Prediksi Curah Hujan Harian di Stasiun Meteorologi Kemayoran Menggunakan Artificial Neural Network (ANN)
| Main Authors: | Putra, Richard Mahendra, Anjar Rani, Nurhastuti |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
Stasiun Pemantau Atmosfer Global Lore Lindu Bariri - Palu
, 2020
|
| Subjects: | |
| Online Access: |
http://gawpalu.id/bgb/index.php/bgb/article/view/35 http://gawpalu.id/bgb/index.php/bgb/article/view/35/22 |
Daftar Isi:
- Forecasting the weather conditions is very important to support all community activities. An accurate weather forecast requires knowledge and experience from weather forecasters and is supported by weather modelling technology. In this study, a rainfall intensity modelling was carried out using an artificial neural network (ANN) at the Kemayoran Meteorological Station. In the process of making ANN models, data training is required using past weather conditions. The data used for training in making ANN models are daily weather data for January 2011 until December 2019, which was then tested using a case study from January until August 2020. Model variations are made based on the type of input and the number of hidden layers to determine differences in the use of the predictor data. The ANN model was then created using 3 layers consisting of input layer, hidden layer, and output layer. Furthermore, the model’s comparison is tested using the correlation coefficient (R) and mean absolute error (MAE) to determine the best model. Based on the research results, rainfall prediction using input parameter data for daily weather conditions consist of temperature, humidity, and sunshine has a correlation coefficient (R) is 0.3 – 0.5 and a mean absolute error (MAE) is 9.7 – 9.8 mm. Meanwhile, if the model is made with the rainfall input parameter in the previous days, the correlation coefficient (R) is only 0.1 – 0.3 with the mean absolute error (MAE) is 11.3 – 12.3 mm. This condition indicates that a better predictor to predict daily rainfall using an artificial neural network is to use the input parameter of surface weather conditions.
- 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.