AHMAD SUTARMAN, - (2022) OPTIMASI BOBOT ELMANT RECURRENT NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI JUMLAH CURAH HUJAN DI KOTA PEKANBARU. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text File lengkap sampai lampiran kecuali hasil penelitian.pdf Download (41MB) | Preview
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Curah hujan merupakan jumlah titik-titik air yang jatuh dipermukaan tanah datar selama periode tertentu yang diukur dengan satuan tinggi milimeter (mm3), curah hujan sangat mempengaruhi aktifitas kehidupan manusia, dalam bidang pertanian curah hujan dapat digunakan untuk menentukan jenis tanaman apa yang cocok ditanam pada masa musim tertentu dan memberikan dampak kerugian karena banjir atau tanaman yang membususuk. Penelitian ini menerapakan metode algoritma genetika dan elmant recurrent neural network untuk prediksi jumlah curah hujan dikota pekanbaru dengan menggunakan data dari tahun 2000 sampai 2019 dengan 12 variabel yaitu data jumlah curah hujan 12 bulan sebelumnya. Generasi yang digunakan 100, ukuran populasi 50, rentang nilai learning rate, probabilitas crossover, dan mutasi dari 0.1 hingga 0.9. Hasil dari pengujian Mean Square Error (MSE) yaitu 0.024403, menunjukkan nilai terendah pada nilai learning rate 0,6, probabilitas crossover 0,4, dan probabilitas mutasi 0,1. Berdasarkan penelitian ini dapat disimpulkan bahwa algoritma genetika dan elmant recurrent neural network dapat diterapkan untuk prediksi jumlah curah hujan. Kata Kunci: Algoritma Genetika, Elmant Recurrent Neural Network, Curah Hujan, Mean Square Error, Prediksi.

Actions (login required)

View Item