ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA

Abstrak

Kebutuhan masyarakat terhadap informasi prakiraan cuaca suatu daerah menjadi penting bagi kehidupan sehari-hari. Salah satu metode untuk aplikasi prakiraan cuaca adalah dengan menggunakan jaringan syaraf tiruan. Pada penelitian ini algoritma Backpropagation dan Particle Swarm Optimization (PSO) akan digunakan sebagai algoritma pelatihan jaringan syaraf tiruan pada aplikasi prakiraan temperatur udara
harian. Metode Regresi Linear Berganda diujikan untuk kemudian dibandingkan dengan Backpropagation dan PSO.
Arsitektur jaringan syaraf tiruan menggunakan dua buah input, lima neuron pada lapisan tersembunyi, dan satu output. Karena merupakan aplikasi peramalan time series, maka input yang digunakan adalah temperatur udara T(h) dan kelembaban udara H(h) pada hari sebelumnya. Sedangkan output jaringan adalah temperatur udara yang akan diramalkan hari berikutnya T(h+1).
Hasil pengujian menunjukkan bahwa pada prakiraan temperatur udara minimum, penggunaan algoritma pelatihan PSO pada jaringan syaraf tiruan memberikan tingkat kesalahan paling minimum dengan rata-rata kesalahan prakiraan sebesar 2.597%. Sedangkan pada prakiraan temperatur udara maksimum, metode regresi linear berganda memberikan hasil yang lebih baik dengan rata-rata kesalahan sebesar 4.911%