ABSTRAKSI: Seiring dengan perkembangan di teknologi informasi, metode peramalan Jaringan Syaraf Tiruan (JST) dengan pelatihan backpropagation bisa digunakan untuk berbagai macam hal seperti untuk prediksi temperatur suhu udara. Pada penelitian tugas akhir ini akan melakukan percobaan peramalan temperatur udara dengan data meteorologi yang terdiri dari 6 parameter, yaitu temperatur rata-rata, kelembapan udara, lama penyinaran matahari, curah hujan, tekanan udara, dan kecepatan angin
Metode Backpropagation standar pada JST mempunyai masalah klasik. Yang pertama adalah yaitu lamanya proses training dan yang kedua pemilihan bobot secara random. Untuk mempercepat proses training maka digunakanlah algoritma Conjugate Gradient Hestenes Stiefel(CGHS) pada proses pelatihannya dan Algoritma Multiple Regression linier pada waktu pembobotan. Dari implementasi kedua algoritma tersebut diharapkan dapat mengurangi epoch dan MAPEnya. Hasil yang diperoleh selama pengujian yaitu dengan gabungan kedua algoritma bisa memperpendek iterasi bila dibandingkan dengan memakai hanya CGHS saja. Sedangkan untuk akurasi bisa mencapai 96%.Kata Kunci : JST, backpropagation, conjugate gradient hestenes stiefel, multiple linier regression, epoch, MAPEABSTRACT: Together with the development of information technology, artifisial neural network with backpropagation training can be use in many thing likes to forecast of air temperature. In this final assignment is going to try to forecast the air temperature with some weather datas that consists of 6 parameters such as : average air temperature, humidity, amount of sunlight, rain fall, air pressure, and wind velocity.
Standard Backpropagation metode on Artificial Neuron Network has some classical problem. First is the time in training process is to long or to many iteration, and for the seconds is randomization in weightening. To overcome this problem, Conjugate Gradient Hestenes Stiefel Algorithm are used to reduce time in training and Multiple Linier Regression Algorithm to initiate the weight. With the combination of both algorithm it can reduce the epoch and MAPE The results from testing is that using both algorithm can reduce the iteration when it compared to when using only one(CGHS). And for the accuracy is up to 96%Keyword: ANN, backpropagation, conjugate gradient hestenes stiefel, multiple linier regression, epoch, MAPE