APLIKASI METODE BACKPROPAGATION NEURAL NETWORK PADA SHORT TERM FORECASTING INTENSITAS HUJAN SEBAGAI SISTEM PERINGATAN DINI HUJAN LEBAT BERBASIS PROTOTIPE AUTOMATIC WEATHER STATION
Kata Kunci:
Automatic Weather Station, Backpropagation Neural Network, ForecastingAbstrak
Prediksi atau prakiraan memegang peran penting dalam kehidupan sosial masyarakat di era saat ini, prediksi akan kemungkinan adanya keadaan yang ekstrim dapat menyelamatkan nyawa dan harta benda dan juga dapat memastikan kelangsungan perekonomian mayarakat. Secara umum sudah banyak prediksi-prediksi terkait bencana alam seperti badai, tsunami maupun prediksi cuaca berbasis statistik. Pada penelitian Tugas Akhir ini diaplikasikan metode Backpropagation Neural Network sebagai metode untuk memprediksi potensi hujan di wilayah kota Surabaya berdasarkan data input yang berasal dari sistem Automatic Weather Station. Data dikirimkan ke dalam database web hosting melalui koneksi internet dengan memanfaatkan modul GSM, kemudian akan diolah dan ditampilkan pada website. Pada penelitian ini saat pengujian menggunakan data training diperoleh nilai MSE sebesar 0.14130 dan nilai MSE pada proses testing sebesar 0.1607. Berdasarkan pengujian yang dilakukan nilai akurasi yang diperoleh mencapai 87.7% pada tahapan training, 76.4% pada proses testing dan akurasi terbaik 97.14%, akurasi terendah 77.14% pada pengujian langsung. Sistem dilengkapi peringatan dini yang akan memberikan peringatan apabila prediksi menunjukkan potensi hujan dan sensor rain guge mendeteksi adanya hujan lebat. Peringatan dikirim melalui email dan mengaktifkan buzzer pada Automatic Weather Station.
Referensi
Aldrian, E. and Susanto, R. D. (2003)‘Identification of three dominant rainfall regions within Indonesia and their relationship to sea surface temperature IDENTIFICATION OF THREE DOMINANT RAINFALL REGIONS WITHIN INDONESIA AND THEIR RELATIONSHIP TO SEA SURFACE’, (October). doi: 10.1002/joc.950.
Nuraini, T. A. et al. (2019)‘PENGEMBANGAN MODEL HyBMG 2 . 07 UNTUK PREDIKSI IKLIM DI INDONESIA DENGAN MENGGUNAKAN DATA TROPICAL RAINFALL MEASURING MISSION (TRMM ) DEVELOPMENT OF HyBMG 2 . 07 MODEL FOR CLIMATE PREDICTION IN INDONESIA USING TROPICAL RAINFALL MEASURING MISSION ( TRMM )’, pp. 101–112.
Monira, S. S., Faisal, Z. M. and Hirose,H. (2010) ‘Comparison of Artificially Intelligent Methods in Short Term Rainfall Forecast’, (Iccit), pp. 23–25.
Afrianto, R. B. et al. (2013) ‘PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN METODE BACK PROPAGATION NEURAL NETWORK’, 3(3), pp. 132–141.
Srivastava, S. et al. (2020) ‘Monthly rainfall prediction using various machine learning algorithms for early warning of landslide occurrence’, 2020 Internationa Conference for Emerging Technology, INCET 2020, pp. 1–7. doi:10.1109/INCET49848.2020.9154184.
