Penerapan Radial Basis Function Neural Network pada Prediksi Curah Hujan di Kabupaten Cirebon

Aisha, Nabila (2024) Penerapan Radial Basis Function Neural Network pada Prediksi Curah Hujan di Kabupaten Cirebon. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2043201094-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (15MB) | Request a copy

Abstract

Jawa Barat merupakan salah satu provinsi yang memiliki julukan sebagai lumbung padi di Indonesia. Hal ini dikarenakan kondisi tanah yang cenderung subur serta memiliki dua musim, yakni musim penghujan dan musim kemarau, mendukung padi untuk terus tumbuh subur. Akan tetapi, terdapat fenomena El Nino yang menyebabkan kekeringan di beberapa wilayah, termasuk Kabupaten Cirebon yang berada di Jawa Barat. Kekeringan yang dialami oleh Kabupaten Cirebon cukup parah. Terdapat 29 dari 40 kecamatan yang ada di Kabupaten Cirebon merupakan daerah rawan kekeringan. Oleh karena itu, pentingnya penelitian untuk memprediksi curah hujan di Kabupaten Cirebon pada periode Oktober 2023 hingga Desember 2023. Penelitian ini bertujuan untuk memberikan gambaran berupa curah hujan untuk periode tertentu selama El Nino berlangsung yang dapat digunakan sebagai pemecahan solusi mengatasi kekeringan yang terdapat di Kabupaten Cirebon. Metode analisis dalam penelitian ini adalah menggunakan Radial Basis Function Neural Network (RBFNN). Metode ini memiliki kelebihan dalam kecepatan analisis dengan melewati satu kali proses saja. Data yang digunakan berupa data sekunder melalui situs BMKG. Periode data waktu yang digunakan dimulai dari bulan Januari 2022 hingga September 2023. Analisis akan dimulai dengan melihat karateristik data, melakukan data cleaning, membagi data menjadi data training dan data testing, melakukan tahapan pemodelan dengan RBFNN, serta melakukan prediksi menggunakan peramalan. Model dengan jaringan Radial Basis Function Neural Network (RBFNN) terbaik untuk memprediksi curah hujan di Kabupaten Cirebon adalah model jaringan Radial Basis Function Neural Network (RBFNN) 5-8-1, yaitu 5 node input layer, 8 node hidden layer dan 1 node output layer. Tingkat akurasi model Radial Basis Function Neural Network (RBFNN) 5-8-1 memiliki nilai RMSE 9,425. Curah hujan di Kabupaten Cirebon periode 1 Oktober 2023 hingga 31 Desember 2023 diprediksi tertinggi pada 16 November 2023 dengan nilai curah hujan sebesar 20,142 mm dan terendah pada periode 1 Oktober 2023 dengan nilai curah hujan sebesar 8,084 mm.
=================================================================================================================================
West Java is one of the provinces which has the nickname as the rice barn in Indonesia. This is because the soil conditions tend to be fertile and have two seasons, namely the rainy season and the dry season, supporting rice to continue to grow abundantly. However, there is the El Nino phenomenon which causes drought in several areas, including Cirebon Regency in West Java. The drought experienced by Cirebon Regency is quite severe. There are 29 of the 40 sub-districts in Cirebon Regency that are drought-prone areas. Therefore, the importance of research is to predict rainfall in Cirebon Regency in the period October 2023 to December 2023. This research aims to provide an overview of rainfall for certain periods during El Nino which can be used as a solution to overcome drought in Cirebon Regency. The analysis method in this research uses using Radial Basis Function Neural Network (RBFNN). This method has the advantage of speed of analysis by going through just one process. The data used is secondary data by the BMKG website. The data period used starts from January 2022 to September 2023. The analysis will begin by looking at the characteristics of the data, carrying out data cleaning, dividing the data into training data and testing data, carrying out modeling stages with RBFNN, and making predictions using forecasting. The best Radial Basis Function Neural Network (RBFNN) model for predicting rainfall in Cirebon Regency is the Radial Basis Function Neural Network (RBFNN) 5-8-1 network model. The accuracy level of the Radial Basis Function Neural Network (RBFNN) 5-8-1 model has an RMSE value of 9,425. Rainfall in Cirebon Regency for the period 1 October 2023 to 31 December 2023 is predicted to be the highest on 16 November 2023 with a rainfall value of 20,142 mm and the lowest in the period 1 October 2023 with a rainfall value of 8,084 mm.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Cirebon, Curah Hujan, Forecast, K-means clustering, Peramalan, Radial Basis Function Neural Network, Rainfall
Subjects:	Q Science Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Aisha Nabila
Date Deposited:	23 Jan 2024 01:37
Last Modified:	23 Jan 2024 01:38
URI:	http://repository.its.ac.id/id/eprint/105580

Actions (login required)

View Item