ABSTRAKSI: Saat ini banyak sekali metode yang digunakan untuk peramalan cuaca. Tugas akhir ini mengimplementasikan self-organizing maps (SOM), learning vektor quantization (LVQ), dan genetic algorithm (GA) dalam meramal cuaca berdasarkan curah hujan, temperature maksimum, temperature minimum, dan kelembaban.
Untuk mendapatkan akurasi terbaik maka harus dipilih beberapa parameter dari setiap metode yang digunakan. Misalnya untuk SOM. diperlukan sedikitnya 12 kombinasi untuk mencari akurasi terbaik. Kombinasi sebanyak 12 ini terdiri atas kombinasi topologi, gridtop dan hextop, kombinasi perhitungan jarak, dist, linkdist, dan boxdist, serta kombinasi jumlah cluster yang dicari, 3 dan 6. Selain parameter SOM, terdapat parameter lain pada GA yaitu ukuran populasi dan probabilitas pindah silang atau crossover. Sedikitnya ada 486 kombinasi untuk mencari kombinasi terbaik dari keseluruhan sistem yang dibangun.
GA digunakan untuk mencari nilai parameter LVQ yang optimum seperti jumlah neuron hidden layer (3-100), bobot antara layer input dan hidden layer atau bobot W, dan bobot antara hidden layer dan leyer output atau bobot V (0 atau 1).
Hasil pengujian terhadap peramalan cuaca dengan mengimplementasikan SOM, LVQ, dan GA mendapatkan akurasi 68-98%. Hal ini berarti pendekatan teknologi membuat kemudahan dalam meramal cuaca, dan melupakan metode-metode konvensional seperti perhitungan manual oleh manusia atau mesin hitung sederhana.Kata Kunci : self organizing maps, learning vector quantizations, algoritma genetika, Supervised Learning, Unsupervised Learning, clusterABSTRACT: This final task of implementing self-organizing maps (SOM), learning vector quantization (LVQ), and genetic algorithm (GA) in predicting the weather based on precipitation, maximum temperature, minimum temperature, and humidity.
To get the best accuracy should be selected some of the parameters of each method used. For example for the SOM. required at least 12 combinations to find the best accuracy. The combination of 12 consists of a combination of topology, gridtop and hextop, a combination of distance calculations, dist, linkdist, and boxdist, and the combination of the number of clusters, 3 and 6. In addition to SOM parameters, there are other parameters in the GA, there are population size and crossover probability. There are at least 486 combinations to find the best combination of the whole system is built.
GA is used to find the value of the optimum parameters of LVQ as the number of hidden layer neurons (3-100), the weight between input layer and hidden layer or the weight W, and the weights between hidden layer and output or weight leyer V (0 or 1).
Test results for weather forecasting by implementing SOM, LVQ, and GA get 68-98% accuracy. It means that the technology approach makes easier to predict the weather, and forget the conventional methods such as manual calculation by humans or simple calculating machines.Keyword: Self Organizing Maps, Learning Vector Quantizations, Genetic Algorithm, Supervised Learning, Unsupervised Learning, Cluster