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.