PERAMALAN CURAH HUJAN DI PROVINSI LAMPUNG MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

Arjun , Bayu Pratama (2023) PERAMALAN CURAH HUJAN DI PROVINSI LAMPUNG MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (11Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (4Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Bagi wilayah agraris, perubahan iklim yang terjadi dapat menyebabkan naik dan turunnya produksi hasil pertanian. Salah satu indikator perubahan iklim adalah curah hujan pada suatu wilayah. Curah hujan turut dipengaruhi oleh kelembapan udara, kecepatan angin dan temperatur udara. Provinsi Lampung adalah salah satu provinsi yang memiliki beberapa komoditas pangan unggulan, diantaranya tebu, kopi, nanas, beras, pisang, cokelat, dan jagung. Penelitian ini bertujuan untuk melakukan peramalan jumlah curah hujan menggunakan jaringan syaraf tiruan dengan algoritma pembelajaran backpropagation neural network yang dioptimasi Grid Search Hypertuning dalam penentuan parameter. Berdasarkan penelitian ini didapati beberapa kesimpulan, pertama pada penggunaan Grid Search Hypertuning, proses trial dan error yang biasa dilakukan untuk menentuakan parameter pada backpropagation dapat dihilangkan, sehingga lebih efektif dalam menetukan parameter terbaik. Kedua, model jaringan terbaik yang didapatkan dalam prediksi jumlah curah hujan algoritma backpropagation neural network adalah skema data 80% training dan 20% testing, nilai batch size 3, epoch 500, dan drop out rate 0,3. Dengan hasil nilai evaluasi MSE 0,0171 nilai MAPE 0.3015 dan nilai akurasi sebesar 99.6984 %. Kata Kunci: Curah Hujan, Prediksi, Provinsi Lampung, Backpropagation Neural Network, Grid Search Hypertuning For agrarian areas, climate change can cause ups and downs in agricultural production. One indicator of climate change is rainfall in an area. Rainfall is also influenced by air humidity, wind speed and air temperature. Lampung Province is one of the provinces that has several superior food commodities including sugarcane, coffee, pineapple, rice, bananas, cocoa and corn. This study aims to predict rainfall using artificial neural networks with backpropagation neural network learning algorithms optimized by Grid Search Hypertuning in determining parameters. Based on this research several conclusions were obtained, first in using Grid Search Hypertuning, the trial and error process which is usually done to determine the backpropagation parameters can be eliminated, so that it is more effective in determining the best parameters. Second, the best network model obtained in predicting the amount of rainfall of the backpropagation neural network algorithm is the scheme of 80% training data and 20% testing, batch size of 3, 500 epochs, and drop out rate of 0.3. With the evaluation results the MSE value is 0.0171, the MAPE value is 0.3015 and the accuracy value is 99.6984%. Keywords: Rainfall, Prediction, Lampung Province, Backpropagation Neural Network, Grid Search Hypertuning

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	2301718132 . Digilib
Date Deposited:	24 Aug 2023 02:23
Terakhir diubah:	24 Aug 2023 02:23
URI:	http://digilib.unila.ac.id/id/eprint/75251

Actions (login required)

Lihat Karya Akhir