• Document: ANALISIS ALGORITMA PREDIKSI CURAH HUJAN MENGGUNAKAN HYBRID PARTIALLY CONNECTED FEEDFORWARD NEURAL NETWORK (PCFNN) DAN NESTED GENETIC ALGORITHM (GA)
  • Size: 874.29 KB
  • Uploaded: 2019-03-24 08:52:36
  • Status: Successfully converted


Some snippets from your converted document:

ANALISIS ALGORITMA PREDIKSI CURAH HUJAN MENGGUNAKAN HYBRID PARTIALLY CONNECTED FEEDFORWARD NEURAL NETWORK (PCFNN) DAN NESTED GENETIC ALGORITHM (GA) Yana Meinitra Wati1, Fhira Nhita, ST., MT.2, Dr. Adiwijaya, M.Si3 1,2,3 Fakultas Informatika, Universitas Telkom, Bandung 1 yanameinitrawati@gmail.com, 2farid.alchair@gmail.com, 3kang.adiwijaya@gmail.com Abstrak Pola curah hujan yang selalu berubah-ubah di setiap tempat dan jam, menyebabkan data curah hujan termasuk ke dalam data time series. Informasi mengenai cuaca khususnya tentang curah hujan sangat berguna sekali terhadap beberapa aktifitas kehidupan. Untuk itu dibutuhkan metode prediksi curah hujan yang cukup akurat, khususnya pada wilayah Soreang Kabupaten Bandung. Sistem prediksi curah hujan yang digunakan dalam penelitian tugas akhir ini adalah algoritma Partially Connected Feedforward Neural Network (PCFNN) untuk memprediksi curah hujan satu bulan ke depan berdasarkan data curah hujan bulanan yang diperoleh dari Badan Meteorologi dan Geofisika (BMKG) Bandung untuk wilayah Soreang. Selain itu juga digunakan algoritma Genetic Algorithm (GA) untuk mengoptimasi struktur dan bobot pada PCFNN, sehingga dapat diperoleh arsitektur dan bobot yang optimal. Hasil struktur dan bobot PCFNN yang optimal menggunakan pengolahan data centered moving average dan dibangkitkan 20.000 solusi individu dengan kombinasi parameter ukuran populasi dan maksimum generasi 100 dan 200 sehingga didapatkan MAPE rata – rata pelatihan dan pengujian sebesar 17.583% dengan performansi diatas 75%. Kata kunci : prediksi, curah hujan, PCFNN, Genetic Algorithm, feedforward, centered moving average. Abstract The pattern of rainfall always changing in any place and time, that affects rainfall forecast data into time series. Information about weather especially rainfall its very usefull for some of our daily activity. So we need the accurate method for rainfall forecast, especially in Soreang area, Bandung. The rainfall prediction system that used in this final project is Partially Connected Feedforward Neural Network (PCFNN) algorithm for one month rainfall prediction based on rainfall data from National Weather Board in Bandung for Soreang area. Besides that Genetic Algorithm method use in this final project to optimize structure and weight on PCFNN, so we will get the optimum structure and weight. The optimal structure and weight from PCFNN using centered moving average and generated 20.000 individual solution with combine parameter on population size and maximum generation 100 and 200 so the average MAPE from training and testing are 17,583% with performance above 75%. Kata kunci : prediction, rainfall, PCFNN, Genetic Algorithm, feedforward, centered moving average. 1. Pendahuluan Indonesia memiliki dua musim yaitu musim hujan dan musim kemarau. Musim kemarau biasanya terjadi di awal bulan April sampai dengan bulan September, sedangkan musim hujan terjadi mulai bulan Oktober hingga bulan Maret. Informasi mengenai cuaca khususnya tentang curah hujan sangat berguna sekali terhadap beberapa aktifitas kehidupan seperti pada bidang pertanian, perkebunan, perikanan, dan lain – lain. Namun sekarang ini tidak ada lagi informasi yang pasti tentang perubahan kedua musim tersebut dikarenakan pemanasan global. Oleh karena itu, dibutuhkan prediksi curah hujan untuk mengetahui pola curah hujan yang selalu berubah – ubah di setiap tempat dan waktu. Salah satu metode prediksi yang berkembang saat ini adalah menggunakan Artificial Neural Network (ANN). Namun, umumnya hampir semua aplikasi ANN menggunakan Fully Connected Feedforward Neural Network (FCFNN). FCFNN sering menyebabkan kompleksitas yang tinggi bahkan redudansi[3], maka diharapkan dengan penggunaan Partially Connected Feedforward Neural Network (PCFNN) dapat memberikan kinerja dan hasil yang sama baiknya dengan FCFNN. Selain itu dibutuhkan algoritma Evolutionary Algorithms (EAs), yang bersifat generalitas sehingga memudahkan dalam menyelesaikan berbagai masalah optimasi untuk melatih ANN. Algoritma Eas yang digunakan adalah Genetic Algorithm (GA). GA yang digunakan memiliki dua loop, yaitu loop pertama digunakan untuk mencari kromosom struktur pada PCFNN dan loop yang kedua untuk mencari bobot yang tepat dari hasil kromosom struktur yang telah didapatkan. Diharapkan dengan penggunaan GA yang berulang ini atau dapat disebut juga Nested Genetic Algorithm (NGA) dapat menghasilkan arsitektur dan bobot yang optimal untuk PCFNN dalam memprediksi curah hujan di Kabupaten Bandung. Oleh karena itu, pada tugas akhir ini akan dilakukan analisis dan implementasi untuk prediksi curah hujan menggunakan algoritma PCFNN yang dioptimasi oleh GA, sehingga memberikan hasil prediksi curah hujan untuk satu bulan berikutnya dengan performansi diatas 75%. 2. Dasar Teori 2.1 Data Curah Hujan Data curah hujan bulanan diperoleh dari BMKG Bandung dimulai dari bulan Januari

Recently converted files (publicly available):