Publisher

GAWPALUGAWPALU

Journal Buletin GAW Bariri (BGB)Buletin GAW Bariri (BGB) Abstract

Prakiraan cuaca sangat penting untuk mendukung segala kegiatan aktivitas masyarakat. Untuk menghasilkan prakiraan cuaca yang akurat dibutuhkan pengetahuan dan pengalaman dari prakirawan cuaca yang didukung dengan teknologi pemodelan cuaca. Pada penelitian ini, dilakukan sebuah pemodelan curah hujan menggunakan artificial neural network (ANN) di Stasiun Meteorologi Kemayoran. Pada proses pembuatan model ANN, dibutuhkan pelatihan data menggunakan kondisi cuaca di masa lalu. Data yang digunakan untuk pelatihan dalam membuat model ANN adalah data cuaca harian periode Januari 2011 s.d. Desember 2019 yang selanjutnya diuji dengan menggunakan studi kasus selama periode Januari s.d. Agustus 2020. Variasi model dibuat berdasarkan jenis input dan jumlah hidden layer untuk mengetahui perbedaan penggunaan data prediktor yang digunakan. Kemudian model ANN dibuat dengan menggunakan pendekatan 3 – lapisan yang terdiri dari lapisan input, lapisan tersembunyi, dan lapisan output. Selanjutnya perbandingan model tersebut diuji menggunakan nilai koefisien korelasi (R) dan rata – rata kesalahan absolut (MAE) untuk mengetahui model yang terbaik. Berdasarkan hasil penelitian, prediksi hujan menggunakan data parameter input kondisi cuaca harian berupa suhu udara, kelembaban udara, dan durasi penyinaran matahari memiliki nilai koefisien korelasi (R) sebesar 0.4 – 0.5 dan rata – rata kesalahan absolut (MAE) sebesar 9.7 – 9.8 mm. Sedangkan jika model dibuat dengan parameter input hujan di hari – hari sebelumnya, nilai koefisien korelasi (R) hanya 0.1 – 0.3 dengan nilai rata – rata kesalahan absolut (MAE) sebesar 11.3 – 12.3 mm. Kondisi tersebut menunjukkan bahwa prediktor yang lebih baik digunakan dalam memprediksi hujan harian berdasarkan artificial neural network adalah dengan menggunakan parameter input kondisi cuaca permukaan.

Conclusion

Berdasarkan hasil output model yang dilakukan menggunakan data pelatihan periode Januari 2011 s.Desember 2019 yang diuji dengan data periode Januari s.Model dengan parameter input intensitas hujan pada beberapa hari sebelumnya memiliki hasil yang kurang sesuai untuk prediksi hujan.Kejadian hujan yang seharusnya terjadi pada satu hari tertentu justru ditunjukkan pada hari setelahnya.Sedangkan untuk model dengan parameter input cuaca harian dapat menangkap pola – pola peningkatan intensitas hujan dan pola penurunan intensitas hujan di waktu yang sama.Model terbaik yang diperoleh berdasarkan studi kasus penelitian ini adalah model ANN331, yaitu model ANN yang menggunakan parameter data input berupa cuaca permukaan dan arsitektur model menggunakan 3 neuron di lapisan tersembunyi.Tingkat kesalahan yang dihasilkan model tersebut adalah 9.Kondisi tersebut menunjukkan bahwa model ANN yang dibuat untuk memprediksi curah hujan harian di Kemayoran menggunakan data input cuaca permukaan seperti suhu udara, kelembaban udara dan penyinaran matahari memiliki hasil yang lebih baik dibandingkan model yang hanya dengan menggunakan data input curah hujan di hari sebelumnya.

Future Research

Saran penelitian lanjutan yang dapat dilakukan adalah: . . 1. Mengembangkan model ANN dengan menggabungkan data cuaca permukaan dan data observasi udara atas, seperti Radiosonde, untuk meningkatkan performa model dalam memprediksi curah hujan harian. . . 2. Melakukan studi kasus yang lebih luas dengan menggunakan data dari berbagai stasiun meteorologi di Indonesia untuk memvalidasi model dan meningkatkan akurasi prediksi. . . 3. Menganalisis faktor-faktor lain yang dapat mempengaruhi curah hujan, seperti topografi, kondisi atmosfer vertikal, dan sifat atmosfer saat itu, serta mengintegrasikan informasi tersebut ke dalam model ANN untuk meningkatkan akurasi prediksi hujan.

Metadata

File size	525.45 KB
Pages	8
DMCA	Report