Prediksi Curah Hujan Menggunakan Jaringan Syaraf Tiruan Backpropagation pada Software Matlab
DOI:
https://doi.org/10.33998/jakakom.2025.5.2.2398Kata Kunci:
Prediksi Curah Hujan, Jaringan Syaraf Tiruan, Backpropagation, Matlab, Pengembangan Model PrediksiAbstrak
Penelitian ini bertujuan untuk merancang dan mengimplementasikan model prediksi curah hujan menggunakan pendekatan Jaringan Syaraf Tiruan (JST) dengan algoritma pembelajaran backpropagation pada platform Matlab. Prediksi curah hujan merupakan aspek penting dalam bidang pertanian, hidrologi, dan pengelolaan sumber daya air, yang membutuhkan metode akurat dan adaptif terhadap pola data musiman. Dalam penelitian ini, data curah hujan bulanan Kota Bogor periode 2020-2022 digunakan sebagai dataset pelatihan dan pengujian. Data tersebut dinormalisasi menggunakan fungsi aktivasi sigmoid untuk meningkatkan performa pelatihan jaringan. Arsitektur jaringan terdiri dari 12 neuron input, 10 neuron tersembunyi, dan 1 neuron output. Hasil pelatihan menunjukkan tingkat kesalahan (Mean Squared Error) sebesar 0.00090677 dengan nilai regresi 0.99022, sedangkan hasil pengujian menghasilkan regresi sebesar 0.98837. Temuan ini menunjukkan bahwa metode backpropagation pada JST mampu memprediksi curah hujan secara efektif dan akurat. Model ini dapat dikembangkan lebih lanjut untuk memprediksi fenomena cuaca lainnya.
Unduhan
Referensi
A. Ravelliani and S. Salman, “Penyakit Influenza Berdasarkan Iklim di Indonesia: Literature Review,” J. Farmasetis, vol. 11, no. 3, pp. 209–214, 2022, [Online]. Available: https://journal2.stikeskendal.ac.id/index.php/far/article/view/499
M. Imron, M. S. Baskoro, D. R. Prima, and A. Suherman, “KOMPOSISI HASIL TANGKAPAN DAN POLA MUSIM PENANGKAPAN CANTRANG YANG DI DARATKAN DI PELABUHAN PERIKANAN PANTAI TEGALSARI, JAWA TENGAH,” Saintek Perikan. Indones. J. Fish. Sci. Technol., vol. 17, no. 2, pp. 138–145, Aug. 2021, doi: 10.14710/ijfst.17.2.138-145.
A. Angel, D. Dasrizal, and E. Juita, “Analisis Pengaruh Curah Hujan terhadap Hasil Pertanian Padi di Nagari Balimbing Kecamatan Rambatan Kabupaten Tanah Datar,” Indones. Res. J. Educ., vol. 5, no. 1, pp. 273–281, 2025.
R. Alamsyah, E. Ryansyah, A. Y. Permana, and R. Mufidah, “SISTEM PENYIRAMAN TANAMAN OTOMATIS MENGGUNAKAN LOGIKA FUZZY DENGAN TEKNOLOGI INTERNET OF THINGS BERBASIS ESP8266 DAN APLIKASI BLYNK,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, pp. 862–868, Apr. 2024, doi: 10.23960/jitet.v12i2.4007.
D. Sangaji and T. Sutabri, “Analisis XGBoost dan Random Forest untuk Prediksi Curah Hujan dalam Mendukung Mitigasi Karhutla,” J. Pustaka AI (Pusat Akses Kaji. Teknol. Artif. Intell., vol. 5, no. 1, pp. 13–18, Apr. 2025, doi: 10.55382/jurnalpustakaai.v5i1.905.
S. Hithama Hutabarat and F. Al-Islama Achyunda Putra, “PERBANDINGAN METODE EXPONENTIAL SMOOTHING DAN ARIMA PADA PERAMALAN CURAH HUJAN DI KOTA MALANG,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 4, pp. 7294–7300, May 2025, doi: 10.36040/jati.v9i4.14427.
