PREDIKSI EL NINO SOUTHERN OSCILLATION MENGGUNAKAN JARINGAN SARAF TIRUAN (JST) BACKPROPAGATION

BUNGA, APRILIA (2020) PREDIKSI EL NINO SOUTHERN OSCILLATION MENGGUNAKAN JARINGAN SARAF TIRUAN (JST) BACKPROPAGATION. Diploma thesis, UNIVERSITAS ANDALAS.

Preview	Text (Cover dan Abstrak) 1. COVER+ABSTRAK.pdf - Published Version Download (89kB) | Preview
Preview	Text (BAB I PENDAHULUAN) 2. BAB I PENDAHULUAN.pdf - Published Version Download (2MB) | Preview
Preview	Text (BAB V KESIMPULAN DAN SARAN) 3. BAB AKHIR.pdf - Published Version Download (35kB) | Preview
Preview	Text (DAFTAR PUSTAKA) 4. DAFTAR PUSTAKA.pdf - Published Version Download (278kB) | Preview
	Text (SKRIPSI FULL TEXT) FULL SKRIPSI.pdf - Published Version Restricted to Repository staff only Download (4MB)

Abstract

El Nino Southern Oscillation (ENSO) merupakan anomali iklim dunia yang terjadi secara berulang, tidak dapat dihindari dan memberikan dampak bencana alam yang signifikan bagi negara-negara disekitar samudra pasifik. ENSO memiliki indeks prediktor yang bersifat runtun waktu, sehingga dapat diprediksi dengan metode Jaringan Saraf Tiruan (JST)-backpropagation. JST memiliki beberapa keunggulan dibandingkan model statistik lainnya yaitu mampu memprediksi hubungan variable-variabel non-linear dan bersifat fleksibel dalam menguji beberapa input. Penelitian ini bertujuan untuk memprediksi nilai indeks ENSO yaitu Sea Surface Temperature (Nino 1.2, Nino 3, Nino 3.4 dan Nino 4), Southern Oscillation Index (SOI) dan Multivariate ENSO Index versi 2 (MEI.v2) yang diambil dari tahun 1979-2018 menggunakan metode JST-backpropagation variasi learning rate dan momentum. Hasil prediksi ini juga akan diverifikasi dengan prediksi ENSO dari model International Research Institute (IRI). Penelitian ini menyimpulkan bahwa semua indeks menghasilkan nilai akurasi prediksi yang tinggi untuk memprediksi ENSO dengan metode JSTbackpropagation, namun indeks Nino 4 merupakan indeks yang memiliki akurasi tertinggi karena nilai Mean Square Error (MSE) pelatihan dan pengujiannya yang relatif lebih kecil. Akurasi prediksi Nino 4 tersebut adalah 99,9989% dengan arsitektur JST-backpropagation 12-10-1, learning rate 0,1 dan momentum 0,40. Hasil prediksi ini setelah diverifikasi dengan prediksi model IRI dinyatakan bahwa pada periode JAS (Juli-Agustus-September) dan DJF (Desember-JanuariFebruari) 2020/2021 keadaan iklim dunia berada dalam kondisi normal ENSO yaitu tidak terjadi fenomena El Nino atau La Nina. Pernyataan ini juga membuktikan bahwa metode JST-backpropagation termasuk metode yang tepat dan akurasinya baik untuk memprediksi data runtun waktu ENSO. Kata kunci: prediksi, ENSO, jaringan saraf tiruan, backpropagation, indeks.

Actions (login required)

View Item