Penyusunan metode prediksi sifat hujan bulanan menggunakan neurofuzzy modeling

Abstract

Informasi keadaan iklim dan cuaca saat ini telah menjadi kebutuhan bagi masyarakat Indonesia, terutama informasi tentang jumlah maupun sifat curah hujan. Hal ini mengimplikasikan perlunya metode prediksi curah hujan yang akurat sehingga dapat memberikan informasi kepada masyarakat secara lebih baik dan mendekati kenyataan. Metode pendugaan curah hujan yang selama ini digunakan oleh instansi resmi (BMG) belum secara optimal menghasilkan tingkat akurasi yang baik, hal ini terlihat dengan tingkat akurasi yang masih kecil (di bawah 50%). Penelitian ini merancang metode prediksi curah hujan pada dua kelompok data (75% data training, 25% data testing dan 50% data training dan 50% data testing) menggunakan neurofuzzy modeling berstruktur ANFIS dengan pembentukan arsitektur jaringan menggunakan metode subtractive clustering dan regression tree. Pelatihan jaringan menggunakan algoritma backpropagation dan hybrid. Model ANFIS terbaik dihasilkan melalui pembentukan jaringan menggunakan regression tree dan algoritma pembelajaran menggunakan algoritma hybrid dengan kesalahan pengujian (chkRMSE) sebesar 0.172047 pada kelompok data kedua (50%training, 50% testing). Dalam implementasinya terhadap prediksi sifat curah hujan menghasilkan akurasi sebesar 85,71% untuk periode (Oktober 1998 - April 1999) dan 91,67% untuk periode (Mei 1998 April 1999).