Implementasi Jaringan Syaraf Tiruan Untuk Prediksi Kondisi Cuaca Harian di Stasiun Meteorologi Soekarno Hatta (original) (raw)
Related papers
Komputa : Jurnal Ilmiah Komputer dan Informatika, 2015
Indonesia terkenal dengan Negara yang beriklim tropis. Selain dari itu, Indonesia memiliki daratan yang luas tetapi memiliki luas laut yang tidak kalah luas dari daratannya, selain itu Indonesia tentunya memiliki curah hujan yang cukup tinggi, dilihat dari sekeliling Indonesia adalah lautan yang luas, sehingga proses penguapan dan pengumpulan awan-awan semakin cepat dan proses hujan pun akan terjadi dapat setiap hari. Negara tropis selalu memprediksi tiga kemungkinan, yakni : hujan, berawan dan panas/cerah. Curah hujan didapat menggunakan bantuan alat yang bernama automatic weather stasion. Alat tersebut disimpan di beberapa titik di pulau Batam, di antaranya adalah : Nongsa, Mukakuning, Jembatan 2 Barelang, Sekupang, Pagoda, Sei Beduk, Sengkuang, Punggur, dan Batu Ampar. Sehingga data yang di dapat dari setiap titik yang ada, dapat membantu petugas kantor stasiun meteorologi Hang Nadim Batam menginformasikan ke semua orang yang membutuhkan data tersebut. Jaringan syaraf tiruan bany...
Implementasi Jaringan Syaraf Tiruan Untuk Prediksi Cuaca Pada Plta Sumatera Barat
JITSI : Jurnal Ilmiah Teknologi Sistem Informasi
Atmosfer yang sering berubah tidak menentu pada saat sekarang ini menyebabkan perkiraan cuaca tidak dapat diprediksi dengan benar[1]. Dengan penggunaan metode Neural Network (NN) untuk prediksi cuaca dapat memperkirakan keadaan cuaca dengan lebih akurat[2]. Dengan bantuan Algoritma backpropagationyang umum digunakan untuk keperluan data training, yang dapat membandingkan setiap contoh data. Dalam setiap proses yang terjadi sehingga mendapatkan nilai yang minimal pada Mean Square Error (MSE)[1]. Pengembangan program ini nantinya akan berbasis website sehingga semua yang membutuhkan informasi seputar perkiraan cuaca untuk beberapa bulan kedepan nya bisa melihat atau mencari dengan mudah.
Buletin GAW Bariri
Prakiraan cuaca sangat penting untuk melindungi kehidupan dan harta benda. Prakiraan suhu penting untuk sektor pertanian dikarenakan ketika suhu udara yang tinggi dapat menyebabkan tanah lebih cepat mengering dan mengurangi ketersediaan air bagi tanaman. Selain itu, memahami kondisi suhu dapat membantu ahli meteorologi untuk memprakirakan kondisi atmosfer lainnya. Tujuan dari penelitian ini adalah membuat pemodelan prediksi kondisi suhu udara pada hari berikutnya dengan menggunakan model jaringan syaraf tiruan (JST). Untuk membuat model JST, suhu rata – rata harian yang diukur pada stasiun meteorologi di wilayah perkotaan dan pesisir Jakarta selama 2010 – 2019 yang digunakan sebagai data pelatihan. Data pengujian menggunakan suhu permukaan selama Januari – Desember 2020. Model ini menggunakan berbagai jumlah neuron pada lapisan tersembunyi antara 3 dan 15. Berdasarkan hasil, model JST cukup baik untuk memprediksi kondisi suhu di Jakarta dengan korelasi antara 0.625 – 0.653 dan mean ...
Prediksi Awal Musim Hujan Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation
2021
Informasi prediksi Awal Musim Hujan merupakan salah satu rekomendasi utama bagi petani dalam menentukan musim tanam. Oleh karena itu, penelitian ini bertujuan untuk memprediksi Awal Musim Hujan dengan menggunakan metode statistik yang telah banyak diuji kehandalannya yakni metode Jaringan Syaraf Tiruan (JST) Backpropagation. Arsitektur model JST yang digunakan terdiri dari 1 hidden layer, 2 hidden neuron dan 3 neuron input dengan fungsi aktivasi sigmoid biner. Penelitian dilakukan pada titik Stasiun Klimatologi Palembang dengan menggunakan data curah hujan harian periode 1981-2017. Prediktor yang digunakan meliputi suhu muka laut (SST), angin zonal 850 mb dan precipitable water (PW). Hasil penelitian menunjukkan prediksi curah hujan dasarian memiliki nilai korelasi antara 0.3 hingga 0.6 dengan RMSE berkisar antara 29 hingga 53 mm per sub-musim. Prediksi awal musim hujan mencapai kategori “Sesuai Prakiraan” sebesar 42.86%.
