ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PREDIKSI TINGGI MUKA AIR

Banjir menimbulkan kerugian ekonomi atau bahkan menyebabkan kehilangan jiwa. Untuk mengantisipasi banjir dan dampak yang ditimbulkan, harus dibangun teknik yang tepat untuk prediksi banjir termasuk sistem peringatan dini. Tujuan penelitian ini adalah untuk menerapkan algoritma jaringan syaraf tiruan propagasi balik untuk prediksi tinggi muka air dan menghasilkan sistem informasi prediksi banjir secara online berbasis web. Sistem yang dibangun menggunakan algoritma jaringan syaraf tiruan propagasi balik. Algoritma ini terdapat 3 tahapan dalam proses pelatihan, yaitu umpan maju, perhitungan dan propagasi balik. Data yang digunakan adalah data yang berasal dari laboratorium fisika Universitas Diponegoro. Dari hasil penelitian dapat disimpulkan bahwa penerapan algoritma jaringan syaraf tiruan propagasi balik untuk prediksi tinggi muka air dapat menghasilkan prediksi yang baik. Oleh karena itu hal ini dapat dijadikan acuan untuk memprediksi banjir secara nyata berdasarkan ketinggian air di tempat tertentu. Pada penelitian ini diperoleh MSE pada iterasi pertama sebesar 0.0142, MSE terkecil yang memenuhi batas treshold sebesar 0.000002420 dan akurasi data sebesar 98.66%. Artinya secara umum dapat dikatakan penerapan jaringan syaraf tiruan propagasi balik untuk prediksi tinggi muka air, menghasilkan prediksi yang baik, karena prediksi yang dihasilkan mendekati data aktual. Kata-kunci : jaringan syaraf tiruan propagasi balik, prediksi, tinggi muka air, banjir, peringatan dini. Floods cause economic losses or even cause loss of life. To anticipate floods and impacts, appropriate techniques should be developed for flood prediction including early warning systems. The aim of this research is to apply the back propagation neural network algorithm for water level prediction and produce web-based flood prediction information system. The system is built using a back propagation neural network algorithm. This algorithm has 3 stages in the training process, that is forward feed, calculation and back propagation. The data used is data derived from the physics laboratory of Diponegoro University. From the results of this study it can be concluded that the application of back propagation neural network algorithm for flood prediction can produce good prediction. Therefore this can be a reference for predicting floods significantly based on water levels in certain places. In this study obtained MSE at the first iteration of 0.0142, the smallest MSE that meets the limit of treshold of 0.000002420 and data accuracy of 98.66%. This means that in general the application of back propagation neural networks to predict water level, produce good predictions, because the predictions produced close to the actual data. Keywords: artificial neural network, back propagation, prediction, water level, flood, early warning