J. Prasetya, B. Santoso, and S. Kacung, “PREDIKSI HARGA EMAS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION HYPERPARAMETER TUNING,” J. Inform. Teknol. dan Sains, vol. 7, no. 2, pp. 768–776, May 2025, doi: 10.51401/jinteks.v7i2.5739.
R. Gusriva and Y. M. Putra, “Model Prediksi Kerusakan Sepeda Motor Matic Menggunakan Jaringan Saraf Tiruan dan Metode Hebb’s Rule,” Kesatria J. Penerapan Sist. Inf. (Komputer dan Manajemen), vol. 6, no. 2, pp. 585–592, 2025, [Online]. Available: https://pkm.tunasbangsa.ac.id/index.php/kesatria/article/view/601
S. Arti and E. Suherlan, “Evaluasi Kinerja Machine Learning dalam Memprediksi Kemampuan Adaptasi Mahasiswa pada Lingkungan Pembelajaran Daring,” J. Pustaka AI (Pusat Akses Kaji. Teknol. Artif. Intell., vol. 5, no. 1, pp. 50–57, Apr. 2025, doi: 10.55382/jurnalpustakaai.v5i1.901.
Budi Mulyono and Nursalim, “Prediksi Rentet Waktu Penjualan Barang Menggunakan Algoritma Backpropagation,” J. Kolaboratif Sains, vol. 6, no. 2, pp. 131–139, Feb. 2023, doi: 10.56338/jks.v6i2.3300.
S. F. Prasetyo, T. F. Efendi, and M. Muqorobin, “Implementasi Sistem Prediksi Curah Hujan Dengan Penerapan Jaringan Syaraf Tiruan Berbasis Website,” J. Ris. Tek. Komput., vol. 1, no. 2, pp. 80–96, 2024, [Online]. Available: https://journal.smartpublisher.id/index.php/jurtikom/article/view/110
L. H. Aguswandi, D. Syafitri, and T. T. Sujaka, “PEMODELAN PREDIKTIF MENGGUNAKAN ALGORITMA BACKPROPAGATION,” Pros. Semin. Nas. Teknol. Inovasi, dan Ekon., pp. 149–157, 2025, [Online]. Available: https://journal.universitasbumigora.ac.id/index.php/SETIE/article/view/5010
H. Hendy and A. A. Fajrin, “Framework Jaringan Syaraf Tiruan Dengan Algoritma Genetika Pada Pengenalan Iris Mata,” Comput. Sci. Ind. Eng., vol. 7, no. 2, pp. 70–81, 2022, [Online]. Available: https://forum.upbatam.ac.id/index.php/comasiejournal/article/view/5846
T. B. Sianturi, I. Cholissodin, and N. Yudistira, “Penerapan Algoritma Long Short-Term Memory (LSTM) berbasis Multi Fungsi Aktivasi Terbobot dalam Prediksi Harga Ethereum,” J. Pengemb. Teknol. Inf. Dan Ilmu Komput., vol. 7, no. 3, pp. 1101–1107, 2023, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12384
M. R. Siregar, A. P. Azhari, D. Hartama, and A. P. Windarto, “Peramalan Nilai Penjualan Gas Elpiji 3 Kg di Sumatera Utara dengan bantuan Analisis Metode Jaringan Saraf Tiruan,” Bull. Artif. Intell., vol. 1, no. 2, pp. 52–58, Oct. 2022, doi: 10.62866/buai.v1i2.51.
R. Alfalaq, I. Safitri, and S. Rizal, “Perancangan Dan Implementasi Image Enhancement Plat Nomor Kendaraan Dengan Membandingkan Metode Srcnn Dan Vdsr,” vol. 11, no. 4, pp. 2727–2734, 2024, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/24122
A. G. Visitama and H. Sabita, “Penjadwalan Matakuliah Dengan Menggunakan Metode Jaringan Neural Network (Studi Kasus IIB Darmajaya),” Tek. J. Ilm. Bid. Ilmu Rekayasa, vol. 18, no. 1, pp. 161–172, 2024, doi: 10.5281/zenodo.10879808.
