Pemilihan Prediktor
Pada penelitian ini, pemilihan prediktor dilakukan dengan menggunakan perhitungan koefisien korelasi (r) antara data SOI setiap bulan dengan data PMH, serta data AMH dengan data PMH. Gambar 5 menunjukkan grafik nilai r
sederhana antar data SOI dengan data PMH. Nilai r tertinggi dimiliki bulan Agustus dengan nilai sebesar 0.460, kemudian tertinggi kedua dimiliki bulan September dengan nilai sebesar 0.450. Bulan Juni, Juli, Oktober, November, dan Februari sebesar 0.370, 0.387, 0.398, 0.323, dan 0.345. Nilai r untuk bulan Mei, Desember, Januari, Maret, dan April memiliki rentang nilai sebesar 0.184 – 0.311. Dan untuk nilai r data AMH dengan data PMH sebesar -0.677. Data SOI dan data AMH dapat menjadi data populasi dengan terlebih dahulu dilakukan pengujian
Tabel 3 Stuktur algoritma genetika yang digunakan
Karakteristik Spesifikasi
Fitness 1
MSE
Seleksi Roulette Wheel
Peluang pindah silang 0.6
Peluang mutasi 0.1
Generasi maksimum 2.5 times populasi
Gambar 5 Grafik nilai r antara data SOI dengan data PMH
0.3110.370 0.387 0.460 0.450 0.398 0.323 0.2220.184 0.345 0.301 0.247 -0.2 0.0 0.2 0.4 0.6
Mei Jun Jul Ags Sept Okt Nov Des Jan Feb Mar Apr
Nilai
kor
elasi
12
pada taraf nyata 5% dan 10%. Data SOI yang memenuhi syarat untuk menolak H0 pada taraf nyata 5% yaitu bulan Juli, Agustus, September, dan Februari, serta data AMH. Sedangkan data SOI yang memenuhi syarat untuk menolak H0 pada taraf nyata 10% yaitu bulan Juni, Juli, Agustus, September, Oktober, November, dan Februari, serta data AMH. Dari hasil pengujian tersebut, data SOI yang memenuhi syarat yang akan dijadikan sebagai prediktor, kecuali data SOI pada bulan Februari dikarenakan pada bulan Februari terkadang musim hujan sudah berhenti. Nilai hasil uji hipotesis (t-hitung) dari setiap bulan data SOI dan data AMH terdapat pada Lampiran 4.
JST Back Propagation Awal
Prediksi dilakukan ke lima kelompok wilayah hujan dan perataan wilayah hujan di daerah Indramayu dengan menggunakan JST back propagation. Hasil prediksi yang didapatkan pada kelompok data wilayah hujan pertama yaitu di wilayah Pusakanagara, Losarang, dan Sukra kabupaten Indramayu. Data yang digunakan yaitu dari tahun 1969-2010, tidak termasuk data 2006/2007 dikarenakan data PMH tidak terdapat pada tahun tersebut. Gambar 6 menunjukkan grafik hasil prediksi pada kelompok data wilayah hujan pertama, dari hasil prediksi yang didapatkan selama kurun waktu 10 tahun mempunyai nilai galat terkecil sebesar 0.05 dengan taraf nyata 5% pada tahun 2002/2003 dan sebesar 0.9 dengan taraf nyata 10% pada tahun 2004/2005, serta nilai galat terbesar sebesar 4.9 dengan taraf nyata 5% pada tahun 2005/2006 dan sebesar 5.8 dengan taraf nyata 10% pada tahun 2009/2010. Berdasarkan perhitungan, kelompok data wilayah hujan pertama memiliki nilai RMSE sebesar 3.6 dasarian atau kesalahan memrediksi 36 hari pada taraf nyata 5% dan sebesar 2.7 dasarian atau kesalahan memrediksi 27 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan pertama sebesar 0.45 pada taraf nyata 5% dan R2sebesar 0.2
Gambar 6 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai observasi dengan menggunakan JST back propagation awal pada wilayah hujan I 6 8 10 12 14 16 18 Nilai p red ik si Tahun prediksi Observasi 0.10 0.05
13
atau 20% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.07 pada taraf nyata 10% dan R2
sebesar 0.004 atau 0.4% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan pertama secara lengkap dapat dilihat pada Lampiran 5.
