Efek Fungsi Aktivasi Dalam Performa Jaringan Saraf Tiruan Untuk Peramalan Cuaca Dan Iklim

Muhammad Arief Fitrah Istiyanto Aslim (Universitas Negeri Makassar)
Nasrul Ihsan (Universitas Negeri Makassar)
Muhammad Arsyad (Universitas Negeri Makassar)

Jurnal Sains dan Pendidikan Fisika
Vol. 21 No. 3 (2025): JURNAL SAINS DAN PENDIDIKAN FISIKA

Prediksi cuaca dan iklim semakin bergantung pada model jaringan saraf yang mampu merepresentasikan hubungan nonlinier dalam data meteorologi. Kinerja model tersebut dipengaruhi oleh pemilihan fungsi aktivasi yang menentukan proses transformasi nonlinier dan pembelajaran pola dalam jaringan. Penelitian ini menyajikan tinjauan literatur mengenai peran fungsi aktivasi dalam peramalan cuaca dan iklim berbasis jaringan saraf dengan menelaah berbagai arsitektur seperti multilayer perceptron, feed-forward neural network, dan dynamic neural network. Hasil kajian menunjukkan bahwa fungsi aktivasi sigmoid dan hiperbolik tangen dengan keluaran linear sering memberikan kinerja yang baik, meskipun tidak terdapat satu fungsi aktivasi yang optimal untuk semua variabel meteorologi.