Professional Documents
Culture Documents
Abstrak
Dalam studi mengenai Jaringan Syaraf Tiruan (Neural Network), Radial Basis Function begitu
dihandalkan karena memiliki kemampuan kuat untuk memprediksi nilai nonlinier. Pada penelitian ini, Radial Basis
Function digunakan untuk memprediksi besarnya intensitas hujan berdasarkan data historis harian mengenai
temperatur dan kelembaban udara. Data curah hujan harian dari tahun 2004-2010, digunakan untuk mengevaluasi
performansi dari metode ini.RMSE( Root Mean Square Error) adalah nilai untuk mengetahui tingkat keakuratan
kinerja dari suatu sistem prediksi.
Hasil validasi curah hujan pada tahun 2009dengan metode Radial Basis Function Neural Network ,
memperoleh tingkat keakuratan data sebesar 81.37 % dengan RMSE rata-rata per tahun sebesar 0.20601,
dibandingkan dengan metode BPNN-Fuzzy Logic yang mencapai 80.27 % dengan RMSE rata-rata pertahun
sebesar 0.2444 . Kemudian pada Tahun 2010 dengan metode Radial Basis Function Neural Network,tingkat
keakuratan data mencapai 69.86% dengan RMSE rata-rata per tahun sebesar 0.2549 , dibandingkan dengan
metode BPNN-Fuzzy Logic yaitu sebesar 60.82% dengan RMSE rata-rata 0.284842.Semakin rendah nilai
RMSEnya,semakin tinggi tingkat keakuratan datanya. Setelah dibandingkan dengan hasil prediksi metode BPNN-
Fuzzy Logic disimpulkan bahwa validasi curah hujan dengan metode Radial Basis Function Neural Network lebih
baik dari metode Neural Network-Fuzzy Logic.
Fungsi Gaussian bisa dituliskan sebagai Pelatihan Radial Basis Function Neural
berikut, Network
Menentukan nilai spread dan neuron
(2.2)
Output Data Curah Hujan
YA
Selesai