IMPLEMENTASI METODE BACKPROPAGATION UNTUK MEMPREDIKSI CURAH HUJAN DI PROVINSI SUMATERA UTARA

Tingkat kerugian masyarakat yang tinggi disebabkan oleh terjadinya bencana alam. Hal ini dikarenakan minimnya informasi yang diterima masyarakat tentang potensi bencana di sekitar mereka. Dengan demikian, kesadaran masyarakat akan tanggap bencana sangat rendah. Oleh karena itu, informasi cuaca sangat penting untuk kelancaran aktivitas dan aktivitas manusia, termasuk melihat besarnya curah hujan. Adapun tujuan dari penelitian ini untuk mengetahui model terbaik yang digunakan untuk memprediksi curah hujan di Provinsi Sumatera Utara dan mengetahui trend curah hujan pada tahun yang akan datang. Data yang diambil pada penelitian ini merupakan data time series curah hujan yang terdapat di 6 stasiun di Provinsi Sumatera Utara pada 10 tahun terakhir yang meliputi Stasiun Meteorologi Sibolga, Stasiun Meteorologi Aek Godang, Stasiun Meteorologi Silangit, Balai Besar Meteorologi, Klimatologi dan Geofisika Wilayah I Medan, Stasiun Klimatologi Deli Serdang, dan Stasiun Meteorologi Binaka. Penelitian ini menggunakan metode terbaik dalam memprediksi yaitu metode backpropagation. Backpropagation merupakan salah satu metode pada jaringan syaraf tiruan yang secara struktural biasanya terbagi menjadi tiga, yaitu lapisan masukan (input layer), lapisan tengah (hidden layer), dan lapisan keluar (output layer) yang terhubung melalui bobot. Pada tahap pelatihan untuk menenmukan pemodelan terbaik dilakukan uji coba learning rate, iterasi dan junlah node pada hidden layer. Setelah proses training dilakukan didapatkan model terbaik yang akan digunakan untuk proses pengujian agar mendapatkan hasil prediksi curah hujan. Hasil yang sudah dilakukan pada data curah hujan Provinsi Sumatera Utara didapat model terbaik dengan iterasi optimal sebesar
1000 iterasi, pada uji coba learning rate didapat learning rate optimal 0,1 dan mendapatkan jumlah node hidden 5 yang terbaik. Pada proses pengujian didapat hasil MSE 0,047 dan 0,022 dan nilai RMSE 0,0022 dan 0,00049.