PREDIKSI CURAH HUJAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK BERBASIS GOOGLE EARTH ENGINE (STUDI KASUS : KECAMATAN TANAH GROGOT)

Ariati, Risna (2025) PREDIKSI CURAH HUJAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK BERBASIS GOOGLE EARTH ENGINE (STUDI KASUS : KECAMATAN TANAH GROGOT). Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11181075_cover.pdf Restricted to Repository staff only until 4 October 2027. Download (526kB) | Request a copy
	Text 11181075_statement_of_authenticity.pdf Restricted to Repository staff only until 4 October 2027. Download (170kB) | Request a copy
	Text 11181075_publishing_agreement.pdf Restricted to Repository staff only until 4 October 2027. Download (517kB) | Request a copy
	Text 11181075_approval_sheet.pdf Restricted to Repository staff only until 4 October 2027. Download (163kB) | Request a copy
	Text 11181075_preface.pdf Restricted to Repository staff only until 4 October 2027. Download (226kB) | Request a copy
	Text 11181075_abstract_id.pdf Restricted to Repository staff only until 4 October 2027. Download (521kB) | Request a copy
	Text 11181075_abstract_en.pdf Restricted to Repository staff only until 4 October 2027. Download (520kB) | Request a copy
	Text 11181075_table_of_content.pdf Restricted to Repository staff only until 4 October 2027. Download (575kB) | Request a copy
	Text 11181075_illustrations.pdf Restricted to Repository staff only until 4 October 2027. Download (521kB) | Request a copy
	Text 11181075_tables.pdf Restricted to Repository staff only until 4 October 2027. Download (517kB) | Request a copy
	Text 11181075_chapter_1.pdf Restricted to Repository staff only until 4 October 2027. Download (641kB) | Request a copy
	Text 11181075_chapter_2.pdf Restricted to Repository staff only until 4 October 2027. Download (700kB) | Request a copy
	Text 11181075_chapter_3.pdf Restricted to Repository staff only until 4 October 2027. Download (870kB) | Request a copy
	Text 11181075_chapter_4.pdf Restricted to Repository staff only until 4 October 2027. Download (2MB) | Request a copy
	Text 11181075_conclusions.pdf Restricted to Repository staff only until 4 October 2027. Download (486kB) | Request a copy
	Text 11181075_bibliography.pdf Restricted to Repository staff only until 4 October 2027. Download (476kB) | Request a copy
	Text 11181075_enclosure.pdf Restricted to Repository staff only until 4 October 2027. Download (463kB) | Request a copy
	Text 11181075_paper.pdf Restricted to Repository staff only until 4 October 2027. Download (1MB) | Request a copy
	Text 11181075_presentation.pdf Restricted to Repository staff only until 4 October 2027. Download (6MB) | Request a copy
	Text 11181075_Form. TA-020.pdf Restricted to Repository staff only until 4 October 2027. Download (226kB) | Request a copy

Abstract

Dalam kondisi yang ekstrim, cuaca dan iklim dapat menyebabkan terjadinya bencana alam, diantaranya wabah penyakit, banjir, angin kencang, tanah longsor, kekeringan, dan kebakaran hutan/lahan. Curah hujan merupakan parameter iklim yang perilakunya sangat terlihat akibat adanya penyimpangan iklim. Oleh karena itu, sangat perlu untuk mempelajari pengetahuan, analisis dan informasi mengenai kondisi curah hujan serta pola perubahannya agar masyarakat maupun pemerintah daerah Tanah Grogot dapat menyesuaikan diri dengan perubahan yang dinamis, menghindari dan mengurangi resiko bencana, serta mengambil langkah-langkah mitigasi yang tepat. Jaringan Saraf Tiruan Backpropagation berfungsi untuk melatih jaringan agar mencapai keseimbangan antara kemampuannya dalam mengenali pola yang digunakan selama proses pelatihan dan kemampuannya untuk memberikan respon yang tepat terhadap pola input yang mirip dengan pola yang telah dilatih. Pada penelitian ini dataset dibagi dengan perbandingan data training dan data testing sebanyak 80%:20%. Data yang tersedia sebanyak 28.775 perhari dan 1.216 perjam, maka pembagian untuk data training sebanyak 23.020 data dan data testing sebanyak 5.755 data untukl data perhari dan sebanyak 973 data dan data testing sebanyak 243. Arsitektur yang digunakan yaitu 1-3-1 dengan iterasi sebanyak 2000 dan learning rate sebesar 0.001. Pada penelitian ini diperoleh hasil evaluasi menggunakan metode MSE (Mean Squared Error) sebesar 4.2762 dan RMSE (Root Mean Squared Error) sebesar 2.0679. Nilai tersebut menunjukkan bahwa model memiliki tingkat kesalahan yang relatif rendah dan cukup baik dalam melakukan prediksi.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General)
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Risna Ariati
Date Deposited:	14 Jul 2025 01:41
Last Modified:	14 Jul 2025 01:41
URI:	http://repository.itk.ac.id/id/eprint/24490

Actions (login required)

View Item