Cascading Self Organizing Maps Dengan Model Markov Orde Satu Untuk Prediksi Sifat Hujan Harian

Abstract

Prediksi cuaca memiliki peran penting dalam kehidupan kita sehari-hari, salah satunya adalah untuk menciptakan strategi dalam menghasilkan produksi pertanian. Prediksi cuaca yang mana dalam hal ini adalah prediksi sifat hujan harian dapat digunakan untuk menentukan waktu tanam, pemilihan bibit, dan faktor-faktor lain di bidang pertanian, sehingga mengurangi risiko gagal panen. Prediksi sifat hujan harian bisa dimodelkan menggunakan beberapa metode salah satunya model markov orde satu dan model monte carlo. Tujuan dari penelitian ini yaitu melakukan pemodelan untuk prediksi sifat hujan harian menggunakan metode markov orde satu dan metode monte carlo berdasarkan sembilan kelompok kelas kategori sifat hujan harian yang ditentukan menggunakan Self Organizing Maps (SOM). Data yang digunakan dalam penelitian ini adalah data curah hujan harian Waingapu dan Anomali Suhu Permukaan Laut (ASPL) Nino 3.4 tahun 1973-2013. Sebelum melakukan pemodelan data curah hujan aktual ditentukan terlebih dahulu awal musim hujan menggunakan metode Liebmann dan dihitung nilai korelasi dengan ASPL Nino 3.4, korelasi bulan tertinggi dijadikan sebagai input untuk menentukan kelas kategori sifat hujan menggunakan SOM, setelah dikelompokkan menjadi tiga kelas masing-masing kelas dihitung nilai Awal Musim Hujan (AMH), Awal Musim Kemarau (AMK) dan panjang musim untuk menentukan sembilan kelompok kelas kategori sifat hujan, kemudian setelah dikelompokkan menjadi sembilan kelompok kelas kategori sifat hujan masing-masing dimodelkan menggunakan metode markov orde satu dan metode monte carlo sehingga dihasilkan sembilan model markov orde satu dan model monte carlo. Model menggunakan metode markov orde satu memiliki nilai akurasi terkecil 72.73% pada kelas AMH mundur hujan dan nilai akurasi terbesar yaitu 100% pada kelompok kelas AMH mundur dan kelas AMH normal sebelum hujan. Sedangkan model menggunakan monte carlo nilai akurasi terkecil 67.31% pada kelas AMH mundur setelah hujan dan nilai akurasi terbesar 98.68% pada kelas AMH normal sebelum hujan. Model menggunakan markov orde satu maupun monte carlo memiliki hasil akurasi cukup baik, namun model menggunakan markov orde satu menghasilkan nilai akurasi lebih tinggi dari model menggunakan monte carlo.