Dedy Ardana Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2025

Theses

Adaptive Neuro-Fuzzy Inference System (ANFIS) telah menjadi salah satu metode yang digunakan untuk memprediksi curah hujan dengan tingkat akurasi yang baik, terutama dalam kondisi curah hujan rendah hingga sedang. Penelitian ini bertujuan untuk mengevaluasi performa ANFIS dalam memprediksi curah hujan di wilayah Aceh menggunakan data meteorologi dari lima stasiun, yaitu Sabang, BlangBintang, Aceh Besar, Lhokseumawe, dan Nagan Raya. Variabel yang digunakan meliputi curah hujan, suhu udara, kelembapan relatif, tekanan udara, dan kecepatan angin. Hasil penelitian menunjukkan bahwa model ANFIS memiliki performa terbaik di Blangbintang dengan Root Mean Square Error (RMSE) sebesar 4.87 mm dan koefisien korelasi sebesar 0.55 dan dan koefisien determinasi nilai sebesar 0.36. Namun, penurunan akurasi terjadi pada prediksi curah hujan ekstrem, yang disebabkan oleh variabilitas tinggi dalam pola curah hujan dan interaksi sistem cuaca yang kompleks. Analisis skala musiman menunjukkan bahwa model lebih stabil dalam memprediksi curah hujan selama musim kemarau dibandingkan musim hujan. Penelitian ini juga menyimpulkan bahwa pendekatan hybrid dengan optimasi metode ANFIS dapat meningkatkan kemampuan model dalam menangkap pola curah hujan yang lebih kompleks. Implikasi praktis dari penelitian ini mencakup penggunaan prediksi curah hujan untuk mitigasi bencana, perencanaan pertanian, dan manajemen sumber daya air. Kata Kunci: ANFIS, prediksi curah hujan, mitigasi bencana,RMSE, R² 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 148193 2025-01-17 16:06:23 2025-01-17 16:08:08 machine generated