Penerapan jaringan syaraf tiruan untuk peramalan curah hujan dalam statistical

Abstract

Informasi tentang banyaknya curah hujan sangat berguna bagi para petani dalam mengantisipasi kemungkinan terjadinya peristiwa-peristiwa ekstrim (kekeringan dan kebanjiran) yang akan berakibat kegagalan dalam proses produksinya. Dengan demikian ketersediaan informasi ini memerlukan suatu metode peramalan curah hujan yang akurat. Kajian dampak curah hujan biasanya mempertimbangkan berbagai perubahan curah hujan regional pada berbagai resolusi spasial maupun temporal. Beberapa model statistika yang sudah dikembangkan di Indonesia untuk menganalisis data temporal, antara lain model deret waktu dan model jaringan syaraf tiruan (JST). Saat ini model-model untuk mengantisipasi keragaman perubahan curah hujan dalam ruang dan waktu belum menggunakan data sirkulasi atmosfir (data spasial- temporal) yang diperoleh dari luaran (output) model sirkulasi umum (General Circulation Model GCM). Penelitian ini melakukan peramalan curah hujan dengan menggunakan data GCM dan algoritma JST. Teknik pembelajaran JST yang digunakan dalam metode peramalan curah hujan ini adalah JST Propagasi Balik Standar dengan arsitektur banyak lapis yaitu satu lapisan input, satu lapisan tersembunyi dan satu lapisan output. Keakuratan hasil prediksi JST diukur berdasarkan R² dan RMSE- nya. Ujicoba terhadap sistem telah dilakukan JST dalam peramalan curah hujan dan hasilnya dibandingkan dengan metode principal component regression (PCR). Hasil peramalan curah hujan menggunakan metode PCR menghasilkan R sebesar 63%, sedangkan peramalan dengan menggunakan metode jaringan syaraf tiruan propagasi balik menghasilkan R² sebesar 74% menunjukkan adanya peningkatan R² sebesar 11% dan penurunan RMSE sebesar 9. Berdasarkan ujicoba tersebut dapat diperoleh kesimpulan bahwa JST dapat digunakan untuk memperbaiki tingkat pendugaan curah hujan dengan menggunakan data GCM daripada metode PCR.