KLASIFIKASI CURAH HUJAN HARIAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (STUDI KASUS : STASIUN PENGAMATAN NGURAH RAI)

Abstract

Salah satu informasi yang penting terkait hujan adalah intensitas hujan yang turun, yang biasa disebut dengan curah hujan. Curah hujan itu sendiri berpengaruh terhadap aktifitas manusia, sehingga informasi tingkat curah hujan pada suatu waktu menjadi sangat penting, salah satu informasi terkait curah hujan adalah prediksi curah hujan harian. Pada penelitian ini dicoba mengklasifikasi curah hujan harian pada stasiun pengamatan Ngurah Rai ke dalam 5 kategori, yaitu hujan sangat ringan, hujan ringan, hujan sedang, hujan lebat dan hujan sangat lebat. Terdapat 6 parameter cuaca yang digunakan yaitu suhu udara, kelembaban, kecepatan angin, tekanan udara, lapisan awan dan lama penyinaran. Jaringan syaraf tiruan learning vector quantization digunakan untuk metode klasifikasinya. Learning vector quantization suatu metode klasifikasi dengan mencari output yang terdekat dengan vektor input. Dari hasil pengujian menunjukkan bahwa klasifikasi kelas curah hujan dengan metode LVQ berhasil dilakukan namun tidak menghasilkan klasifikasi yang baik. Klasifikasi terbaik pada kelas curah hujan sangat ringan dengan persentase rata-rata 80% dari beberapa pengujian. Tingkat akurasi yang rendah di bawah 50% pada kelas curah hujan lainnya menunjukan sistem belum bisa menghasilkan hasil klasifikasi yang baik. Pengujian keterkaitan pada parameter cuaca sudah dilakukan, namun masih menghasilkan tingkat klasifikasi yang rendah pada 4 kelas curah hujan lainnya.