ABSTRAK
Peramalan merupakan alat penting dalam menentukan segala sesuatu agar efektif dan efesien. Selama ini banyak peramalan dilakukan secara intuitif dengan menggunakan metode-metode statistik. Metode statistik tersebut, antara lain metode smoothing, Box-Jenkins, ekonometri, regresi dan sebagainya. Pemilihan metode tersebut tergantung pada berbagai aspek yang mempengaruhi yaitu aspek waktu, pola data, tipe model sistem yang diamati, tingkat keakuratan forecast atau ramalan yang diinginkan dan sebagainya. Oleh sebab itu, akan muncul suatu masalah apabila pengamatan atau pengujian dilakukan pada suatu sistem dinamis yang memiliki sistem pola data dengan formulasi yang selalu berubah-ubah seperti halnya sistem peramalan curah hujan. Dengan menggunakan teknologi di bidang Artificial Intellegence yaitu teknologi jaringan syaraf tiruan maka identifikasi pola data dari sistem peramalan curah hujan dapat dilakukan dengan metode pendekatan pembelajaran atau pelatihan. Berdasarkan kemampuan belajar yang dimilikinya, maka jaringan syaraf tiruan dapat dilatih untuk mempelajari dan menganalisa pola data masa lalu dan berusaha mencari suatu formula atau fungsi yang akan menghubungkan pola data masa lalu dengan keluaran yang diinginkan.
Penelitian ini bertujuan untuk mengetahui bagaimana melakukan peramalan curah hujan dengan menggunakan jaringan syaraf tiruan backpropagation dan untuk mengetahui besarnya tingkat keakuratan forecast atau ramalan yang dihasilkan oleh jaringan syaraf tiruan backpropagation dibandingkan dengan metode deret berkala Box-Jenkins (ARIMA).
Pada penelitian ini, prosedur yang digunakan, yaitu perumusan masalah, pengumpulan data dan analisis data yang terdiri dari perancangan model peramalan curah hujan menggunakan jaringan syaraf tiruan backpropagation dan membentuk model peramalan curah hujan dengan metode ARIMA.
Dari hasil perhitungan dengan menggunakan jaringan syaraf tiruan backpropagation yang digunakan untuk meramalkan curah hujan dari bulan Januari 2005 sampai Desember 2005 diperoleh nilai MAPE, yaitu 68.99851% sedangkan dengan metode ARIMA diperoleh nilai MAPE, yaitu 66.19905%.
Simpulan yang diperoleh yaitu peramalan dengan menggunakan jaringan syaraf tiruan backpropagation terdiri dari transformasi data curah hujan, pembagian data curah hujan untuk data pelatihan, data pengujian dan data validasi, perancangan struktur jaringan yang optimum dan penggunaan jaringan yang optimum yaitu jaringan dengan struktur 12 simpul masukan, 11 simpul tersembunyi dan 1 simpul keluaran (nilai keluaran ditentukan dengan menggunakan fase 1 atau propagasi maju) dan berdasarkan nilai MAPE yang dihasilkan oleh jaringan syaraf tiruan backpropagation yang lebih besar dari nilai MAPE ARIMA menunjukkan bahwa tingkat keakuratan forecast atau ramalan dengan menggunakan metode ARIMA masih lebih baik dibandingkan dengan jaringan syaraf tiruan backpropagation. Saran yang diajukan yaitu transformasi data yang lain perlu dicoba untuk mendapatkan taburan data yang lebih stabil, komposisi pembagian data yang lain perlu dicoba untuk menghindari masalah overtraining, modifikasi pada pelatihan standar backpropagation selain dengan menggunakan faktor momentum perlu dicoba untuk mempercepat proses iterasi selama proses pelatihan jaringan dan model ARIMA yang lain masih perlu diteliti untuk mendapatkan nilai error forecast atau ramalan yang lebih kecil.
