Prediksi Awal Musim Hujan di Waingapu Menggunakan Jaringan Syaraf Tiruan Backpropagation

Abstract

Iklim merupakan salah satu peubah dalam produksi pertanian yang sulit dikendalikan. Di wilayah tropik curah hujan merupakan salah satu unsur iklim yang paling tinggi keragamannya (Swarinoto et al. 2011). Salah satu cara untuk mengantisipasi dampak fenomena iklim ini salah satunya adalah dengan memprediksi awal musim hujan untuk menekan risiko gagal panen. Awal musim hujan (AMH) ialah informasi yang penting dalam penentuan waktu dan pola tanam. Apabila awal musim hujan dinyatakan maju atau mundur dari normalnya, jadwal tanam para petani akan terpengaruh. Fenomena pergeseran musim juga berpotensi menimbulkan kerugian yang besar akibat hilangnya investasi untuk kegiatan penanaman dan kerugian ekonomi akibat gagal panen. Nilai Southern Oscillation Index (SOI) merupakan salah satu indeks global yang dapat digunakan untuk indikator mendeteksi terjadinya fenomena global El Nino dan La Nina di Samudra Pasifik (Irawan 2006). Pemilihan indeks ini berdasarkan fakta bahwa musim di Indonesia dipengaruhi oleh kondisi Samudra Pasifik (Buono et al. 2014). Data anomali Sea Surface Temperature (SST) Nino 3.4 digunakan sebagai acuan karena daerah tersebut mempunyai respon yang baik terhadap fenomena menghangatnya suhu muka laut serta mempunyai korelasi yang cukup kuat terhadap nilai SOI (Syaifullah 2010). SST Nino 3.4 sangat berpengaruh terhadap hujan di Indonesia (Surmaini dan Susanti 2008).