<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="110933">
 <titleInfo>
  <title>PERBANDINGAN MODEL NEURAL NETWORK DAN MODEL ARIMA UNTUK EVALUASI KETEPATAN PREDIKSI CURAH HUJAN DI KABUPATEN ACEH UTARA</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>MIFTAHUL JANNAH</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Fisika</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Aceh Utara merupakan salah satu daerah zona musim (ZOM) yang rawan terhadap terjadinya bencana banjir. Curah hujan tinggi dan durasi lama menjadi pemicu utama terjadinya banjir di kabupaten tersebut. Dalam beberapa dekade terakhir ini, model prediksi curah hujan telah berkembang dan dimanfaatkan secara luas dalam berbagai sektor. Tujuan penelitian ini untuk mengetahui model prediksi curah hujan serta menghitung keakuratan hasil pemodelan tersebut dalam memprediksi curah hujan bulanan. Penelitian ini menggunakan pemodelan Neural Network dan Autoregressive Integrated Moving Average (ARIMA) untuk memprediksi curah hujan di Kabupaten Aceh Utara. Uji statistik koefisien korelasi (r) dan Root Mean Square Error (RMSE) digunakan untuk menguji keakuratan model prediksi. Dalam penelitian ini, data curah hujan runtut waktu dari tahun 2010-2020 hasil pengukuran dari Stasiun Meteorologi Malikussaleh, pos hujan Lhoksukon, pos hujan Sawang, pos hujan Samudera dan pos hujan Tanah Luas digunakan untuk memprediksi curah hujan untuk satu tahun kedepan pada masing-masing stasiun dan pos hujan tersebut. Ada beberapa tahapan yang dilakukan dalam rangka pengembangan model Neural Network, yaitu tahap normalisasi data, pemisahan data, baik training dan testing, serta melakukan prediksi. Sedangkan pengembangan model ARIMA diawali oleh pengujian kestasioneran data, identifikasi model, estimasi parameter, verifikasi model dan terakhir melakukan prediksi. Hasil penelitian menunjukkan bahwa korelasi pemodelan ARIMA untuk masing-masing stasiun dan pos hujan sangat beragam dan lebih tinggi yaitu, r=0,45 (Malikussaleh), r=0,54 (Lhoksukon), r=0,1 (Sawang), r=0,6 (Samudera), dan r=0,42 (Tanah Luas) dari korelasi pemodelan Neural Network, yaitu r=0,14 (Malikussaleh), r=0,41 (Lhoksukon), r=0,01 (Sawang), r=0,27 (Samudera), dan r=0,23 (Tanah Luas). Dari hasil kedua metode pemodelan data tersebut dapat disimpulkan bahwa ARIMA lebih baik dalam memprediksi curah hujan di Kabupaten Aceh Utara.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>RAINFALL</topic>
 </subject>
 <subject authority="">
  <topic>RAIN - WEATHER FORECASTING</topic>
 </subject>
 <classification>551.647 7</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>110933</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-06-06 09:45:15</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-06-06 12:11:30</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>