ANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Sari

Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi curah hujan dengan metode backpropagation. Algoritma momentum merupakan pengembangan dari algoritma backpropagation standar. Algoritma momentum memiliki kesamaan langkah dengan algoritma backpropagation standar tetapi berbeda pada saat umpan mundur (backward propagation). Penambahan momentum dimaksudkan untuk menghindari perubahan bobot yang mencolok akibat adanya data yang sangat berbeda dengan yang lain (outlier). Pada penelitian ini penulis akan menganalisis pengaruh penambahan momentum pada proses prediksi curah hujan di kota medan dengan metode backpropagation neural network. Dari hasil penelitian dapat disimpulkan beberapa hal antara lain : Semakin kecil target error, maka jumlah iterasi akan semakin besar. Semakin kecil target error, maka nilai
keakurasiannya cenderung semakin baik (semakin besar). Jumlah iterasi pada proses trainning dengan penambahan momentum lebih kecil dibandingkan dengan tanpa penambahan momentum. Tingkat akurasi tertinggi dicapai pada target error 0.0073 yaitu 43.65%.