Prediksi Harian Suhu Udara Permukaan dengan Jaringan Syaraf Tiruan : Studi Kasus di Kawasan perkotaan dan Pesisir Jakarta, Indonesia

The weather forecast is significant to protect life and property. A forecast of temperature is important to the agriculture sector because when high temperatures can cause the soil to dry out faster and reduce the availability of water for plants. Furthermore, understanding the temperature condition can help meteorologists forecast the other atmosphere condition. The purpose of this research is to make a modeling prediction of temperature conditions the next day using an artificial neural network model (ANN). To make the ANN model, the daily average temperature measured in the meteorological stations in the urban and the coastal areas of Jakarta over 2010 – 2019 was used as training data. The testing data using surface temperature during January – December 2020. This model uses the various number of neurons in the hidden lapisan between 3 and 15. Based on the result, the ANN model is good enough to predict the temperature condition in Jakarta with the correlation between 0.625 – 0.653 and mean absolute error (MAE) between 0.569 – 0.600 oC. The best model prediction was obtained when the neuron number was 4 in the Urban Area of Jakarta and 8 in the Coastal Area of Jakarta seen from the high correlation value with the observations and a low error rate.Prakiraan cuaca sangat penting untuk melindungi kehidupan dan harta benda. Prakiraan suhu penting untuk sektor pertanian dikarenakan ketika suhu udara yang tinggi dapat menyebabkan tanah lebih cepat mengering dan mengurangi ketersediaan air bagi tanaman. Selain itu, memahami kondisi suhu dapat membantu ahli meteorologi untuk memprakirakan kondisi atmosfer lainnya. Tujuan dari penelitian ini adalah membuat pemodelan prediksi kondisi suhu udara pada hari berikutnya dengan menggunakan model jaringan syaraf tiruan (JST). Untuk membuat model JST, suhu rata – rata harian yang diukur pada stasiun meteorologi di wilayah perkotaan dan pesisir Jakarta selama 2010 – 2019 yang digunakan sebagai data pelatihan. Data pengujian menggunakan suhu permukaan selama Januari – Desember 2020. Model ini menggunakan berbagai jumlah neuron pada lapisan tersembunyi antara 3 dan 15. Berdasarkan hasil, model JST cukup baik untuk memprediksi kondisi suhu di Jakarta dengan korelasi antara 0.625 – 0.653 dan mean absolute error (MAE) antara 0.569 – 0.600 oC. Model prediksi terbaik didapatkan pada jumlah neuron 4 di Area Perkotaan Jakarta dan neuron 8 di Area Pesisir Jakarta, dilihat dari nilai korelasi yang tinggi dengan observasi dan tingkat kesalahan yang rendah