Penggunaan Analisis Jaringan Syaraf (Neural Network Analysis) untuk Menyusun Model Curah Hujan di Kabupaten Ngawi Jawa Timur.
Abstract
Di Indonesia kejadian perubahan iklim dominan mempengaruhi produksi pertanian dan ketahanan pangan. Jika dilihat dari dampak yang ditimbulkan maka prediksi unsur-unsur iklim khususnya curah hujan sangat dibutuhkan. Salah satunya adalah model prediksi curah hujan menggunakan teknik analisis jaringan syaraf. Analisis Jaringan Syaraf (Neural network Analysis) di daerah Kabupaten Ngawi Jawa Timur. Mengingat pertanian di Kabupeten Ngawi merupakan salah satu matapencaharian terbesar dan merupakan salah satu daerah sentra padi di Jawa Timur. Analisis jaringan saraf merupakan adalah suatu model analisis yang sistem pemodelannya meniru otak manusia dalam proses penyelesaian dan penyimpanan memori. Analisis jaringan syaraf atau NNA sudah banyak diterapkan untuk melakukan prediksi dalam bidang klimatologi dan hidrologi. Adapun keunggulan utama pemodelan jaringan syaraf terletak pada kemampuannya merepresentasikan hubungan-hubungan linear maupun nonlinear, terutama hubungan-hubungan nonlinear yang rumit, langsung dari data mentah. Analisis jaringan syaraf juga mampu menggambungkan antara data spasial dan temporal. Dalam penelitian ini dikembangkan model prediksi curah hujan dengan menggunakan Analisis Jaringan Syaraf (Neural network Analysis) di daerah Kabupaten Ngawi Jawa Timur. Model disusun menggunakan teknik analisis jaringan syaraf propagasi balik. Keluaran model adalah nilai curah hujan pada waktu empat bulan ke depan (Y=CHt+4), sedangkan data masukan yang digunakan adalah kode bulan (t) sebagai (X1), nilai-nilai curah hujan pada saat bulan berjalan (t) sebagai X2, nilai curah hujan pada satu bulan ke depan (t+1) sebagai X3, nilai curah hujan pada dua bulan ke depan (t+2) sebagai X4, nilai curah hujan pada tiga bulan ke depan (t+3) sebagai X5, nilai rata-rata anomali suhu muka laut Zone Nino 3.4 pada waktu t sebagai X6 dan nilai SOI pada bulan t sebagai X7. Hasil penelitian menunjukan bahwa di Stasiun Ngale dihasilkan 96 kombinasi model prediksi, model terbaik diperoleh dari kombinasi delapan simpul jumlah H (Hiden Layer) dengan nilai bobot awal 0.3, error yang dihasilkan sebesar 0.0007 atau setara dengan rata-rata kesalahan 0.4 mm, pada saat iterasi ke 1810, dan nilai R2 sebesar 87%. Di Stasiun Jogorogo model terbaik didapatkan dari kombinasi enam simpul jumlah H dengan nilai bobot awal 0.5, error yang dihasilkan sebesar 0.0009 atau setara dengan rata-rata kesalahan 0.7 mm, pada saat iterasi ke 1247 dan nilai R2 sebesar 77%. Selanjutnya model tersebut digunakan untuk prediksi curah hujan tahun 2008-2009. Curah hujan di Ngale dan Jogorogo pada tahun 2008 dan 2009 diprediksi berada pada kisaran Bawah Normal (CH ≤ 85% Rata-rata Normal) dan Atas Normal (CH ≥ 115% Rata-rata Normal) (BN-AN). Kedua Model yang dihasilkan mampu mencapai nilai-nilai ekstrim dengan lebih baik dibandingkan dengan hasil-hasil penelitian sebelumnya. Penelitian ini telah menggambarkan bahwa data curah hujan hujan empat bulan berturut-turut serta nilai anomali SST dan nilai indeks osilasi selatan (SOI) dapat digunakan untuk memprediksi curah hujan pada empat bulan ke depan.