Implementation of Multi-Layer Perceptron in The Prediction and Classification of Rainfall Methods in DKI Jakarta Area

Cuaca merupakan keadaan atmosfer di suatu tempat pada waktu yang relatif pendek dan berkaitan langsung dengan suhu udara, sinar matahari, angin, hujan dan kondisi udara lainnya. Curah hujan merupakan fakor yang berpengaruh langsung terhadap perubahan cuaca, baik perubahan cuaca yang baik maupun perubahan cuaca yang buruk. Proses prakiraan curah hujan memerlukan jumlah data yang besar dan banyak komponen data cuaca, serta kemampuan prakirawan. Hal ini menyebabkan ketepatan dan kecepatan prakiraan kurang terpenuhi. Pelatihan jaringan Multilayer Perceptron ini dilakukan untuk mendapatkan jumlah neuron yang optimal agar hasil klasifikasi curah hujan dapat lebih akurat. Implementasi,pengujian,dan analisis dilakukan pada metode pembelajaran Backpropagation untuk membandingkan hasil akurasi untuk pengklasifikasian curah hujan di wilayah DKI Jakarta. Pada pengujian Backpropagation didapatkan nilai rata-rata presisi dari range 94.8% – 97.9% ,nilai rata-rata recall dari range 93.8% – 98.3% dan nilai rata-rata F1 dari range 95.6% – 98.5%, dengan feature berjumlah 4 dan didapatkan jumlah optimal neuron yang terdapat pada hidden layer sebesar 14. Dengan menggunakan 14 neuron sebagai jumlah optimal rerata F1 didapatkan sebesar 98% dan akurasi sebesar 98%

• 

•