This Author published in this journals
All Journal Jurnal Inspiration
Usman Usman
STMIK Dipanegara, Makassar

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisa Prediktif Curah Hujan Data Time Series Berbasis Metode Neural Network Sitti Harlina; Usman Usman
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 2 (2020): Jurnal Inspiration Volume 10 Issue 2
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v10i2.2586

Abstract

Hujan merupakan fenomena alam yang selalu dijumpai dalam kehidupan sehari – hari, besarnya intensitas curah hujan berbeda-beda tergantung dari lamanya curah hujan dan frekuensi kejadiannya. Intensitas curah hujan yang tinggi pada umumnya berlangsung dengan durasi pendek dan meliputi daerah yang tidak luas. Intensitas curah hujan di kota Makassar juga kepadatannya tidak merata antara satu tempat dengan tempat lain. Dalam penelitian ini akan membahas mengenai data curah hujan di kota Makassar, dengan  cara menganalisa pola rentet waktu yang berubah - ubah dari data set curah hujan yang diambil dari Stasiun Romang Polong Makassar dari tahun 2005-2015, yang memudahkan dalam proses analisa prediksi akurasi yang dihasilkan dari pola rentet waktu data set tersebut, jika diterapkan dengan metode Neural Network (NN).Data curah hujan sangat menarik untuk dikaji sebab curah hujan merupakan salah satu faktor terbesar yang mempengaruhi iklim suatu wilayah dan mempengaruhi berbagai sektor kehidupan manusia. Kajian Data Mining  dan ekonomi menunjukkan bahwa metode tersebut cocok untuk dipakai mengingat Neural Network (NN) dengan tingkat nilai error yang cukup  rendah, kemampuan Neural Network dalam Universal Approximation telah diteliti oleh berbagai peneliti untuk peramalan data time series pada berbagai jenis data, sehingga kinerja dari Neural Network yang memuaskan dalam peramalan data time series, untuk menentukan model terbaik dari setiap periode sebelumnya di perlukan optimasi bobot dari setiap variabel data training yang relevan, sehingga metode Neural Network bisa diterapkan walaupun dengan tingkat kelayakan belum dipastikan maksimal Kata Kunci : Analisis, Curah Hujan, Neural Network, Prediktif, Time Series,