ABSTRAKSI: Curah hujan adalah jumlah air yang jatuh di permukaan tanah datar selama periode tertentu yang diukur dengan satuan tinggi (mm) di atas permukaan horizontal. Curah hujan dinyatakan dalam milimeter (mm) atau inci.
Prediksi merupakan proses memperkirakan secara sistematik tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan informasi masa lalu dan informasi saat ini. Salah satu metoda untuk melakukan prediksi adalah dengan menggunakan jaringan saraf tiruan (JST). Pada tugas akhir ini telah diterapkan aplikasi prediksi curah hujan menggunakan JST dengan menggunakan recurrent neural network. Nilai curah hujan diprediksi berdasarkan nilai-nilai curah hujan beberapa hari sebelumnya.
Arsitektur Recurrent Neural Networks yang digunakan adalah arsitektur Elman Recurrent Neural Network dan Jordan Recurrent Neural Network. Dari hasil pengujian dalam tugas akhir ini didapatkan beberapa faktor yang mempengaruhi keakuratan hasil prediksi, antara lain layer masukan, layer tersembunyi, learning rate, momentum dan epoch.Kata Kunci : prediksi, curah hujan, recurrent neural network, elman, jordan.ABSTRACT: Rainfall is the amount of water that falls on a flat surface for a certain period, as measured by units of height (mm) above the horizontal surface. Rainfall is expressed in millimeters (mm) or inches.
Prediction is a process of systematic estimates about what most likely happened in the future based on past information and current information. One method to do the prediction is to use an artificial neural network (ANN). In this final application has been applied rainfall prediction using neural networks by using recurrent neural network. Rainfall values predicted from the values of rainfall a few days earlier.
Recurrent Neural Networks architecture is the architecture used by Elman Recurrent Neural Network and Jordan Recurrent Neural Network. From the test results obtained in this thesis are several factors that affect the accuracy of the prediction results, including the input layer, hidden layer, learning rate, momentum and epoch.Keyword: prediction, rainfall, recurrent neural network. elman, jordan.