Perpustakaan Digital ITB

Prediksi curah hujan memegang peran penting dalam mitigasi bencana hidrometeorologi dan perencanaan sektor agrikultur. Penelitian ini mengimplementasikan Artificial Neural Network (ANN) untuk memodelkan dan memprediksi curah hujan harian di Kota Bandung menggunakan tiga algoritma pelatihan backpropagation yang berbeda, yaitu Scaled Conjugate Gradient (SCG), BFGS Quasi-Newton, dan Levenberg–Marquardt (LM). Evaluasi dilakukan dalam dua pendekatan: klasifikasi (biner dan multi-kelas) serta regresi numerik. Hasil menunjukkan bahwa pendekatan klasifikasi efektif dalam membedakan intensitas hujan, di mana algoritma LM unggul dalam klasifikasi biner, sedangkan BFGS menunjukkan stabilitas lebih baik dalam multi-kelas. Pada pendekatan regresi, BFGS memberikan akurasi prediksi tertinggi (MSE = 115.86), LM paling efisien dalam waktu pelatihan (28 epoch), dan SCG menunjukkan waktu pelatihan tercepat namun akurasi terendah. Perbandingan prediksi terhadap data observasi menunjukkan bahwa model ANN mampu mengikuti tren umum curah hujan, meskipun kurang responsif terhadap kejadian ekstrem. Temuan ini menegaskan pentingnya pemilihan algoritma pelatihan berdasarkan kebutuhan aplikasi, serta perlunya pengembangan lanjutan melalui integrasi data ekstrem dan pendekatan hybrid.