PEMANFAATAN ARTIFICIAL NEURAL NETWORK DENGAN TEKNIK BACKPROPAGATION UNTUK PRAKIRAAN CUACA DI WILAYAH LAMPUNG

Zulfiani, Ayu and Chairani, Chairani (2024) PEMANFAATAN ARTIFICIAL NEURAL NETWORK DENGAN TEKNIK BACKPROPAGATION UNTUK PRAKIRAAN CUACA DI WILAYAH LAMPUNG. Masters thesis, IIB Darmajaya.

	Text cover.pdf Download (289kB)
	Text Halaman Depan.pdf Download (305kB)
	Text Halaman Pernyataan.pdf Download (2MB)
	Text Halaman Persetujuan.pdf Download (3MB)
	Text Halaman Pengesahan.pdf Download (3MB)
	Text DRH.pdf Download (2MB)
	Text Abstrak.pdf Download (352kB)
	Text KataPengantar.pdf Download (305kB)
	Text Daftar Isi.pdf Download (273kB)
	Text BAB I.pdf Download (350kB)
	Text BAB II.pdf Download (991kB)
	Text BAB III.pdf Download (763kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (330kB)
	Text Daftar Pustaka.pdf Download (626kB)
	Text Lampiran.pdf Download (171kB)

Abstract

Cuaca ekstrim dapat didefinisikan sebagai kondisi cuaca yang tidak normal atau tidak seperti biasanya yang dapat berdampak kepada kerugian harta maupun jiwa. Dalam tugasnya mengantisipasi dampak dari cuaca ekstrim, BMKG mendiseminasikan prakiraan cuaca dan peringatan dini kepada masyarakat, ketika adanya kondisi cuaca ekstrim. Salah satu bentuk dari cuaca ekstrim adalah hujan sedang atau hujan disertai dengan petir. Pada penelitian ini akan dilakukan pennggunaan Artificial Neural Network (Jaringan Saraf Tiruan/JST) dengan teknik Backpropagation Neural Network (BPNN) menggunakan epoch yang berbeda-beda, yaitu epoch 5, 10, 30, 50, dan 100 untuk memprakirakan hujan dengan klasifikasi yaitu hujan ringan, sedang, dan hujan lebat. Algoritma JST dengan menggunakan metode BPNN dapat memprakirakan hujan dengan baik pada prakiraan cuaca jangka pendek. Performa dari model semakin menurun bersamaan dengan panjangnya waktu prakiraan. BPNN dapat melakukan prakiraan hujan terklasifikasi dengan baik, mulai dari hujan ringan, hujan sedang, hingga hujan lebat. Sedangkan metode lainnya seperti Support Vector Machine (SVM) dan Logistic Regression (LR), hanya dapat memprakirakan terjadinya hujan ringan. Pada hujan tanpa klasifikasi, yaitu prakiraan untuk menentukan terjadinya hujan atau tidak, BPNN menunjukkan performa yang paling rendah, dibandingkan SVM dan LR. Kata Kunci: Cuaca Ekstrim, JST, BPNN

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Ayu Ayu Zulfiani
Date Deposited:	21 Feb 2024 02:39
Last Modified:	21 Feb 2024 02:39
URI:	http://repo.darmajaya.ac.id/id/eprint/14768

Actions (login required)

View Item