ANALISIS VARIASI NILAI MOMENTUM DALAM PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK (original) (raw)
Related papers
Seminar Nasional Informatika (SNIf) 2014, 2014
Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi curah hujan dengan metode backpropagation. Algoritma momentum merupakan pengembangan dari algoritma backpropagation standar. Algoritma momentum memiliki kesamaan langkah dengan algoritma backpropagation standar tetapi berbeda pada saat umpan mundur (backward propagation). Penambahan momentum dimaksudkan untuk menghindari perubahan bobot yang mencolok akibat adanya data yang sangat berbeda dengan yang lain (outlier). Pada penelitian ini penulis akan menganalisis pengaruh penambahan momentum pada proses prediksi curah hujan di kota medan dengan metode backpropagation neural network. Dari hasil penelitian dapat disimpulkan beberapa hal antara lain : Semakin kecil target error, maka jumlah iterasi akan semakin besar. Semakin kecil target error, maka nilai keakurasiannya cenderung semakin baik (semakin besar). Jumlah iterasi pada proses trainning dengan penambahan momentum lebih kecil dibandingkan dengan tanpa penambahan momentum. Tingkat akurasi tertinggi dicapai pada target error 0.0073 yaitu 43.65%. Kata kunci : momentum, prediksi curah hujan, backpropagation, neural network.
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
Seminar Nasional Informatika (SNIf) 2014, 2014
Besarnya curah hujan yang terjadi tidak dapat ditentukan secara pasti, namun dapat diprediksi atau diperkirakan. Dengan menggunakan data historis besarnya curah hujan beberapa waktu yang lampau, maka dapat diprediksi berapa besarnya curah hujan yang terjadi pada masa yang akan datang. Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi curah hujan dengan metode backpropagation. Pada penelitian ini, penulis mencoba memprediksi curah hujan di kota medan menggunakan metode backpropagation neural network. Dari hasil penelitian dapat disimpulkan antara lain : Pengujian dengan hidden 5 memiliki akurasi yang lebih baik dibandingkan dengan hidden 6, 7, dan 8. Nilai akurasi tertinggi di dapat dari pengujian data dengan jumlah hidden 5 dan target error 0.0072 yaitu 43.27 %. Semakin kecil target error, maka jumlah iterasi akan semakin besar. hidden layer yang lebih besar tidak selalu menyebabkan jumlah iterasi meningkat. Kata kunci : Prediksi curah hujan, backpropagation, neural network.
Seminar Nasional Informatika (SNIf) 2014, 2014
Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi curah hujan dengan metode backpropagation. Salah satu algoritma inisialisasi bobot yang dapat meningkatkan waktu eksekusi adalah nguyen-widrow. Pada penelitian ini penulis akan memprediksi curah hujan di Kota Medan dengan metode backpropagation neural network dengan memadukan algoritma inisialisasi nguyen-widrow pada proses inisialisasi bobotnya. Dari hasil penelitian diketahui bahwa : pada proses trainning JST, semakin kecil nilai target error maka nilai iterasinya akan semakin besar dan keakurasiannya juga semakin tinggi, pada kasus prediksi curah hujan di Kota Medan dengan metode backpropagation neural network, proses training dengan inisialisasi bobot nguyen-widrow tidak lebih baik dari bobot random, dan tingat keakurasian terbesar pada proses pengujian prediksi curah hujan di Kota Medan dengan metode backpropagation neural network adalah 43.1 %, dengan target error 0.007. Kata kunci : Prediksi curah hujan, nguyen-widrow, backpropagation, neural network.
KNS&I, 2014
Wilayah Kota Medan pada saat memasuki masa pancaroba akan mengalami masa transisi dari Musim Kemarau ke Musim Hujan umumnya memiliki kondisi cuaca yang tidak stabil. Pola-pola cuaca yang menyimpang atau yang biasa di sebut dengan ekstrim belakangan ini sangat sering terjadi dan frekuensinya cenderung bertambah. Jaringan Saraf Tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi cuaca dengan metode backpropagation. Pada penelitian ini penulis akan menganalisis penggunaan data biner pada prediksi cuaca ekstrim Kota Medan menggunakan metode backpropagation neural network. Penulis akan menggunakan tiga parameter data dalam memprediksi cuaca yaitu data curah hujan, data suhu, dan data kelembaban tahun 1997 – 2013 dengan inputan data biner. Dari hasil penelitian dapat disimpulkan antara lain : Backpropagation neural network tidak dapat mengenali pola data biner curah hujan. Backpropagation neural network dapat mengenali pola data biner suhu pada target error 0.05. Backpropagation neural network dapat mengenali pola data biner kelembaban yang diberikan dengan baik. Tingkat keakurasian terbesar pada proses pengujian prediksi cuaca ekstrim di Kota Medan menggunakan data biner adalah pada data kelembaban yaitu 100% dengan kuadrat error 0,05. Keywords—prediksi cuaca; data biner; backpropagation; neural network.
