ABSTRAKSI: Temperatur udara pada permukaan bumi merupakan parameter yang sangat krusial untuk mengetahui batasan iklim dari suatu wilayah, khususnya sebagai salah satu indeks dari energi panas atmosfer. Dalam memperkirakan temperatur udara pada suatu wilayah, metode yang pernah dilakukan adalah model empiris dengan regresi polinom orde kedua. Penelitian ini menghasilkan akurasi sebesar 70% dengan deviasi 3°C.
Jaringan Syaraf Tiruan dikembangkan untuk memperbaiki tingkat akurasi dari penelitian yang sebelumnya. Jaringan Syaraf Tiruan dapat memperkirakan temperatur udara pada suatu wilayah dengan menggunakan data klimatologi.
Arsitektur Jaringan Syaraf Tiruan yang digunakan untuk melatih dan membangkitkan jaringan adalah Multiple-layer feed-forward dengan metode pembelajaran Propagasi Balik, yang terdiri dari tiga layer yaitu layer input, layer output dan satu layer tersembunyi. Metode optimisasi Levenberg-Marquardt akan digunakan untuk meningkatkan kecepatan dan performansi Propagasi Balik. Variabel yang dijadikan input pada jaringan adalah kelembaban udara, tekanan udara, curah hujan, lama penyinaran matahari (sunshine radiation), kecepatan dan arah angin. Output yang diharapkan adalah perkiraan temperatur udara pada esok hari.Dari hasil pengujian yang dilakukan terhadap sistem estimasi temperatur udara ini terbukti bahwa sistem ini dapat menghasilkan keluaran yang lebih baik daripada metode regresi polinom. Sistem dengan metode JST-BP-LM menghasilkan akurasi sebesar 100% dengan deviasi 3°C.Kata Kunci : Jaringan Syaraf Tiruan, Propagasi Balik, Levenberg-Marquardt, Temperatur Udara, Klimatologi.ABSTRACT: Air temperature on the surface of the earth is a crucial parameter for understanding the boundary layer climate of certain area, especially as an index of the thermal energy of the atmosphere. In estimating the air temperature in the area, the method used is empirical model with the second order polynomial regression. The observation effects 70% accuracy with 3° C deviation.
The artificial neural network developed for improving the accuracy from the observation before. The artificial neural network can estimate the air temperature on the area using Climatology data.
The architect of artificial neural network used for training and generating the network is Multiple-layer feed-forward with Back-propagation learning method which consists of input layer, output layer, and one hidden layer. The Levenberg-Marquardt optimization method will be used for arising the speed and performance of back-propagation. The input variable for the network are humidity, air pressure, rainfall, sunshine radiation, and the wind. Output expected is air temperature estimation on the nextday.
From the research, we can interpreted that the air estimation system can produce better result than polynomial regression method. Air estimation system with neural network method can produce 100% accuracy with 3° C deviation.Keyword: Artificial Neural Network, Back-Propagation, Levenberg-Marquardt, Air Estimation, Climatology.