Implementasi Artificial Neural Network (ANN) Untuk Memprediksi Cuaca Harian Berdasarkan Data Suhu dan Kelembapan

Hafidz Al  Fadil; Erni  Rouza; Dafit Suhenra; Andriansyah Andriansyah; zakinul Mutaqqin; Kelvin Putra Mahendra; Khairul Abdi

doi:10.31004/riggs.v4i4.5668

Authors

Hafidz Al Fadil Universitas Pasir Pengaraian
Erni Rouza Universitas Pasir Pengaraian
Dafit Suhenra Universitas Pasir Pengaraian
Andriansyah Andriansyah Universitas Pasir Pengaraian
zakinul Mutaqqin Universitas Pasir Pengaraian
Kelvin Putra Mahendra Universitas Pasir Pengaraian
Khairul Abdi Universitas Pasir Pengaraian

DOI:

https://doi.org/10.31004/riggs.v4i4.5668

Keywords:

Prediksi Cuaca, Suhu, Kelembapan, Artificial Neural Network, Machine Learning

Abstract

Perubahan cuaca yang tidak menentu sering kali memberikan dampak signifikan terhadap berbagai aktivitas manusia, seperti sektor pertanian, transportasi, perikanan, serta kegiatan masyarakat dalam kehidupan sehari-hari. Ketidakpastian kondisi cuaca dapat menyebabkan kerugian ekonomi maupun gangguan aktivitas apabila tidak diantisipasi dengan baik. Oleh karena itu, diperlukan suatu sistem prediksi cuaca yang sederhana, mudah digunakan, namun tetap mampu memberikan hasil yang cukup akurat sebagai dasar pengambilan keputusan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Artificial Neural Network (ANN) dalam melakukan prediksi kondisi cuaca harian berdasarkan parameter suhu dan kelembapan udara. Metode penelitian yang digunakan adalah pendekatan eksperimental dengan memanfaatkan data cuaca historis yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) serta dataset publik lainnya. Data suhu dan kelembapan digunakan sebagai variabel input, sedangkan kondisi cuaca harian yang diklasifikasikan menjadi cerah, berawan, dan hujan dijadikan sebagai variabel output. Model ANN dibangun menggunakan arsitektur jaringan saraf tiruan sederhana yang terdiri dari lapisan input, beberapa lapisan tersembunyi, dan lapisan output. Proses pelatihan dilakukan menggunakan metode supervised learning. Hasil pengujian menunjukkan bahwa model ANN mampu memprediksi kondisi cuaca harian dengan tingkat akurasi yang cukup baik. Sistem ini diharapkan dapat menjadi solusi alternatif yang efisien dalam menyediakan informasi cuaca sederhana bagi masyarakat serta mendukung pengambilan keputusan di berbagai sektor.

Downloads

Download data is not yet available.

References

S. R. P. Mahasiswa dan A. Sofwan, “Prediksi Sensor Cuaca Menggunakan ANN Backpropagation: Studi Kasus Suhu, Kelembaban, dan Tekanan Udara,” SAINSTECH: Jurnal Penelitian dan Pengkajian Sains dan Teknologi, vol. 35, no. 3, 2025. DOI: [https://doi.org/10.37277/stch.v35i3.2395]

B. M. Imran dan Y. Permanasari, “Pengaruh Learning Rate pada Artificial Neural Network terhadap Hasil Prediksi Cuaca Hujan,” Jurnal Riset Matematika, vol. 5, no. 1, 2025.D [https://doi.org/10.29313/jrm.v5i1.6571]

S. Kareem, Z. J. Hamad, dan S. Askar, “An Evaluation of CNN and ANN in Weather Forecasting: A Review,” Sustainable Engineering and Innovation, vol. 3, no. 2, 2021. DOI: [https://doi.org/10.37868/sei.v3i2.id146]

