<?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="165549">
 <titleInfo>
  <title>IMPLEMENTASI ARTIFICIAL NEURAL NETWORK(ANN)-PRINCIPAL COMPONENT ANALYSIS (PCA) PADA PREDIKSI CURAH HUJAN DI WILAYAH ACEH BESAR</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Amalia Zumara</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 Matematika dan Ilmu Pengetahuan Alam</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Theses</form>
  <extent></extent>
 </physicalDescription>
 <note>Prediksi curah hujan yang akurat memiliki peran penting dalam mendukung mitigasi bencana hidrometeorologis dan perencanaan sektor pertanian, khususnya di wilayah tropis seperti Aceh Besar yang memiliki dinamika iklim kompleks. Penelitian ini bertujuan untuk membangun model prediksi curah hujan harian menggunakan metode Artificial Neural Network yang dikombinasikan dengan Principal Component Analysis. Data yang digunakan merupakan data iklim harian periode Juni 2019 hingga Juni 2025 yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika, mencakup delapan variabel klimatologis yaitu temperatur minimum, temperatur maksimum, temperatur rata-rata, kelembapan udara, lama penyinaranmatahari, &#13;
kecepatan angin maksimum, kecepatan angin rata-rata, dan arah angin maksimum. &#13;
Pra-pemrosesan data dilakukan melalui teknik normalisasi dan reduksi dimensi &#13;
menggunakan Principal Component Analysis untuk menyederhanakan struktur input. &#13;
Model Artificial Neural Network dibangun menggunakan arsitektur feedforward dan &#13;
algoritma backpropagation, dengan variasi jumlah neuron tersembunyi dan laju &#13;
pembelajaran. Hasil evaluasi menunjukkan bahwa model terbaik diperoleh pada &#13;
konfigurasi tiga neuron tersembunyi dan laju pembelajaran sebesar nol koma satu, &#13;
dengan nilai Mean Squared Error sebesar 0,0102. Model yang menggunakan PCA &#13;
menunjukkan penurunan galat prediksi dibandingkan model ANN tanpa PCA, &#13;
sehingga PCA terbukti meningkatkan efisiensi pelatihan dan akurasi model. Hasil &#13;
penelitian ini menunjukkan bahwa kombinasi Artificial Neural Network dan Principal &#13;
Component Analysis dapat menjadi pendekatan yang efektif dalam sistem prediksi &#13;
curah hujan harian di wilayah Aceh Besar. &#13;
Kata kunci: Curah hujan, Artificial Neural Network, Principal Component Analysis, &#13;
Backpropagation, Prediksi iklim</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>165549</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-07-23 11:15:36</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-07-23 11:28:10</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>