Aplikasi Model Prediksi Cuaca di Kabupaten Cilacap dengan Artificial Neural Network Metode Backpropagation

SEPTIARINI, Riri Diah (2023) Aplikasi Model Prediksi Cuaca di Kabupaten Cilacap dengan Artificial Neural Network Metode Backpropagation. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Download (41kB)
	PDF (Legalitas) LEGALITAS-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Restricted to Repository staff only Download (403kB)
	PDF (Abstrak) ABSTRAK-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Download (34kB)
	PDF (BabI) BAB-I-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Restricted to Repository staff only Download (105kB)
	PDF (BabII) BAB-II-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Restricted to Repository staff only Download (332kB)
	PDF (BabIII) BAB-III-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Restricted to Repository staff only Download (100kB)
	PDF (BabIV) BAB-IV-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Restricted to Repository staff only Download (451kB)
	PDF (BabV) BAB-V-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Download (35kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Download (159kB)
	PDF (Lampiran) LAMPIRAN-Riri Diah Septiarini-K1B018068-Skripsi-2023.pdf Restricted to Repository staff only Download (100kB)

Abstract

Cuaca adalah keadaan udara pada waktu tertentu dan pada daerah tertentu yang relatif sempit dan dalam waktu yang singkat. Indonesia memiliki iklim tropis yang menyebabkan banyak terjadinya cuaca ekstrem. Prediksi cuaca merupakan suatu hal yang penting dalam melakukan aktivitas. Prediksi cuaca melalui pemodelan statistika perlu dikaji. Salah satu model yang sering digunakan untuk memprediksi cuaca yaitu Artificial Neural Networks (ANN) metode Backpropagation. Pada penelitian ini akan memprediksi cuaca di Kabupaten Cilacap yang dilakukan dengan 15 kali pengujian. Variasi parameter yang digunakan adalah nilai epoch sebesar 3000, jumlah neuron hidden sebanyak 5, 10, dan 15, dan learning rate sebesar 0,01; 0,02; 0,03; 0,04 dan 0,05. Berdasarkan pengujian telah dilakukan diperoleh tingkat akurasi terbaik berada pada arsitektur 4-10-2 dengan learning rate 0,01. Arsitektur 4-10-2 menghasilkan nilai MAPE sebesar 2,568%.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	K23050
Uncontrolled Keywords:	Artificial Neural Network, Backpropagation, Cuaca, MAPE, Prediksi.
Subjects:	W > W75 Weather
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > S1 Matematika
Depositing User:	Mrs. SEPTIARINI Riri Diah
Date Deposited:	04 May 2023 00:59
Last Modified:	04 May 2023 00:59
URI:	http://repository.unsoed.ac.id/id/eprint/20869

Actions (login required)

View Item

Search for collections on Repository Universitas Jenderal Soedirman