<![CDATA[Kondisi cuaca merupakan faktor yang sangat mempengaruhi aktivitas manusia khususnya pada sektor transportasi karena kegiatan lalu lintas udara dan laut dilakukan dengan mempertimbangkan kondisi cuaca seperti hujan dan kecepatan angin. Untuk itu prediksi curah hujan dan angin penting dilakukan, sehingga semua kegiatan lalu lintas direncanakan dengan baik. Untuk mendapatkan hasil prediksi yang akurat, perlu dilakukan penelitian algoritma apa yang terbaik dan efektif. Pada penelitian ini dilakukan perbandingan pemodelan dari algoritma neural network yaitu Backpropagation (BPNN) dan Reccurent neural network (RNN). Dataset yang digunakan dalam penelitian ini adalah data cuaca periode 2010-2019 dari stasiun FL Tobing Badan Meteorologi, Klimatologi dan Geofisika yang berada di Kabupaten Tapanuli Tengah. Implementasi jaringan syaraf tiruan Backpropragation dan Reccuren dilakukan dengan membangun pemodelan prediksi, dimana dataset yang digunakan akan dinormalisasi terlebih dahulu untuk mendapatkan nilai RMSE terkecil. Berdasarkan percobaan yang telah dilakukan didapatkan bahwa dalam pemodelan prediksi curah hujan dengan nilai RMSE terkecil sebesar 0,079535 menggunakan algoritma BPNN. Sedangkan untuk pemodelan prediksi kecepatan angin diperoleh nilai RMSE terkecil sebesar 0,06281251 menggunakan algoritma RNN. Melalui penelitian ini didapatkan bahwa algoritma BPNN lebih baik dalam memprediksi curah hujan dan algoritma RNN lebih baik dalam memprediksi kecepatan angin.]]>
Copyrights © 2021
