Sensitivitas Analisis Prakiraan Cuaca pada Perbandingan Metode Fuzzy Time Series Dan Artificial Neural Network

Abstract

Penelitian ini bertujuan untuk menghasilkan tingkat akurasi sensitivitas perbandingan antara metode fuzzy time series dan artificial neural network pada prakiraan cuaca. Latar belakang masalah yang diidentifikasi adalah kondisi cuaca yang selalu berubah-ubah sehingga dibutuhkan suatu perkembangan sistem untuk dapat membantu mendapatkan nilai akurasi dari prakiraan cuaca dengan memperhatikan sensitivitas dari hasil perbandingan antara dua metode. Hasil penelitian menunjukkan bahwa Artificial Neural Network efektif dalam memberikan nilai prakiraan cuaca sesuai dengan dataset yang ada, sedangkan Fuzzy Time Series mampu menghasilkan nilai akurasi sensitivitas berdasarkan dataset yang ada. Penelitian ini juga mengungkapkan bahwa kedua metode cukup baik dalam menentukan hasil akurasi pada sensitivitas prakiraan cuaca untuk memenuhi kebutuhan pengguna. Kesimpulan dari penelitian ini ialah kedua metode dapat memberikan solusi yang tepat untuk perkembangan sistem prakiraan cuaca yang dapat digunakan oleh pengguna. This research aims to produce a comparative level of sensitivity accuracy between fuzzy time series and artificial neural network methods in weather forecasting. The background to the problem identified is that weather conditions are always changing, so a system development is needed to help obtain accuracy values from weather forecasts by paying attention to the sensitivity of the comparison results between the two methods. The research results show that the Artificial Neural Network is effective in providing weather forecast values according to existing datasets, while the Fuzzy Time Series is able to produce sensitivity accuracy values based on existing datasets. This research also reveals that both methods are quite good in determining accuracy results on weather forecast sensitivity to meet user needs. The conclusion of this research is that both methods can provide the right solution for the development of a weather forecasting system that can be used by users.