Prediction of Weather Element Sensor Values on Digital Surface Weather Observation Equipment with Artificial Intelligence

-

Abstrak

Peralihan penggunaan peralatan pengamatan cuaca digital telah meningkatkan efisiensi, namun juga menimbulkan tantangan baru terkait akurasi sensor serta keandalan data. Penelitian ini bertujuan mengembangkan model prediksi untuk nilai sensor suhu udara (T), kelembaban udara (RH), dan tekanan udara (P) dengan mengaplikasikan Artificial Neural Network (ANN) algoritma backpropagation. Data yang digunakan merupakan data pengamatan cuaca digital interval 1 menit yang berasal dari Stasiun Meteorologi Kelas III Fatmawati Soekarno, Bengkulu. Arsitektur yang digunakan pada model ANN terdiri dari atas dua hidden layer yang dioptimalkan melalui proses pelatihan dan validasi. Kinerja model dievaluasi dengan menggunakan koefisien korelasi (R), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Penelitian menunjukkan bahwa model suhu udara dan kelembaban udara memiliki tingkat korelasi tinggi (R > 0,94) dengan nilai RMSE dan MAPE yang rendah. Sementara itu, model tekanan udara, meskipun memiliki korelasi sedang (R ~0,56), mampu memberikan prediksi dengan tingkat presisi yang sangat tinggi (MAPE ~0,09%). Pengujian pada pada model prediksi menunjukkan bahwa model yang telah dibangun mampu mempertahankan kinerja dengan baik. Hasil ini menunjukkan bahwa model ANN dapat digunakan untuk mendukung operasional dalam pemantauan kondisi cuaca secara real-time serta dapat digunakan dalam mendukung keandalan data pengamatan cuaca digital.