Daftar Isi: Peramalan Curah Hujan Dengan Menggunakan Gstar-Backpropagation Neural Network

Daftar Isi:

Perubahan iklim adalah berubahnya kondisi fisik atmosfer bumi antara lain suhu dan distribusi curah hujan yang membawa dampak luas terhadap berbagai sektor kehidupan manusia. Salah satu upaya mitigasi perubahan iklim adalah dengan membuat model peramalan curah hujan. Peramalan terhadap curah hujan melibatkan keterkaitan antar waktu dan lokasi. Model space time sudah banyak dikembangkan, diantaranya adalah model Spasial Temporal Autoregressive (STAR) yang diperkenalkan oleh Pfeifer dan Deutsch (1980), Generalized Space-Time Autoregressive (GSTAR) dan GSTAR-OLS yang dikembangkan oleh Borovkova dkk (2002) dan GSTAR-SUR yang dikembangkan oleh Iriany, dkk (2013). Selain melibatkan keterkaitan antar waktu dan lokasi, data curah hujan juga seringkali bersifat nonlinier. Salah satu metode untuk menganalisis data nonlinier adalah dengan menggunakan metode jaringan saraf tiruan. Peneliti menggunakan metode GSTAR-Backpropagation Neural Network dengan tujuan mendapatkan model peramalan yang lebih baik. Penelitian dilakukan dengan memodelkan data curah hujan di enam lokasi di Jawa Barat. Dari hasil pemodelan didapatkan model GSTAR(1,2,3,4,5,6,7,36(1)) BNN(96-120-6) sebagai model yang terbaik dengan nilai MSE sebesar 0.012124. Berdasarkan hasil peramalan data testing dapat disimpulkan bahwa Model GSTAR (1,2,3,4,5,6,7,36(1)) Backpropagation Neural Network (96-120-6) dapat digunakan untuk meramalkan curah hujan di wilayah Jawa Barat.