A. Zulfiani dan C. Fauzi, “Pemanfaatan Artificial Neural Network dengan Teknik Backpropagation untuk Prakiraan Cuaca Harian,” Jurnal Transformatika, vol. 21, no. 2, 2024. DOI: [https://doi.org/10.26623/transformatika.v21i2.6937]

S. Ernawati, “Aplikasi Hopfield Neural Network untuk Prakiraan Cuaca,” Jurnal Meteorologi dan Geofisika, vol. 10, no. 2, 2024. DOI: [https://doi.org/10.31172/jmg.v10i2.44]

A. Ajina, A. K. Al-Khayat, dan A. M. Ali, “Prediction of Weather Forecasting Using Artificial Neural Networks,” Journal of Applied Research and Technology, vol. 21, no. 2, 2023. DOI: [https://doi.org/10.22201/icat.24486736e.2023.21.2.1698]

R. Utami dan A. Hidayatullah, “Prediksi Curah Hujan pada Stasiun BMKG Menggunakan Metode Backpropagation Neural Network,” Elkom: Jurnal Elektronika dan Komputer, vol. 17, no. 1, 2024. DOI: [https://doi.org/10.51903/elkom.v17i1.1921]

A. Diando, L. M. Limantara, dan S. Wahyuni, “Estimasi Tinggi Curah Hujan dari Data Klimatologi Menggunakan Model Artificial Neural Network (ANN) di Jakarta Pusat,” Jurnal Teknologi dan Rekayasa Sumber Daya Air, vol. 4, no. 1, 2024.D [https://doi.org/10.21776/ub.jtresda.2024.004.01.002]

C. Canadi, R. Kurniawan, dan A. P. Nugroho, “Prediksi Angin Menggunakan Data Temperatur, Kelembaban, Curah Hujan, dan Penyinaran Matahari dengan Metode Artificial Neural Network,” Hidropilar: Jurnal Hidrografi, vol. 6, no. 1, 2025.D [https://doi.org/10.37875/hidropilar.v6i1.165]

A. Sharma, R. Singh, dan P. K. Gupta, “Weather Forecasting Using Artificial Neural Network (ANN): A Review,” *Procedia Computer Science, vol. 241, 2024. DOI: [https://doi.org/10.1016/j.procs.2024.08.090]

J. W. Creswell, Research Design: Qualitative, Quantitative, and Mixed Methods Approaches, 4th ed. Thousand Oaks, CA, USA: Sage Publications, 2014.

S. Haykin, Neural Networks and Learning Machines, 3rd ed. Upper Saddle River, NJ, USA: Pearson Education, 2009.

Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung, Indonesia: Alfabeta, 2019.

I. Goodfellow, Y. Bengio, and A. Courville, Deep Learning. Cambridge, MA, USA: MIT Press, 2016.

D. M. W. Powers, “Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness & Correlation,” Journal of Machine Learning Technologies, vol. 2, no. 1, pp. 37–63, 2011.

T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed. New York, NY, USA: Springer, 2009.

S. Haykin, Neural Networks: A Comprehensive Foundation. New Jersey, NJ, USA: Prentice Hall, 1999.

S. Arikunto, Prosedur Penelitian Suatu Pendekatan Praktis. Jakarta, Indonesia: PT Rineka Cipta, 2016.

L. Rohmawati, “Pengaruh Pengawas dan Direksi Wanita Terhadap Risiko Bank Dengan Kekuasaan CEO Sebagai Variabel Pemoderasi,” Syntax Literate: Jurnal Ilmiah Indonesia, vol. 4, no. 9, pp. 26–42, 2019.

O. Roeva, “Real-World Applications of Genetic Algorithm,” in International Conference on Chemical and Material Engineering. Semarang, Indonesia: Diponegoro University, 2012.

N. T. Wang, C. C. Hsieh, C. Y. Wu, H. Y. Hsieh, and Y. S. Lin, “Chronic hepatitis B infection and risk of antituberculosis drug-induced liver injury: Systematic review and meta-analysis,” Journal of the Chinese Medical Association, vol. 79, no. 7, pp. 368–374, 2016.