<![CDATA[Penelitian ini bertujuan untuk memprediksi nilai indeks ENSO yaitu Sea Surface Temperature (Nino 1.2, Nino 3, Nino 3.4 dan Nino 4), Southern Oscillation Index (SOI) dan Multivariate ENSO Index versi 2 (MEI.v2) yang diambil dari tahun 1979-2018. Prediksi dilakukan dengan menggunakan metode JST-backpropagation dengan memvariasikan learning rate dan momentum. Semua indeks menghasilkan nilai akurasi prediksi ENSO yang tinggi, namun indeks Nino 4 merupakan indeks yang memiliki akurasi tertinggi karena nilai Mean Square Error (MSE) pelatihan dan pengujiannya yang relatif lebih kecil dibandingkan dengan indeks lainnya. Indeks Nino 4 memiliki MSE pelatihan 0,0072739 yang berhenti pada epoch ke-69 dan MSE pengujian 0,0085917 dengan akurasi prediksi 99,9989%. Hasil ini diperoleh dari arsitektur JST-backpropagation 12-10-1 dengan nilai learning rate 0,10 dan momentum 0,40. Prediksi ENSO berdasarkan indeks Nino 4 untuk tahun 2021 menunjukkan keadaan iklim dunia dalam kondisi normal. This study aims to predict ENSO index using Sea Surface Temperature (Nino 1.2, Nino 3, Nino 3.4 and Nino 4 indexes), Southern Oscillation Index (SOI), and Multivariate ENSO Index version 2 (MEI.v2) during 1979 - 2018. The prediction was carried out using the ANN-backpropagation method by varying the learning rate and momentum. All indices produce high ENSO prediction accuracy values, but the Nino 4 index is the best one because the Mean Square Error (MSE) for training and testing steps are relatively smaller than other indexes. The Nino 4 index has a training MSE of 0.0072739 which stops at the 69th epoch and a testing MSE of 0.0085917 with a predictive accuracy of 99.9989%. These results were obtained from the back-propagation architecture ANN 12-10-1 with a learning rate of 0.10 and a momentum of 0.40. The prediction of ENSO in 2021 based on the Nino 4 index shows that the world climate condition is under normal conditions.]]>
Copyrights © 2020
