Efek Fungsi Aktivasi Dalam Performa Jaringan Saraf Tiruan Untuk Peramalan Cuaca Dan Iklim
Jurnal Sains dan Pendidikan Fisika · 05.12.2025 · 21 (3) · 299-311
DOI: 10.35580/jspf.v21i3.11760 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Sains dan Pendidikan Fisika, online erschienen am 05.12.2025. Verfasst von Muhammad Arief Fitrah Istiyanto Aslim und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
Prediksi cuaca dan iklim semakin bergantung pada model jaringan saraf yang mampu merepresentasikan hubungan nonlinier dalam data meteorologi. Kinerja model tersebut dipengaruhi oleh pemilihan fungsi aktivasi yang menentukan proses transformasi nonlinier dan pembelajaran pola dalam jaringan. Penelitian ini menyajikan tinjauan literatur mengenai peran fungsi aktivasi dalam peramalan cuaca dan iklim berbasis jaringan saraf dengan menelaah berbagai arsitektur seperti multilayer perceptron, feed-forward neural network, dan dynamic neural network. Hasil kajian menunjukkan bahwa fungsi aktivasi sigmoid dan hiperbolik tangen dengan keluaran linear sering memberikan kinerja yang baik, meskipun tidak terdapat satu fungsi aktivasi yang optimal untuk semua variabel meteorologi.
Zitieren
APA
Aslim, M. A. F. I., Ihsan, N., & Arsyad, M. (2025). Efek Fungsi Aktivasi Dalam Performa Jaringan Saraf Tiruan Untuk Peramalan Cuaca Dan Iklim. Jurnal Sains dan Pendidikan Fisika, 21(3), 299-311. https://doi.org/10.35580/jspf.v21i3.11760
Vancouver
Aslim MAFI, Ihsan N, Arsyad M. Efek Fungsi Aktivasi Dalam Performa Jaringan Saraf Tiruan Untuk Peramalan Cuaca Dan Iklim. Jurnal Sains dan Pendidikan Fisika. 2025;21(3):299-311. doi:10.35580/jspf.v21i3.11760
BibTeX
@article{Aslim2025,
author = {Aslim, Muhammad Arief Fitrah Istiyanto and Ihsan, Nasrul and Arsyad, Muhammad},
title = {Efek Fungsi Aktivasi Dalam Performa Jaringan Saraf Tiruan Untuk Peramalan Cuaca Dan Iklim},
journal = {Jurnal Sains dan Pendidikan Fisika},
year = {2025},
volume = {21},
number = {3},
pages = {299--311},
doi = {10.35580/jspf.v21i3.11760}
}
EUVIMED