IMPLEMENTASI NEURAL FUZZY INFERENCE SYSTEM DAN ALGORITMA PELATIHAN LEVENBERG-MARQUARDT UNTUK PREDIKSI CURAH HUJAN

NOLA RITHA, Drs. Retantyo Wardoyo, M.Sc., Ph.D.

2015 | Tesis | S2 Ilmu Komputer

Prediksi curah hujan dapat digunakan untuk berbagai kepentingan dan keakuratan dalam memprediksinya menjadi penting terutama terhadap bidang-bidang khusus seperti pertanian dan industri. Dalam penelitian ini, data prediksi curah hujan yang digunakan adalah data curah hujan harian dari tahun 2013-2014 pada stasiun pengamatan curah hujan Putussibau, Kalimantan Barat. Faktor-faktor yang mempengaruhi curah hujan yang digunakan sebagai parameter. Prediksi curah hujan ini menggunakan empat parameter yaitu rata-rata suhu, kelembaban udara, kecepatan angin dan tekanan permukaan laut. Penelitian ini dilakukan untuk mengetahui bagaimana kinerja Neural Fuzzy Inference System dengan algoritma pelatihan Levenberg-Marquardt untuk prediksi curah hujan. Logika fuzzy yang dapat digunakan untuk menyelesaikan variabel linguistik yang digunakan pada aturan curah hujan. Sedangkan jaringan syaraf tiruan (neural network) memiliki kemampuan untuk beradaptasi dan kemampuan proses belajar (learning), dikarenakan untuk mengenali pola data dari masukan-masukan sebelumnya dalam memprediksi curah hujan dibutuhkan suatu pelatihan. Dan Algoritma pelatihan Levenberg-Marquardt digunakan untuk pelatihan karena kefektifan dan kecepatan konvergensinya. Hasil penelitian menunjukkan dari lima model NFIS-LM yang dikembangkan dengan menggunakan berbagai fungsi keanggotaan, variabel linguistik dan parameter faktor curah hujan sebagai masukan diperoleh bahwa model NFIS-LM dengan dua belas fungsi keanggotaan dan menggunakan empat input yaitu: suhu, kelembaban udara, kecepatan angin dan tekanan permukaan laut memberikan hasil yang terbaik untuk memprediksi curah hujan dengan nilai Mean Square Error (MSE) sebesar 0.0262050. Jika dibandingkan dengan model NN-Backpropagation, model NFIS-LM menunjukkan akurasi yang lebih rendah. Hal ini ditunjukkan dari MSE yang dihasilkan di mana model NN-Backpropagation menghasilkan MSE sebesar 0.0167990.

Rainfall prediction can be used for various purposes and the accuracy in predicting is important, especially for specialized fields such as agriculture and industry. In this research, the data of rainfall prediction is used daily rainfall data from the years 2013-2014 at rainfall station in Putussibau, West Kalimantan. Factors affecting precipitation which is used as a parameter. Rainfall prediction using four parameters: mean temperature, average humidity, wind speed and mean sea level pressure. This research to determine how performance Neural Fuzzy Inference System with Levenberg-Marquardt training algorithm for rainfall prediction. Fuzzy logic can be used to resolve linguistic variables that used in rule of rainfall. While artificial neural networks have the ability to adapt and the ability of the learning process (learning), due to recognize patterns of data from the inputs before in predicting rainfall needed training. And Levenberg-Marquardt algorithm is used for training because of the effectiveness and convergence acceleration. The results showed five models NFIS-LM developed using a variety of membership functions, linguistic variables and parameters factor of rainfall as input obtained that the model NFIS-LM with twelve of membership functions and use of three inputs, such as, mean temperature, average humidity, wind speed and mean sea level pressure gives the best results to predict rainfall with values Mean Square Error (MSE) of 0.0262050. When compared with the model NN-Backpropagation, NFIS-LM models showed lower accuracy. It is shown from MSE where the model NN-Backpropagation generate MSE of 0.0167990.

Kata Kunci : Levenberg-Marquardt, Neural Fuzzy Inference System, Rainfall Prediction.