APLIKASI JARINGAN NEURAL UNTUK PEMODELAN DAN PREDIKSI CURAH HUJAN
RINGKASAN Aplikasi jaringan neural umpan maju untuk prediksi dan pemodelan nonlinear telah diteliti untuk data pentad curah hujan dari kota Jakarta. Desain model jaringan neural perlu dioptimalisasi baik jumlah masukan, jumlah neuron (unit), jumlah lapisan tersembunyi maupun aturan pembelajaran karena akan menentukan kinerja dari model jaringan neural dan nilai korelasi dari hasil prediksinya. Pada penelitian ini digunakan model jaringan neural dengan spesifikasi masukan 10 neuron, dua lapis tersembunyi masing-masing lapis kedua 2 neuron, lapis ketiga 1 neuron dan keluaran 1 neuron. Dengan menggunakan model jaringan neural tersebut maka didapat hasil prediksi dengan keakuratan yang ditunjukkan dengan nilai koefisien korelasi yaitu nilai korelasi (r~ 0,40) untuk daerah Jakarta.
KNS&I, 2014
Tingkat pemanasan rata-rata selama lima puluh tahun terakhir hampir dua kali lipat dari rata-rata seratus tahun terahir, dimana pemanasan lebih dirasakan pada daerah daratan daripada lautan. Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi temperatur dengan metode backpropagation. Pada penelitian ini, penulis mencoba menganalisis variasi jumlah input dan hidden layer untuk memprediksi temperatur di kota medan menggunakan metode backpropagation neural network. Dari hasil penelitian dapat disimpulkan antara lain : Pengujian dengan data input 4 memiliki akurasi yang lebih baik dibandingkan dengan data input 3, 5, 6, 7, 8 dan 9. Nilai akurasi tertinggi didapat dari pengujian dengan data input 4 dan jumlah hidden 8 pada target error 0.099 yaitu 88.63%. Data input dan jumlah hidden yang berbeda maka jumlah iterasi juga berbeda. Jumlah hidden layer yang lebih besar tidak selalu menyebabkan jumlah iterasi meningkat. Pada hasil prediksi rata-rata temperatur tertinggi pada tahun 2018 terjadi pada bulan 5 yaitu 32.4o C. Kata Kunci: temperature, backpropagation, neural network
PREDIKSI TEMPERATUR EKSTRIM DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
SNIKOM, 2014
Temperatur yang terlalu panas ataupun terlalu dingin bisa dikategorikan sebagai salah satu fenomena cuaca ekstrim. Tinggi rendahnya temperatur yang terjadi tidak dapat ditentukan secara pasti, namun dapat diprediksi atau diperkirakan. Jaringan saraf tiruan (Artificial Neural Network) metode backpropagation sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi suhu udara dan curah hujan.. Pada penelitian ini, penulis mencoba memprediksi temperature ekstrim di kota medan menggunakan metode backpropagation neural network. Dari hasil penelitian dapat disimpulkan antara lain :Semakin kecil target error, maka jumlah iterasi akan semakin besar. Jumlah hidden layer yang lebih besar tidak selalu menyebabkan jumlah iterasi meningkat. Nilai akurasi tertinggi di dapat dari pengujian data dengan jumlah hidden 8 dan target error 0.01 yaitu 79.37 %. Pada hasil prediksi rata-rata temperatur tertinggi pada tahun 2020 terjadi pada bulan 6 yaitu 32.3o C. Kata Kunci: temperature, backpropagation, neural network.
ANALISIS KINERJA JARINGAN SARAF TIRUAN METODE BACKPROPAGATION DALAM MEMPREDIKSI CUACA DI KOTA MEDAN
SNIKOM, 2014
Jaringan Saraf Tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi cuaca dengan metode backpropagation. Prediksi cuaca merupakan perkiraan kondisi cuaca di masa mendatang. Pada penelitian ini penulis akan menganalisis kinerja jaringan saraf tiruan dengan metode backpropagation dalam memprediksi cuaca di Kota Medan. Penulis akan menggunakan tiga parameter data dalam memprediksi cuaca yaitu data curah hujan, data suhu, dan data kelembaban tahun 1997 – 2013. Pada kasus prediksi cuaca di Kota Medan, jaringan saraf tiruan metode backpropagation dalam proses training dapat mengenali pola data yang diberikan dengan baik. Pada proses training JST, semakin kecil nilai target error maka iterasinya akan semakin besar dan tingkat keakurasiannya juga semakin tinggi. Tingkat keakurasian terbesar pada proses pengujian prediksi cuaca di Kota Medan dengan jaringan saraf tiruan metode backpropagation adalah pada data kelembaban yaitu 86.28% pada kuadrat error 0,01. Kata Kunci: Jaringan Saraf Tiruan, Backpropagation, Prediksi Cuaca.