PENGGUNAAN JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK PREDIKSI CURAH HUJAN BERBASIS WEBSITE

Abstract

Informasi curah hujan bulanan sangat diperlukan dalam perencanaan irigasi dan bangunan air, perencanaan infrastruktur, pertanian, transportasi dan juga telekomunikasi. Dengan adanya perbedaan sifat curah hujan bulanan setiap tahunnya, kita tidak dapat memprediksi sifat curah hujan yang akan terjadi pada tahun berikutnya. Backpropagation adalah salah satu metode dalam Jaringan Syaraf Tiruan (JST) yang digunakan untuk prediksi. Jaringan syaraf tiruan (JST) merupakan salah satu sistem pemrosesan informasi yang meniru cara kerja otak manusia. JST mempunyai kemampuan untuk memberikan keputusan terhadap data yang telah dipelajari sebelumnya. Pada penelitian ini, JST Backpropagation menggunakan 3 neuron  berupa variabel input yaitu data curah hujan bulanan 3 tahun sebelumnya dengan target curah hujan bulanan tahun berikutnya, 1 lapisan tersembunyi dengan 3 neuron, Pada pengujia ini ditentukan nilai parameter learning rate (α) dimulai dari 0.01, 0.03, 0.05, 0.09 dan 0.1, sedangkan batasan epoch yang digunakan dimulai epoch 1000, epoch 1500 dan epoch 2000, dan nilai ambang batas (threshold) 0.0001, 0.00001 dan 0.000001, dalam proses pembelajaran dilakukan 5 kali pengujian terhadap data curah hujan bulanan. Akurasi MSE tekecil yang didapat pada pengujian paramater ini yaitu 0,005 terdapat pada learning rate 0,1 dengan epoch ke 2000, dari semua pengujian parameter yang dilakukan memiliki hasil prediksi yang sama yaitu dari 12 bulan terdapat 9 bulan yang sesuai dengan target dan 3 bulan yang tidak sesuai target terhadap data curah hujan bulanan tahun 2017. Sehingga kelayakan sistem yang didapatkan dari pengujian tersebut adalah 91,67%.