Integrasi SOM dan LVQ untuk Prediksi Klasifikasi Curah Hujan di Musim Kemarau Berbasis Indeks Iklim Global Studi Kasus Kabupaten Indramayu
View/ Open
Date
2013Author
Jaya, Indra Kelana
Buono, Agus
Arkeman, Yandra
Metadata
Show full item recordAbstract
Kabupaten Indramayu adalah sentra produksi padi dan palawija di Provinsi
Jawa Barat. Kabupaten Indramayu rentan terhadap bahaya kekeringan yang
berdampak terhadap gagal panen (puso) dibandingkan dengan dampak kebanjiran
dan organisme penggangu tanaman. Untuk meminimalkan resiko gagal panen
pada saat kekeringan maka perlu dikembangkan model prediksi.
Model prediksi yang dikembangkan adalah mengklasifikasikan intensitas
total curah hujan di musim kemarau. Penelitian ini berfokus di musim kemarau
pada bulan Mei, Juni, Juli dan Agustus (MJJA). Model ini menggunakan data
masukan indeks iklim global yaitu Indian Ocean Dipole (IOD), Southern
Oscillation Index (SOI) dan Sea Surface Temperature (SST). Pemilihan indeks
iklim global ini bertujuan melihat pengaruh indeks iklim global terhadap
intensitas curah hujan di Indramayu pada musim kemarau.
Klasifikasi curah hujan dibagi menjadi 3 kelas. Kelas curah hujan tersebut
adalah intensitas curah hujan rendah (kelas 1), sedang (kelas 2) dan intensitas
curah hujan tinggi (kelas 3). Analisa korelasi digunakan untuk memilih peubah
indeks iklim global yang mempengaruhi intensitas curah hujan di musim
kemarau. Hasil analisa korelasi akan dijadikan sebagai masukan untuk klasifikasi
kelas curah hujan.
Metode yang digunakan untuk mengklasifikasikan kelas curah hujan adalah
self-organizing map (SOM), learning vector quantization (LVQ) dan integrasi
self-organizing map dengan learning vector quantization. Teknik Z-score
digunakan untuk menormalisasi data indeks iklim global. Pemilihan peubah
prediktor menggunakan analisa korelasi Pearson. Pemilihan data latih dan data uji
menggunakan metode leave one out cross validation (LOOCV). Pengujian model
menggunakan metode pengukuran jarak Euclidean.
Klasifikasi curah hujan dilakukan dengan 6 skenario, 100 epoch dan laju
pembelajaran yang bervariasi. Akurasi terbaik metode SOM diperoleh
berdasarkan hasil analisa komponen utama. Akurasi terbaik metode LVQ
diperoleh berdasarkan analisa korelasi Pearson dan analisa komponen utama.
Akurasi terbaik metode integrasi SOM dan LVQ berdasarkan hasil analisa
korelasi Pearson. Metode SOM, LVQ dan SOM+LVQ dapat mengklasifikasikan
kelas intensitas curah hujan di musim kemarau (MJJA) dengan baik.