<![CDATA[Informasi curah hujan yang akurat dan andal sangat penting untuk mendukung perencanaan pertanian, pengelolaan sumber daya air, serta mitigasi bencana hidrometeorologi. Provinsi Lampung merupakan wilayah dengan tingkat kerentanan tinggi terhadap variabilitas iklim yang dipengaruhi oleh fenomena iklim global seperti El Niño–Southern Oscillation (ENSO) dan Indian Ocean Dipole (IOD). Penelitian ini bertujuan mengembangkan model prediksi curah hujan bulanan jangka menengah di Provinsi Lampung menggunakan Artificial Neural Network (ANN) berbasis data satelit CHIRPS dan indeks iklim global. Data yang digunakan meliputi curah hujan observasi dari 19 pos hujan, CHIRPS, Oceanic Niño Index (ONI), dan Dipole Mode Index (DMI) selama periode 1991–2020. Tiga konfigurasi model ANN diuji, yaitu kombinasi CHIRPS–DMI, CHIRPS–ONI, serta CHIRPS–DMI–ONI. Hasil evaluasi menunjukkan bahwa data CHIRPS memiliki korelasi kuat terhadap curah hujan observasi dengan nilai rata-rata 0,659 (p < 0,001). Analisis korelasi menunjukkan bahwa IOD memiliki pengaruh lebih dominan terhadap curah hujan Lampung dibandingkan ENSO. Model ANN terbaik diperoleh pada konfigurasi CHIRPS–DMI dengan nilai RMSE terendah sebesar 55,49 mm dan koefisien korelasi tertinggi sebesar 0,671. Model ini menunjukkan performa prediksi yang stabil hingga 12 bulan ke depan. Hasil penelitian ini menunjukkan potensi integrasi data satelit dan indeks iklim global dalam mendukung sistem prediksi curah hujan dan mitigasi risiko iklim di wilayah tropis.]]>
Copyrights © 2026
