Prasetyo,Tito (2012) Peramalan Curah Hujan Dengan Jaringan Syaraf Tiruan Backpropagation Menggunakan Algoritma Pelatihan Quasi Newton Bfgs. Sarjana thesis, Universitas Brawijaya.
Abstract
Curah hujan mempunyai pengaruh yang kuat dalam kehidupan, terutama pada produksi pertanian. Selain mempengaruhi sistem pertanian, intensitas curah hujan juga berdampak pada siklus hidrologi kawasan daerah aliran sungai. Maka dari itu, peramalan curah hujan merupakan alat yang penting dalam suatu perencanaan di masa yang akan datang. Adanya kecerdasan buatan dan salah satunya adalah Jaringan Syaraf Tiruan (JST) sangat membantu dalam proses peramalan curah hujan. Metode yang digunakan adalah metode backpropagation dengan menggunakan algoritma pelatihan Quasi-Newton BFGS . Metode ini bekerja dengan memproses data curah hujan untuk dikenali polanya dalam proses pelatihan. Selama proses pelatihan, masing-masing bobot koneksi dipropagasikan ke seluruh unit dengan metode pelatihan perambatan balik ( backpropagation ). Pada tahap ini, algoritma Quasi-Newton BFGS digunakan untuk memperbaiki bobot. Data yang digunakan sebagai masukan adalah data curah hujan kota Salatiga, Jawa Tengah tahun 2004-2007. Tolok ukur keberhasilan sistem peramalan curah hujan ini adalah dengan menghitung nilai Mean Square Error (MSE). Penelitian ini menghasilkan struktur JST dengan kombinasi 12 neuron input dan 9 neuron hidden , dengan jumlah nilai learning rate 0,2. nilai target error 0,0001 dan jumlah epoch sebesar 10000. JST yang terbentuk mampu melakukan peramalan curah hujan dengan nilai MSE pelatihan sebesar 0,004459755 dan MSE peramalan sebesar 0,0267102661781464.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2012/78/051200655 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 03 Jul 2012 09:02 |
| Last Modified: | 25 Oct 2021 01:21 |
| URI: | http://repository.ub.ac.id/id/eprint/153339 |
Preview |
Text
051200655.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |