Utomo, MChandraCahyo (2017) Optimasi Metode Fuzzy Neural Networks Untuk Prakiraan Trend Curah Hujan Di Area Puspo, Sumber, Tosari, Dan Tutur - Jawa Timur. Magister thesis, Universitas Brawijaya.
Abstract
Prakiraan Tren Curah Hujan sangat dibutuhkan oleh beberapa sektor khususnya sektor pertanian dan penampungan air di area Puspo, Sumber, Tosari, dan Tutur - Jawa Timur. Curah hujan biasa diprakirakan secara timeseries karena memiliki tiga pola yang teratur yaitu pola siklus, musim dan tren. Pada beberapa tempat di area tropis, Prakiraan Tren Curah Hujan masih merupakan kasus yang sulit diselesaikan. Kesulitan tersebut disebabkan karena curah hujan terjadi karena melibatkan kondisi yang kurang pasti atau kurang jelas. Selain itu, kesulitan lain dalam menyelesaikan kasus Prakiraan Tren Curah Hujan adalah tren curah hujan yang sering kali berubah seiring dengan pergantian iklim dan musim. Untuk menghadapi kedua kesulitan tersebut maka penulis mengusulkan metode pendekatan hybrid antara metode pendekatan Logika Fuzzy dan Jaringan Syaraf Tiruan (Artificial Neural Networks (ANN)) yang biasa disebut sebagai Fuzzy Neural Networks (FNN). Metode Pendekatan Logika Fuzzy mampu mengolah nilai-nilai dari faktor yang kurang pasti atau kurang jelas tersebut sedangkan ANN mampu menghadapi tren yang seringkali berubah tersebut. Akan tetapi untuk membangun metode pendekatan FNN juga memiliki kesulitan yaitu menentukan bobot-bobot jaringan yang sesuai. Untuk menghadapi kesulitan tersebut maka penulis mengusulkan Particle Swarm Optimization (PSO) untuk menentukan bobot-bobot awal. Penelitian ini menggunakan studi kasus di empat area Jawa Timur yaitu Puspo, Sumber, Tosari dan Tutur. Penggunaan keempat wilayah tersebut karena diketahui memiliki kemiripan pola tren dan dapat saling mempengaruhi curah hujan yang terjadi satu sama lain. Dataset yang digunakan berupa nilai curah hujan harian yang disusun secara timeseries selama sepuluh tahun. Metode pendekatan yang diusulkan penulis yaitu algoritma FNN yang dioptimasi menggunakan PSO telah dibandingkan dengan beberapa metode pendekatan lain seperti model Generalized Space Time Auto-Regresive (GSTAR), standard Fuzzy Sugeno, standard ANN, standard ANN yang dioptimasi menggunakan PSO, dan FNN yang tidak dioptimasi dengan PSO. Hasil perbandingan menunjukkan bahwa metode pendekatan yang diusulkan penulis mampu memberikan tingkat RMSE yang paling rendah jika dibandingkan beberapa metode pendekatan lain untuk kasus Prakiraan Curah Hujan.
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/006.32/UTO/o/2017/041702365 |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence |
| Divisions: | S2/S3 > Magister Ilmu Komputer, Fakultas Ilmu Komputer |
| Depositing User: | Nur Cholis |
| Date Deposited: | 30 May 2017 11:06 |
| Last Modified: | 30 May 2017 11:06 |
| URI: | http://repository.ub.ac.id/id/eprint/155438 |
Actions (login required)
 |
View Item |