Abstract
ABSTRAK
Peramalan curah hujan yang akurat sangat dibutuhkan oleh Kementerian Pertanian dalam membuat kalender tanam yang dapat digunakan petani menentukan awal musim tanam. BMKG sebagai badan resmi yang bertugas melakukan observasi dan mengolah data di bidang meteorologi, klimatologi, dan geofisika di Indonesia menggunakan beberapa metode dalam meramal curah hujan yaitu ANFIS, transformasi wavelet, dan ARIMA. Keakurasian hasil peramalan dari metode-metode ini diakui BMKG masih kurang baik sehingga menyebabkan keakurasian dari kalender tanam hanya mencapai 50% untuk seluruh wilayah Indonesia. Alasan utamanya adalah karena dinamika pola atmosfer (seperti suhu muka laut dan siklon tropis) di Indonesia yang tidak menentu serta terdapat kelemahan pada masing-masing metode yang digunakan oleh BMKG. Metode lain yang populer digunakan untuk peramalan curah hujan adalah Back Propagation (BP) dan Radial Basis Function (RBF) yang termasuk dalam Neural Network (NN). RBF memiliki struktur yang lebih sederhana, serta kemampuan pendekatan non linier dan kecepatan konvergensi yang lebih baik dari BP. Sayangnya, teknik dalam mencari parameter yang sesuai dalam metode ini sangat kompleks.
Pada penelitian ini sistem peramalan dibuat menggunakan Radial Basis Function Neural Network (RBF-NN) dengan Hybrid Particle Swarm Optimization dan Genetic Algorithm (HPSOGA) untuk menentukan parameter optimal dari RBF (jumlah dari node tersembunyi, titik pusat vektor masukan, radius, dan bobot dari keluaran). Hasil penelitian menunjukkan bahwa model peramalan yang dibuat dapat menghasilkan nilai MAPE sebesar 37.325% atau akurasi sebesar 62.675%.
