Implementasi jaringan saraf tiruan Multi-Layer Perceptron Feedforward dengan Hidden Layer Tunggal pada prakiraan cuaca

UKKAS, Moh. Irwan, Dra. Sri Hartati, M.Sc.,Ph.D

2005 | Tesis | S2 Ilmu Komputer

Jaringan saraf tiruan (JST) diilhami dari ilmu Biologi. Jaringan yang dibuat membutuhkan sejumlah asumsi anatomi dan fungsi otak yang mungkin sekali tidak sama dengan otak yang sebenarnya. Karakteristik yang menarik dari jaringan saraf tiruan adalah kemampuannya untuk belajar. Salah satu macam jaringan saraf tiruan adalah multi-layer perceptron feedforward. Jaringan saraf tiruan ini dapat dilatih untuk mengenali suatu pola tertentu. Pola suhu udara dan curah hujan merupakan pola yang hampir selalu sama dalam satu periode tertentu dalam satu tahun. Dengan menggunakan jaringan saraf multi-layer perceptron feedforward, pergeseran pola suhu udara dan curah hujan itu akan diadaptasi sehingga diharapkan akan menghasilkan suatu prakiraan yang mendekati kejadian yang sesungguhnya.

Artificial neural network (ANN) inspired from Biological science. The network had made is require a number of assumption of anatomy and brain function which unlike brain in fact. The main characteristic of artificial neural network its ability to learn. One of artificial neural network type is multi-layer perceptron feedforward. This network can be trained to recognize a certain pattern. The pattern of temperature and rainfall is almost equal in specific period in one year. By using multi-layer perceptron feedforward neural network, the shifting of temperature and rainfall pattern is adapted so that expected to produce accurate weather prediction.

Kata Kunci : Jaringan Syaraf Tiruan,MLP, Artificial neural network, Multi-layer perceptron feedforward, Single Hidden layer, Weather prediction.