PENGEMBANGAN METODE PENGELOMPOKKAN HUJAN KOMPEKTIF DAN STRATIFORM DARI PENGAMATAN MICRO RAIN RADAR(MRR) MENGGUNAKAN JARINGAN STAF TIRUAN

BUNGA, APRILIA (2021) PENGEMBANGAN METODE PENGELOMPOKKAN HUJAN KOMPEKTIF DAN STRATIFORM DARI PENGAMATAN MICRO RAIN RADAR(MRR) MENGGUNAKAN JARINGAN STAF TIRUAN. Masters thesis, UNIVERSITAS ANDALAS.

[img]
Preview
Text (COVER DAN ABSTRAK)
COVER+ABSTRAK.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text (BAB 1)
BAB I PENDAHULUAN.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text (BAB AKHIR)
BAB AKHIR (PENUTUP).pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version

Download (1MB) | Preview
[img] Text (TESIS FULL TEXT)
FULL-TESIS-BUNGA APRILIA (2020441001).pdf - Published Version
Restricted to Repository staff only

Download (4MB)

Abstract

Pengelompokan hujan konvektif dan stratiform merupakan hal penting dalam berbagai aplikasi dibidang cuaca dan iklim karena setiap tipe hujan ini memiliki karakter fisis yang berbeda. Metode untuk pengelompokan hujan ini terus dikembangkan dalam rangka memperoleh metode yang akurat, efektif, dan sederhana. Penelitian ini menguji penggunaan Jaringan Saraf Tiruan (JST)- backpropagation untuk mengelompokkan tipe hujan dari pengamatan Micro Rain Radar (MRR) di Serpong (6,359oLS; 106,673oBT). Parameter hujan yang digunakan adalah reflektivitas radar, kecepatan Doppler, dan Liquid Water Content (LWC). Peristiwa hujan pada 5 Januari 2017 jam 16.28 - 21.21 WIB digunakan sebagai data latih. Hasil pengelompokan kemudian divalidasi dengan hasil dari metode Bright Band (BB). Arsitektur JST-backpropagation yang paling tepat digunakan adalah arsitektur 3-6-1 (lapisan input–lapisan tersembunyi–lapisan output) dengan fungsi aktivasi-fungsi transfer yaitu competitive dan learning rate 0,9. Nilai Mean Square Error (MSE) pelatihan tersebut adalah 0,0098735 dan rata- rata persentase akurasi pengelompokan untuk pengujian adalah 94%. Metode JST mampu mengelompokkan hujan dengan sangat baik untuk hujan yang cenderung seragam (satu tipe) dan ini menjadi kelebihan utama metode JST. Kelebihan metode JST tersebut juga mampu menutupi kekurangan metode BB yang sering kali mengelompokkan beberapa menit data diantara tipe hujan dominan ke dalam tipe hujan lain, yang secara fisis hal ini tidak mungkin terjadi.

Item Type: Thesis (Masters)
Primary Supervisor: Dr.techn.Marzuki
Uncontrolled Keywords: hujan, konvektif, stratiform, Micro Rain Radar (MRR), Serpong, JST- backpropagation, Bright-Band (BB).
Subjects: Q Science > QC Physics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Fisika
Depositing User: s1 fisika fisika
Date Deposited: 18 Aug 2021 03:00
Last Modified: 18 Aug 2021 03:00
URI: http://scholar.unand.ac.id/id/eprint/80265

Actions (login required)

View Item View Item