PREDIKSI CUACA DENGAN JARINGAN SYARAF TIRUAN MENGGUNAKAN PYTHON

Prediksi cuaca merupakan salah satu tantangan dalam ilmu meteorologi yang terus berkembang. Metode prediksi yang akurat dapat memberikan informasi yang sangat berharga bagi berbagai sektor, termasuk pertanian, transportasi, dan mitigasi bencana alam. Salah satu pendekatan yang digunakan dalam memprediksi cuaca adalah menggunakan teknik jaringan syaraf tiruan (JST). JST merupakan model komputasi yang terinspirasi dari struktur dan fungsi jaringan syaraf biologis manusia. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja JST dalam prediksi cuaca. Data yang digunakan adalah data historis cuaca yang mencakup parameter seperti suhu udara, kelembaban, tekanan udara, dan arah angin. Proses pelatihan dilakukan dengan menggunakan algoritma pembelajaran yang sesuai untuk menyesuaikan bobot-bobot dalam JST agar dapat menghasilkan prediksi cuaca yang akurat. Hasil dari penelitian ini menunjukkan bahwa lapisan tersembunyi tunggal dengan hanya 2 node memiliki performa sedikit lebih baik dibandingkan arsitektur yang lebih kompleks. Selain itu, memerlukan waktu pelatihan yang jauh lebih singkat. Dari segi akurasi dan efisiensi meskipun menggunakan arsitektur yang lebih sederhana, jaringan kecil hampir mencapai akurasi yang sama (sekitar 89%) seperti jaringan asli. Selain itu, waktu pelatihannya juga lebih efisien. Maka berdasarkan temuan ini, diputuskan untuk melanjutkan dengan tata letak jaringan yang dioptimalkan (satu lapisan tersembunyi dengan 2 node) karena keseimbangan antara akurasi dan efisiensi yang baik. Penelitian ini tidak hanya meningkatkan akurasi prediksi cuaca, tetapi juga menyoroti pentingnya optimisasi arsitektur jaringan saraf sesuai dengan dataset dan tugas spesifik.