EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

Prediksi Curah Hujan Harian di Stasiun Meteorologi Kemayoran Menggunakan Artificial Neural Network (ANN)

Richard Mahendra Putra, Nurhastuti Anjar Rani

Buletin GAW Bariri · 2020

DOI: 10.31172/bgb.v1i2.35 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Buletin GAW Bariri, 2020. Verfasst von Richard Mahendra Putra und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Prakiraan cuaca sangat penting untuk mendukung segala kegiatan aktivitas masyarakat. Untuk menghasilkan prakiraan cuaca yang akurat dibutuhkan pengetahuan dan pengalaman dari prakirawan cuaca yang didukung dengan teknologi pemodelan cuaca. Pada penelitian ini, dilakukan sebuah pemodelan curah hujan menggunakan artificial neural network (ANN) di Stasiun Meteorologi Kemayoran. Pada proses pembuatan model ANN, dibutuhkan pelatihan data menggunakan kondisi cuaca di masa lalu. Data yang digunakan untuk pelatihan dalam membuat model ANN adalah data cuaca harian periode Januari 2011 s.d. Desember 2019 yang selanjutnya diuji dengan menggunakan studi kasus selama periode Januari s.d. Agustus 2020. Variasi model dibuat berdasarkan jenis input dan jumlah hidden layer untuk mengetahui perbedaan penggunaan data prediktor yang digunakan. Kemudian model ANN dibuat dengan menggunakan pendekatan 3 – lapisan yang terdiri dari lapisan input, lapisan tersembunyi, dan lapisan output. Selanjutnya perbandingan model tersebut diuji menggunakan nilai koefisien korelasi (R) dan rata – rata kesalahan absolut (MAE) untuk mengetahui model yang terbaik. Berdasarkan hasil penelitian, prediksi hujan menggunakan data parameter input kondisi cuaca harian berupa suhu udara, kelembaban udara, dan durasi penyinaran matahari memiliki nilai koefisien korelasi (R) sebesar 0.4 – 0.5 dan rata – rata kesalahan absolut (MAE) sebesar 9.7 – 9.8 mm. Sedangkan jika model dibuat dengan parameter input hujan di hari – hari sebelumnya, nilai koefisien korelasi (R) hanya 0.1 – 0.3 dengan nilai rata – rata kesalahan absolut (MAE) sebesar 11.3 – 12.3 mm. Kondisi tersebut menunjukkan bahwa prediktor yang lebih baik digunakan dalam memprediksi hujan harian berdasarkan artificial neural network adalah dengan menggunakan parameter input kondisi cuaca permukaan.

Zitieren

APA

Putra, R. M., & Rani, N. A. (2020). Prediksi Curah Hujan Harian di Stasiun Meteorologi Kemayoran Menggunakan Artificial Neural Network (ANN). Buletin GAW Bariri. https://doi.org/10.31172/bgb.v1i2.35

Vancouver

Putra RM, Rani NA. Prediksi Curah Hujan Harian di Stasiun Meteorologi Kemayoran Menggunakan Artificial Neural Network (ANN). Buletin GAW Bariri. 2020. doi:10.31172/bgb.v1i2.35

BibTeX
@article{Putra2020,
  author = {Putra, Richard Mahendra and Rani, Nurhastuti Anjar},
  title = {Prediksi Curah Hujan Harian di Stasiun Meteorologi Kemayoran Menggunakan Artificial Neural Network (ANN)},
  journal = {Buletin GAW Bariri},
  year = {2020},
  doi = {10.31172/bgb.v1i2.35}
}
Kostenlos starten →