Gambar 4.12 Grafik Perbandingan Curah Hujan Prediksi dengan Observasi Tahun 1997 Epoch 40 Err 0.001
Untuk Percobaan selanjutnya dapat dilihat pada lampiran B.
4.2.2 Data Curah Hujan Tahun 1999 Fenomena La-Nina
Percobaan Data Curah Hujan Tahun 1999 training dan prediksi curah hujan tahun 1999 dengan epoch 40, 400, 4000, 100, 1000 serta 10.000 dan nilai error 0.1,
0.01 dan 0.001 dengan menggunakan dua algoritma Backpropagation dan Learning Vector Quantization LVQ. Tabel pada Lampiran B.
4.2.3 Data Curah Hujan Tahun 2010 Normal
Percobaan Data Curah Hujan Tahun 2010 training dan prediksi curah hujan tahun 1999 dengan epoch 40, 400, 4000, 100, 1000 serta 10.000 dan nilai error 0.1,
0.01 dan 0.001 dengan menggunakan dua algoritma Backpropagation dan Learning Vector Quantization LVQ. Tabel dan Grafik pada Lampiran B.
Dari hasil percobaan diperoleh bahwa algoritma Backpropagation memiliki tingkat akurasi lebih baik dari pada LVQ. Hal ini dapat dilihat dari grafik percobaan di
semua tahun percobaan. Tahun 1997, Algoritma Bacpropagation memiliki tingkat keakuratan terbaik di epoch 1000, 4000 dan 10.000 pada error 0.001 di bulan April
dengan presentase 99.26 . Sedangkan algoritma LVQ memiliki tingkat keakuratan di semua epoch percobaan pada error 0.1 di bulan Maret dengan persentase 80.9 .
50 100
150 200
250 300
350
1 2
3 4
5 6
7 8
9 10 11 12 13
Grafik Persentase Hasil Prediksi Curah Hujan Tahun
1997
ERR 0.001
BP LVQ
OBS
Universitas Sumatera Utara
Tahun 1999, Algoritma Bacpropagation memiliki tingkat keakuratan terbaik di semua epoch pada error 0.001 di bulan April dengan presentase 99.25 . Sedangkan
algoritma LVQ memiliki tingkat keakuratan di semua epoch percobaan pada error 0.1 di bulan Maret dengan persentase 80.89 .Secara keseluruhan, algoritma
Backpropagation memiliki tingkat keakuratan lebih tinggi dibanding LVQ. Tahun 2010, Algoritma Bacpropagation memiliki tingkat keakuratan terbaik di
epoch 40, MSE 0.01001645 pada error 0.01 di bulan Pebruari dengan presentase 99.9 . Sedangkan algoritma LVQ memiliki tingkat keakuratan di epoch 40, MSE
0.1002246 pada error 0.1 di bulan Pebruari dengan persentase 83.28 . Secara keseluruhan, algoritma Backpropagation memiliki tingkat keakuratan lebih tinggi
dibanding LVQ. Dari hasil pengujian diperoleh bahwa pada musim kemarau Januari hingga
Juni, algoritma backpropagation memiliki tingkat akurasi lebih baik dibanding musim hujan juli – Desember. Begitu juga dengan algoritma LVQ. Pengaruh fenomena El-
Nino dan La-Nina tidak begitu signifikan.
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan