
LAMPIRAN.pdf Download (4MB) | Preview |
Preview |
Text
BAB I.pdf Download (1MB) | Preview |
Preview |
Text
BAB II.pdf Download (3MB) | Preview |
Actions (login required)
View Item |