Analisa Prediktif Curah Hujan Data Time Series Berbasis Metode Neural Network

Sitti Harlina, Usman Usman

Abstract


Hujan merupakan fenomena alam yang selalu dijumpai dalam kehidupan sehari – hari, besarnya intensitas curah hujan berbeda-beda tergantung dari lamanya curah hujan dan frekuensi kejadiannya. Intensitas curah hujan yang tinggi pada umumnya berlangsung dengan durasi pendek dan meliputi daerah yang tidak luas. Intensitas curah hujan di kota Makassar juga kepadatannya tidak merata antara satu tempat dengan tempat lain. Dalam penelitian ini akan membahas mengenai data curah hujan di kota Makassar, dengan  cara menganalisa pola rentet waktu yang berubah - ubah dari data set curah hujan yang diambil dari Stasiun Romang Polong Makassar dari tahun 2005-2015, yang memudahkan dalam proses analisa prediksi akurasi yang dihasilkan dari pola rentet waktu data set tersebut, jika diterapkan dengan metode Neural Network (NN).

Data curah hujan sangat menarik untuk dikaji sebab curah hujan merupakan salah satu faktor terbesar yang mempengaruhi iklim suatu wilayah dan mempengaruhi berbagai sektor kehidupan manusia. Kajian Data Mining  dan ekonomi menunjukkan bahwa metode tersebut cocok untuk dipakai mengingat Neural Network (NN) dengan tingkat nilai error yang cukup  rendah, kemampuan Neural Network dalam Universal Approximation telah diteliti oleh berbagai peneliti untuk peramalan data time series pada berbagai jenis data, sehingga kinerja dari Neural Network yang memuaskan dalam peramalan data time series, untuk menentukan model terbaik dari setiap periode sebelumnya di perlukan optimasi bobot dari setiap variabel data training yang relevan, sehingga metode Neural Network bisa diterapkan walaupun dengan tingkat kelayakan belum dipastikan maksimal

 

Kata Kunci : Analisis, Curah Hujan, Neural Network, Prediktif, Time Series,


Keywords


Analisis, Curah Hujan, Neural Network, Prediktif, Time Series,

Full Text:

PDF

References


F.J.Simanungkalit,L.Sutiarso dan D.Purwadi,” Sistem Pendukung Keputusan Berbasis Jaringan Saraf Tiruan untuk Peramalan Harga Komoditas Tanaman Pangan ,” Agritech,Vo;.33,No.1p.1,Februari 2013

Y.H. Zweiri, J.F. Whidborne dan L.D. Sceviratne, “A three-term backpropagaion algorithm,” Neurocomputing, vol, 50, pp, 305-318,2003.

Pritpal Singh dalam Applications of Soft Computing in Time SeriesForecasting, Series editor Janusz Kacprzyk, 2015

Mehdi Mahnam dan Ghomi, “Time Variant Fuzzy Time Series Approach For Forecasting Using Particle Swarm Optimization”. International Journal Of Industrial Engineering dan Production Research 23, 2012.

Goojier dan Hyndman, “ 25 Years of Time Series Forecasting International Journal Of Ferecasting, 22.443.437.http://dx.doi.org/10.1016/j.il forcast.2006.01.001.

C.L.Wu, and K.W.Chau, and C.Fan,”Prediction of Rainfall Time Series Using Modular Artificial Neural Networks Coupled With data - preprocessing Techniques, journal of Hidrology, 389.146-167, 2010.

Muis Nanja, Purwanto, “Metode K-Nearest Neighbor Berbasis Forward Selection untuk Prediksi Harga Komoditi Lada” Jurnal Pseudocode, Volume 2 Nomor 1, Februari 2015.


DOI http://dx.doi.org/10.35585/inspir.v10i2.2586
Abstract 3870 kali dilihat
PDF 3220 kali diunduh

Refbacks

  • There are currently no refbacks.



Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.