Perbandingan JST Metode Backpropagation dan Metode Radial Basis dalam Memprediksi Curah Hujan Harian Bandara Internasional Minangkabau

Nursakinah Aulia Fitri, Imam Taufiq

Abstract


Telah dilakukan prediksi curah hujan harian menggunakan jaringan syaraf tiruan dengan beberapa fungsi pelatihan backpropagation dan radial basis. Penelitian ini menggunakan data curah hujan harian dari Badan Meteorologi Klimatologi dan Geofisika Stamet Kelas II Bandara Internasional Minangkabau Padang Pariaman dari tahun 2008 sampai tahun 2018. Penelitian ini bertujuan untuk membandingkan kinerja prediksi curah hujan jaringan syaraf tiruan Backpropagation dan Radial Basis dan menentukan arsitektur jaringan syaraf tiruan terbaik untuk prediksi curah hujan di Bandara Internasional Minangkabau. Untuk metode backpropagation optimisasi dilakukan terhadap jumlah lapisan tersembunyi, jumlah neuron pada lapisan tersembunyi, fungsi transfer, fungsi latih dan jumlah data masukan pada data latih. Untuk metode  radial basis optimisasi dilakukan pada jumlah neuron lapisan tersembunyi, jumlah data masukan pada data latih dan nilai spread. Dari penelitian ini ditemukan hasil terbaik untuk metode backpropagationadalah dengan menggunakan fungsi latih trainlm dan arsitektur (60-70-6-1) dengan tingkat ketepatan prediksi 86,4876%. Untuk metode radial basis hasil terbaiknya diperoleh nilai spread 0,01 dengan arsitektur (60-120-1) dan tingkat ketepatan prediksi 95,3107%. Dengan demikian dapat disimpulkan metode paling bagus untuk prediksi curah hujan harian pada daerah Bandara Internasional Minangkabau adalah metode radial basis.

 

Research on daily rainfall predictions have made by using artificial neural networks with some backpropagation and radial basis training functions. This study used daily rainfall data from the Meteorology Climatology and Geophysics Agency in Class II of the Minangkabau International Airport Padang Pariaman from 2008 to 2018. The purposes of the study is to compare the predicted performance of rainfall in Backpropagation and Radial Neural Networks and determine which one the best artificial neural network architecture for rainfall predictions at Minangkabau International Airport is. For the backpropagation method, optimization is performed on the number of hidden layers, the number of neurons in the hidden layer, the transfer function, the training function and the amount of input data on the training data. For the radial basis optimization method is performed on the number of hidden layer neurons, the amount of input data on the training data and the spread value. From this study found the best results for the backpropagation method were obtained with trainlm and architectural training functions (60-70-6-1) with a prediction accuracy level of 86.4876%. The best results for the radial basis method by value of a spread is 0.01 with architecture (60-120-1) and a predictive accuracy rate of 95.3107%. Thus the best method for the prediction of daily rainfall in the area of the Minangkabau International Airport is the radial basis method.


Full Text:

PDF

References


Halim, dan Wibisono, A.M., Analisis Intensitas Curah Hujan Wilayah Bandung Pada Awal 2010, JurnalMeteorologi dan Geofisika, 12(2), hal. 229-230, 2000.

Iwan, dan Sugeng., Pemodelan Curah Hujan-Limpasan Menggunakan Artificial Neural Network (ANN) dengan Metode Backpropagation, Jurnal Teknik Sipil, 12(4), hal. 35-36, Subang, 2014.

Indrabayu, dan Nadjamudin., Prediksi Curah Hujan dengan Jaringan Saraf Tiruan, Jurnal Teknik Sipil, 6(1), hal. 61-62, Makasar, 2012.

Jayanti, Rahadi, D.S, dan Onny., Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation, Jurnal EECCIS, 7(1), hal. 65-66. Malang, 2013.

Minarti, dan Iman, S.B., Prediksi Terjadinya Hujan Harian dengan Metode Jariingan Syraf Tiruan di Stasiun Meteorologi Bandara Minangkabau, Jurnal Poli Rekayasa, 6(2), hal. 237-238, 2011.

Siang, J,J., Jaringan Syaraf Tiruan, Andi Offset, Yogyakarta, 2009.

Vivekanandan., Modelling of Annual Extreme Rainfall, Temperature and Wind Speed Using OSA of EV1 and EV2 Distributions, International Journal of Innovative Research in Computer Science & Technology (IJIRCS), 3(4), hal. 57-59, Maharashtra, 2015.




DOI: https://doi.org/10.25077/jfu.9.2.217-223.2020

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Nursakinah Aulia Fitri, Imam Taufiq

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License

Published by:

Jurusan Fisika, FMIPA Universitas Andalas

Kampus Unand Limau Manis Padang Sumatera Barat 25163

Telepon 0751-73307

Email:jfu@sci.unand.ac.id