Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Mutaqqin, zakinul
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Implementasi Artificial Neural Network (ANN) Untuk Memprediksi Cuaca Harian Berdasarkan Data Suhu dan Kelembapan Fadil, Hafidz Al; Rouza , Erni; Suhenra , Dafit; Andriansyah , Andriansyah; Mutaqqin, zakinul; Mahendra , Kelvin Putra; Abdi , Khairul
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.5668

Abstract

Perubahan cuaca yang tidak menentu sering kali memberikan dampak signifikan terhadap berbagai aktivitas manusia, seperti sektor pertanian, transportasi, perikanan, serta kegiatan masyarakat dalam kehidupan sehari-hari. Ketidakpastian kondisi cuaca dapat menyebabkan kerugian ekonomi maupun gangguan aktivitas apabila tidak diantisipasi dengan baik. Oleh karena itu, diperlukan suatu sistem prediksi cuaca yang sederhana, mudah digunakan, namun tetap mampu memberikan hasil yang cukup akurat sebagai dasar pengambilan keputusan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Artificial Neural Network (ANN) dalam melakukan prediksi kondisi cuaca harian berdasarkan parameter suhu dan kelembapan udara. Metode penelitian yang digunakan adalah pendekatan eksperimental dengan memanfaatkan data cuaca historis yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) serta dataset publik lainnya. Data suhu dan kelembapan digunakan sebagai variabel input, sedangkan kondisi cuaca harian yang diklasifikasikan menjadi cerah, berawan, dan hujan dijadikan sebagai variabel output. Model ANN dibangun menggunakan arsitektur jaringan saraf tiruan sederhana yang terdiri dari lapisan input, beberapa lapisan tersembunyi, dan lapisan output. Proses pelatihan dilakukan menggunakan metode supervised learning. Hasil pengujian menunjukkan bahwa model ANN mampu memprediksi kondisi cuaca harian dengan tingkat akurasi yang cukup baik. Sistem ini diharapkan dapat menjadi solusi alternatif yang efisien dalam menyediakan informasi cuaca sederhana bagi masyarakat serta mendukung pengambilan keputusan di berbagai sektor.
Co-Authors Abdi , Khairul Andriansyah , Andriansyah Fadil, Hafidz Al Mahendra , Kelvin Putra Rouza , Erni Suhenra , Dafit