ABSTRAKSI: Cuaca merupakan kejadian fenomenal yang terjadi di muka bumi ini. Cuaca terjadi karena perubahan suhu dan kelembaban antara suatu tempat dengan tempat yang lain. Perbedaan ini terjadi karena sudut pemanasan Matahari yang berbeda pada setiap tempatnya. Terjadinya pemanasan global mengakibatkan perubahan cuaca yang tidak menentu. Misalnya saja, pada musim kemarau hujan akan turun terus menerus dengan intensitas yang tinggi, begitu pula sebaliknya. Untuk itulah diperlukan suatu metode untuk memprediksi curah hujan agar didapatkan gambaran kejadian yang akan datang.
Penelitian tugas akhir ini menggunakan Algoritma Jaringan Syaraf Tiruan (JST) untuk memprediksi curah hujan 12 bulan ke depan berdasarkan data curah hujan bulanan. Akan tetapi, JST memiliki kelemahan dalam menentukan arsitektur dan bobot yang optimal. Untuk mendapatkan hasil terbaik, maka Algoritma Genetika akan digunakan untuk mengoptimasi JST. Algoritma Genetika membangkitkan sejumlah individu dengan representasi biner dan real, kemudian individu tersebut didekodekan sehingga didapatkan sebuah arsitektur dan bobot JST. Setiap individu akan dievaluasi menggunakan algoritma feedforward untuk mencari individu terbaik berdasarkan fitnessnya. Kemudian, individu tersebut akan mengalami seleksi orang tua, rekombinasi, dan mutasi sehingga didapatkan individu yang berisi arsitektur dan bobot JST yang optimal.
Arsitektur dan bobot JST yang optimal dihasilkan dengan probabilitas cross-over (P c ) 0.6 dan probabilitas mutasi (P ) 0.1, ukuran populasi 200 dan individu yang dievaluasi maksimal sebanyak 200.000 individu dengan akurasi rata-rata pelatihan dan pengujian adalah 75,21%. m
KATA KUNCI: curah hujan, Jaringan Syaraf Tiruan, Algoritma Genetika, feedforwardABSTRACT: The weather is phenomenal events that occurred in the face of this earth. Weather occurs due to changes in temperature and humidity between the place and somewhere else. This difference occurs because of the different angle of the sun warming at each place. Global warming resulting in erratic weather changes. For example, in the dry season it will rain continuously with high intensity, and vice versa. Because of that, we need a method to predict rainfall in order to get an overview of events to come.
This thesis uses Algorithm Neural Network (ANN) to predict rainfall next 12 months based on monthly rainfall data. However, ANN has disadvantages in determining the optimal architecture and weights. To get the best results, Genetic Algorithm is used to optimize the ANN. Genetic Algorithm generates a number of individuals with binary representation and real, then the individual is decoded to obtain a neural network architecture and weights. Each individual will be evaluated using feedforward algorithms to find the best individuals based fitnessnya. Then, the individual will experience a parental selection, recombination and mutation to obtain individuals which contains the architecture and weight of the optimal ANN.
ANN architecture and optimal weights generated by the cross-over probability (Pc) 0.6 and probability of mutation (Pm) 0.1, the population size of 200 individuals were evaluated and a maximum of 200,000 people with an average accuracy of training and testing was 75.21%.
KEYWORD: rainfall, Artificial Neural Network, Genetic Algorithm, feedforward