Leave one out cross validation LOOCV Evaluasi

a b c d e f g Gambar 20 Korelasi antara indeks iklim global a IOD, b SOI, c EMI, d Nino1+2, e Nino3, f Nino4, dan g Nino3.4 dengan AMH setiap titik pengamatan Berdasarkan analisis korelasi seperti ditunjukkan pada Gambar 20, maka prediktor pada lokasi penelitian ditunjukkan pada Tabel 2. Tabel 2 Prediktor untuk neural networks hasil analisis korelasi Lokasi Prediktor Indramayu T1 IOD Mei-th , IOD Jun-th , IOD Jul-th , IOD Ags-th , IOD Sept-th , IOD Okt- th , IOD Nov-th , IOD Des-th , IOD Jul , IOD Ags , SOI Jun-th , SOI Sept-th , SOI Jun , SOI Jul , SOI Ags , Nino1+2 Okt-th , Nino1+2 Nov-th , Nino1+2 Des-th , Nino1+2 Jan , Nino1+2 Ags , Nino3 Okt-th , Nino3 Nov-th , Nino3 Des-th , Nino3 Jan ,, Nino3 Feb , Nino3 Jul , Nino3 Ags , Nino3.4 Des-th , Nino3.4 Jul , Nino3.4 Ags Kedokan Bunder T2 IOD Jul-th , IOD Ags-th , IOD Sept-th , IOD Okt-th , IOD Nov-th , IOD Des- th , SOI Jun-th , SOI Jul-th , SOI Ags-th , SOI Sept-th , SOI Jan , Nino3 Jan , Nino3.4 Sep-th , Nino3.4 Okt-th , Nino3.4 Jan , Nino4 Okt-th Krangkeng T3 IOD Jun , IOD Jul , IOD Ags , SOI Jun , SOI Jul , SOI Ags , EMI Jul , EMI Ags , Nino1+2 Mar , Nino3.4 Jul , Nino3.4 Ags , Nino4 Jul , Nino4 Ags Juntinyuat T4 IOD Jun-th , IOD Jul-th , IOD Ags-th , IOD Sept-th , IOD Okt-th , IOD Nov- th , IOD Des-th , IOD Ags , SOI Des-th , SOI Jun , SOI Jul , SOI Ags , Nino1+2 Jun-th , Nino1+2 Jul-th , Nino3 Jun-th , Nino3 Jul-th , Nino3 Des-th , Nino3 Jan , Nino3 Feb , Nino3 Jul , Nino3 Ags , Nino3.4 Jun-th , Nino3.4 Feb , Nino3.4 Ags Sudimampir T5 SOI Jun , SOI Jul , SOI Ags , Nino1+2 Mei-th , Nino1+2 Jun-th , Nino1+2 Jul-th , Nino1+2 Jun , Nino+2 Jul , Nino1+2 Ags , Nino3 Mei-th , Nino3 Jun-th , Nino3 Jun , Nino3 Jul , Nino3 Ags , Nino3.4 Mei-th , Nino3.4 Jun , Nino3.4 Jul , Nino3.4 Ags Bondan T6 SOI Jul , SOI Ags , EMI Mei , EMI Jul , EMI Ags , Nino1+2 Mei-th , Nino1+2 Jun-th , Nino1+2 Jul-th , Nino1+2 Ags-th , Nino1+2 Sep-th , Nino1+2 Des-th , Nino3 Jun-th , Nino3.4 Jun , Nino3.4 Jul , Nino3.4 Ags , Nino4 Jun , Nino4 Jul , Nino4 Ags Kertasemaya T7 IOD Jun-th , IOD Jul-th , IOD Ags-th , IOD Sept-th , IOD Okt-th , IOD Ags , SOI Jun , SOI Ags , EMI Des-th , EMI Jan , EMI Feb , EMI Mar , EMI Apr , EMI Mei , Nino1+2 Jun-th , Nino1+2 Jul-th , Nino1+2 Jun , Nino+2 Jul , Nino1+2 Ags , Nino 3 Jun , Nino3 Jun , Nino3 Jul , Nino3 Ags , Nino3.4 Mei , Nino3.4 Jun , Nino3.4 Jul , Nino3.4 Ags , Nino4 Mar , Nino4 Apr , Nino4 Mei , Nino4 Jun , Nino4 Jul , Nino4 Ags Jatibarang T8 IOD Ags , SOI Jun , Nino1+2 Ags , Nino3 Jul , Nino3 Ags , Nino3.4 Jul , Nino3.4 Ags , Nino4 Jul , Nino4 Ags Skema I Skema I adalah percobaan pemodelan BPNN pada lima arsitektur berbeda. Arsitektur tersebut adalah JST1-05, JST1-10, JST1-20, JST2-10-5 dan JST2-20- 10. Percobaan dilakukan dengan melakukan pengulangan simulasi hingga didapatkan hasil terbaik. Hasil terbaik diperoleh dengan meminimumkan nilai RMSE dan memaksimalkan nilai korelasi antara hasil prediksi dengan hasil ovservasi. Nilai RMSE menunjukkan galat prediksi rata-rata simulasi leave one out validation.