Optimasi Algoritma Neural Network Berbasis Fitur Seleksi Menggunakan Algoritma Genetika Untuk Prediksi Curah Hujan
Article Sidebar
Main Article Content
Abstract
Perubahan iklim dapat di prediksi dengan menganalisis pergerakan cuaca pada waktu tertentu, salah satunya dengan memprediksi curah hujan yang atributnya terdiri dari kelembaban dan angin sebagai acuan untuk digunakan memprediksi curah hujan di lokasi tertentu. Prediksi curah hujan dapat dicapai dengan menggunakan metode klasifikasi pada Data Mining. Teknik yang berbeda menghasilkan kinerja yang berbeda pula tergantung pada representasi data curah hujan termasuk representasi untuk pola jangka panjang (bulan) dan pola jangka pendek (harian). Memilih teknik yang tepat untuk durasi curah hujan tertentu merupakan tugas yang menantang. Studi ini menganalisis menggunakan Neural Network, setelah membandingakan dengan metode K-NN, Naive Bayes, Decision Tree, Random Forest, Gradient Boost untuk memprediksi curah hujan menggunakan data BMKG (Badan Meteorologi Klimatologi dan Geofisika). Dataset yang telah dikumpulkan bersumber dari Stasiun Geofisika Bandung, Indonesia. Dengan hasil 77.99% sebelum di optimasi dan 89,74% setelah di optimasi.
Article Details
References
J. Romm, Extreme Weather and Climate Change. 2018. doi: 10.1093/wentk/9780190866112.003.0002.
S. Marpaung et al., “Analysis of water productivity in the Banda Sea based on remote sensing satellite data,” Int. J. Remote Sens. Earth Sci., vol. 17, no. 1, pp. 25–34, 2021.
S. Zainudin, D. S. Jasim, and A. A. Bakar, “Comparative analysis of data mining techniques for Malaysian rainfall prediction,” Int. J. Adv. Sci. Eng. Inf. Technol, vol. 6, no. 6, pp. 1148–1153, 2016.
S. S. Baboo and I. K. Shereef, “ANN_AnEfficientWeather_ForecastingSystem,” Int. J. Environ. Sci. Dev., vol. 1, no. 4, pp. 321–326, 2010.
A. Supriyatna and W. P. Mustika, “Komparasi Algoritma Naive bayes dan SVM Untuk Memprediksi Keberhasilan Imunoterapi Pada Penyakit Kutil,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 2, no. 2, pp. 152–161, 2018.
H. Annur, “Penerapan Data Mining Menentukan Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering,” J. Inform. Upgris, vol. 5, no. 1, 2019, doi: 10.26877/jiu.v5i1.3091.
Y. Firmansyah, “TA: ANALISIS DATA CURAH HUJAN YANG HILANG DENGAN MENGGUNAKAN METODE RASIONAL DAN METODE INVERSED SQUARE DISTANCE DI STASIUN CIPAKU, CIPEUSING, DAN CISAMPIH.” Institut Teknologi Nasional, 2021.
Triatmodjo, “(Triatmodjo, 2008),” Hidrol. Terap. Cetakan Pertama, pp. 4–16, 2008.
J. Suntoro, DATA MINING: Algoritma dan Implementasi dengan Pemrograman php. Elex Media Komputindo, 2019.
H. Sulastri and A. I. Gufroni, “Penerapan data mining dalam pengelompokan penderita thalassaemia,” J. Nas. Teknol. dan Sist. Inf., vol. 3, no. 2, pp. 299–305, 2017.
P. Refaeilzadeh, L. Tang, and H. Liu, “Cross-validation.,” Encycl. database Syst., vol. 5, pp. 532–538, 2009.
D. Normawati and D. P. Ismi, “K-Fold Cross Validation for Selection of Cardiovascular Disease Diagnosis Features by Applying Rule-Based Datamining,” Signal Image Process. Lett., vol. 1, no. 2, pp. 23–35, 2019, doi: 10.31763/simple.v1i2.3.
A. P. Windarto et al., Jaringan Saraf Tiruan: Algoritma Prediksi dan Implementasi. Yayasan Kita Menulis, 2020.
M. Ahsan and W. Harianto, “KOMPARASI TINGKAT AKURASI INFORMATION GAIN DAN GAIN RATIO PADA METODE K-NEAREST NEIGHBOR,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 1, pp. 386–391, 2022.
I Gede Agus Widyadana and Lala Febriana, “PENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia),” J. Tek. Ind., vol. 3, no. 2, pp. 43–47, 2001, [Online]. Available: http://puslit2.petra.ac.id/ejournal/index.php/ind/article/view/15999
X. Yu and M. Gen, Introduction to evolutionary algorithms. Springer Science & Business Media, 2010.
P. Ristoski, C. Bizer, and H. Paulheim, “Mining the Web of Linked Data with RapidMiner,” J. Web Semant., vol. 35, pp. 142–151, 2015, doi: 10.1016/j.websem.2015.06.004.
H. Sedarmayanti, “Syarifudin.(2002),” Metodol. Penelitian. Bandung Mandar Maju, 2022.
A. E. Hassanien and A. Darwish, Machine Learning and Big Data Analytics Paradigms: Analysis, Applications and Challenges. Springer International Publishing, 2020. [Online]. Available: https://books.google.co.id/books?id=qfsOEAAAQBAJ
A. PSW, “Perbandingan Jaringan Syaraf Tiruan Backpropagation Dan Metode Deret Berkala Box-Jenkins (Arima) Sebagai Metode Peramalan Curah Hujan,” Fak. Mat. dan Ilmu Pengetah. Alam. Univ. Negeri Semarang. Semarang, 2007.