Aceng Mu'min, - (2011) PENERAPAN JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PERAMALAN CURAH HUJAN. S1 thesis, Universitas Pendidikan Indonesia.
Text
s_kom_0906747_table_of_content.pdf Download (259kB) |
|
Text
s_kom_0906747_chapter1.pdf Download (263kB) |
|
Text
s_kom_0906747_chapter2.pdf Download (512kB) |
|
Text
s_kom_0906747_chapter3.pdf Download (267kB) |
|
Text
s_kom_0906747_chapter4.pdf Download (1MB) |
|
Text
s_kom_0906747_chapter5.pdf Download (248kB) |
|
Text
s_kom_0906747_bibliography.pdf Download (258kB) |
Abstract
Hujan merupakan salah satu unsur cuaca yang penting dalam kehidupan. Banyak bidang kehidupan yang tergantung pada banyaknya hujan yang turun atau dikenal dengan curah hujan. Walaupun demikian, curah hujan yang terlalu rendah atau terlalu tinggi dapat menyebabkan bencana. Untuk itulah dilakukan peramalan untuk mengetahui jumlah curah hujan di waktu mendatang, sehingga dapat dilakukan perencanaan dan antisipasi. Dalam peramalan curah hujan, ada dua pendekatan yang dapat dilakukan, yaitu dengan faktor penyebabnya dan data historis curah hujan. Salah satu metode peramalan yang dapat digunakan melalui pendekatan data historis adalah metode Jaringan Saraf Tiruan. Jaringan Saraf Tiruan (JST) adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan saraf biologis. JST memerlukan proses pelatihan untuk mendapatkan bobot penghubung yang tepat untuk masing-masing masukan yang diberikan dengan keluaran yang dikehendaki. Salah satu algoritma pelatihan JST yaitu Backpropagation. Agar pelatihan backpropagation optimal, digunakan pula teknik inisialisasi bobot Nguyen-Widrow serta adaptive learning rate dan momentum. Dalam pengembangan sistem peramalan curah hujan menggunakan metode backpropagation, ada beberapa tahap yang perlu dilakukan, yaitu: data preprocessing, perancangan struktur jaringan, penyusunan data set pelatihan dan pengujian, inisialisasi data pelatihan, modifikasi algoritma pelatihan backpropagation, pengujian jaringan, analisis sensitifitas, dan pemilihan jaringan optimum untuk peramalan curah hujan. Penelitian dilakukan dengan menggunakan arsitektur jaringan dan inisialisasi data yang berbeda-beda. Dari 36 kasus yang dilakukan, diperoleh jaringan dengan Mean Absolute Percentage Error (MAPE) pengujian terendah. Pengujian dilakukan dengan data pelatihan dan data pengujian. Hasilnya menunjukkan, nilai MAPE data pelatihan adalah 24,27%, sedangkan untuk data pengujian yaitu 26,23%.
Item Type: | Thesis (S1) |
---|---|
Additional Information: | ID SINTA DOSEN PEMBIMBING: Lala Septem Riza:5975668 Herbert Siregar:5991008 |
Uncontrolled Keywords: | curah hujan, peramalan, jaringan saraf tiruan, backpropagation, inisialisasi bobot Nguyen-Widrow, adaptive learning rate dan momentum |
Subjects: | L Education > L Education (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer |
Depositing User: | risa luna lestari |
Date Deposited: | 16 Nov 2023 09:38 |
Last Modified: | 16 Nov 2023 09:38 |
URI: | http://repository.upi.edu/id/eprint/112136 |
Actions (login required)
View Item |