2009
ABSTRAK.Jaringan Syaraf Tiruan (JST) dan data time series dapat digunakan untuk metode peramalan dengan baik. Jaringan Syaraf Tiruan adalah suatu metode yang prinsip kerjanya diadaptasi dari model matematika pada manusia atau syaraf biologi. Jaringan syaraf dikarakteristikkan oleh; (1) pola koneksi diantara neuron (disebut arsitektur), (2) menentukan bobot dari koneksi (disebut training atau learning), dan (3) fungsi aktifasi. Tujuan penelitian adalah mendapatkan arsitektur jaringan syaraf tiruan yang terbaik, membandingkan dua metode Jaringan Syaraf Tiruan Backpropogation dengan metode Jaringan Syaraf Tiruan Fungsi Basis Radial (RBF). Penelitian ini merupakan penelitian dengan menggunakan data yang sebenarnya (true experimental).
Model Prediksi Tiggi Muka Air Sungai Kali Garang Semarang Dengan Jaringan Syaraf Tiruan
One of the big rivers flowing in center of Semarang city is Garang river with watershed area about 220 km 2 and having characteristic such as big flood discharge and flash flood. Where flash flood on January 25 th 1990, caused more than 45 people died and goods losses until 8.5 billion rupiahs. One of some models to pedict water level is used black box model. Artificial Neural Network one's of the black bock model . In this research, Artificial Neural Network (ANN) with back propagation method is used to predict water level in Garang river where as input are rainfall in upstream of Garang river during two days, while as output is water level in downstream of Garang river for two hour later. Result of optimum predicting have MSE 0.0037 and average of error 1.18 %.
Pengembangan Model Jaringan Syaraf Tiruan Untuk Pendugaan Suhu Udara DI Dalam Rumah Kaca
2007
During the daytime in tropical region, air temperature inside the greenhouse higher than the outside air temperature. The prediction of air ternpereture inside the greenhouse can be done by using Artificial Neural Network (ANN) model. The neural network model consist of three layers, there are input layer, hidden layer and output layer. The input layer consist of eight nodes, there are wind velocity, air humidity, air pressure, outside air temperature, daily rainfall, solar radiation, roof temperature and floor temperature. The output layer is inside air temperature of the greenhouse. The ANN models were developed with different proportion of training and validation data. Validation of the model had been done by using standard error prediction, bias and Coefficient of Variation. It had been shown that the ANN model could explain the complicated relationship among greenhouse parameter, effectively. Diterima: 27 Pebruari 2007; Disetujui: 9 Maret 2007.
Pemanfaatan Jaringan Syaraf Tiruan Untuk Memprediksi Kinerja Satpam
JIKO (Jurnal Informatika dan Komputer), 2018
Employee performance assessment is a very important task that has to be performed by Human Resource Department in a certain institution, because it would be useful for the policy holders to help them making a decision in promoting or not their employees. This paper delivered the analysis of using Multi Layer Perceptron (MLP) to predict the performance of security unit personnels which has been trained by a formal institution. The data that was used in this research were collected from PT. Garuda Merah Indonesia, that is a company that has role to train and to educate people who wants to be a security personnel. The data consist of 175 record with 10 attributes which include the assessment from aspects of cognitive, personality, and skill. MLP predicted the security personnel performances into three categories, i.e. “Good”, “Enough”, and “Fail”. The 10 folds Cross Validation technique was also used in testing phase to measure its performance comprehensively with the output of the bes...
GAW Bariri, 2020
Abstrak. Prakiraan cuaca sangat penting untuk mendukung segala kegiatan aktivitas masyarakat. Untuk menghasilkan prakiraan cuaca yang akurat dibutuhkan pengetahuan dan pengalaman dari prakirawan cuaca yang didukung dengan teknologi pemodelan cuaca. Pada penelitian ini, dilakukan sebuah pemodelan curah hujan menggunakan artificial neural network (ANN) di Stasiun Meteorologi Kemayoran. Pada proses pembuatan model ANN, dibutuhkan pelatihan data menggunakan kondisi cuaca di masa lalu. Data yang digunakan untuk pelatihan dalam membuat model ANN adalah data cuaca harian periode Januari 2011 s.d. Desember 2019 yang selanjutnya diuji dengan menggunakan studi kasus selama periode Januari s.d. Agustus 2020. Variasi model dibuat berdasarkan jenis input dan jumlah hidden layer untuk mengetahui perbedaan penggunaan data prediktor yang digunakan. Kemudian model ANN dibuat dengan menggunakan pendekatan 3-lapisan yang terdiri dari lapisan input, lapisan tersembunyi, dan lapisan output. Selanjutnya perbandingan model tersebut diuji menggunakan nilai koefisien korelasi (R) dan rata-rata kesalahan absolut (MAE) untuk mengetahui model yang terbaik. Berdasarkan hasil penelitian, prediksi hujan menggunakan data parameter input kondisi cuaca harian berupa suhu udara, kelembaban udara, dan durasi penyinaran matahari memiliki nilai koefisien korelasi (R) sebesar 0.4-0.5 dan rata-rata kesalahan absolut (MAE) sebesar 9.7-9.8 mm. Sedangkan jika model dibuat dengan parameter input hujan di hari-hari sebelumnya, nilai koefisien korelasi (R) hanya 0.1-0.3 dengan nilai rata-rata kesalahan absolut (MAE) sebesar 11.3-12.3 mm. Kondisi tersebut menunjukkan bahwa prediktor yang lebih baik digunakan dalam memprediksi hujan harian berdasarkan artificial neural network adalah dengan menggunakan parameter input kondisi cuaca permukaan.