Hasil prediksi yang didapatkan pada kelompok data wilayah hujan kedua yaitu di wilayah Sudikampiran dan Sudimampir. Data yang digunakan yaitu dari tahun 1978-2010, tidak termasuk data 2002/2003 dan 2006/2007 dikarenakan data PMH tidak terdapat pada tahun tersebut. Gambar 7 menunjukkan grafik hasil prediksi pada kelompok wilayah hujan kedua, dari hasil prediksi yang didapatkan selama kurun waktu 10 tahun mempunyai nilai galat terkecil sebesar 0.6 dengan taraf nyata 5% pada tahun 1998/1999 dan sebesar 0.2 dengan taraf nyata 10% pada tahun 2008/2009, serta nilai galat terbesar sebesar 7.1 dengan taraf nyata 5% pada tahun 2009/2010 dan sebesar 7.0 dengan taraf nyata 10% pada tahun 2003/2004. Berdasarkan perhitungan, kelompok data wilayah hujan kedua memiliki nilai RMSE sebesar 1.9 dasarian atau kesalahan memrediksi 19 hari pada taraf nyata 5% dan sebesar 2.8 dasarian atau kesalahan memrediksi 28 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan kedua sebesar 0.22 pada taraf nyata 5% dan R2sebesar 0.048 atau 4.8% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.11 pada taraf nyata 10% dan R2sebesar 0.012 atau 1.2% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan kedua secara lengkap dapat dilihat pada Lampiran 6.
Hasil prediksi yang didapatkan pada kelompok data wilayah hujan ketiga yaitu di wilayah Luwungsemut, Tulangkacang, dan Wanguk. Data yang digunakan yaitu dari tahun 1971-2004, tidak termasuk data 1996/1997, 1997/1998, dan 2002/2003 dikarenakan data PMH tidak terdapat pada tahun tersebut. Gambar
Gambar 7 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai observasi dengan menggunakan JST back propagation awal pada wilayah hujan II 5 7 9 11 13 15 17 Nilai p red ik si Tahun prediksi Observasi 0.10 0.05
14
8 menunjukkan hasil prediksi pada kelompok data wilayah hujan ketiga, dari hasil prediksi yang didapatkan selama kurun waktu 10 tahun mempunyai nilai galat terkecil sebesar 0.35 dengan taraf nyata 5% pada tahun 2001/2002 dan sebesar 0.19 dengan taraf nyata 10% pada tahun 2000/2001, serta nilai galat terbesar sebesar 5.2 dengan taraf nyata 5% pada tahun 1993/1994 dan sebesar 4.0 dengan taraf nyata 10% pada tahun 1998/1999. Berdasarkan perhitungan, kelompok data wilayah hujan ketiga memiliki nilai RMSE sebesar 2.6 dasarian atau kesalahan memrediksi 26 hari pada taraf nyata 5% dan sebesar 2.4 dasarian atau kesalahan memrediksi 24 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan ketiga sebesar 0.09 pada taraf nyata 5% dan R2sebesar 0.0081 atau 0.81% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.14 pada taraf nyata 10% dan R2 sebesar 0.019 atau 1.9% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan ketiga secara lengkap dapat dilihat pada Lampiran 7.
Hasil prediksi yang didapatkan pada kelompok data wilayah hujan keempat yaitu di wilayah Sukadana, dan Tugu. Data yang digunakan yaitu dari tahun 1965-2010, tidak termasuk data 2006/2007 dikarenakan data PMH tidak terdapat pada tahun tersebut. Gambar 9 menunjukkan hasil prediksi pada kelompok data wilayah hujan keempat, dari hasil prediksi yang didapatkan selama kurun waktu 10 tahun mempunyai nilai galat terkecil sebesar 0.5 dengan taraf nyata 5% pada tahun 2000/2001 dan sebesar 0.2 dengan taraf nyata 10% pada tahun 2000/2001, serta nilai galat terbesar sebesar 8.5 dengan taraf nyata 5% pada tahun 2002/2003 dan sebesar 7.4 dengan taraf nyata 10% pada tahun 2002/2003. Berdasarkan perhitungan, kelompok data wilayah hujan keempat memiliki nilai RMSE sebesar 4.0 dasarian atau kesalahan memrediksi 40 hari pada taraf nyata 5% dan sebesar 4.0 dasarian atau kesalahan memrediksi 40 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan keempat sebesar 0.20 pada taraf nyata 5% dan R2
sebesar 0.04 atau 4% di antara ragam total nilai data observasi dapat dijelaskan Gambar 8 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai
observasi dengan menggunakan JST back propagation awal pada wilayah hujan III
6 8 10 12 14 16 18 Nilai pr ed ik si Tahun prediksi Observasi 0.10 0.05
15
hubungan linearnya dengan nilai data prediksi, dan sebesar 0.08 pada taraf nyata 10% dan R2 sebesar 0.0064 atau 0.64% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan keempat secara lengkap dapat dilihat pada Lampiran 8.
Hasil prediksi yang didapatkan pada kelompok data wilayah hujan kelima yaitu di wilayah Sumur Watu, Taminyang, dan Slamet. Data yang digunakan yaitu dari tahun 1970-2010, tidak termasuk data 2006/2007 dikarenakan data PMH tidak terdapat pada tahun tersebut. Gambar 10 menunjukkan hasil prediksi pada kelompok data wilayah hujan kelima, dari hasil prediksi yang didapatkan selama kurun waktu 10 tahun mempunyai nilai galat terkecil sebesar 0.4 dengan taraf nyata 5% pada tahun 2000/2001 dan sebesar 0.5 dengan taraf nyata 10% pada tahun 2005/2006, serta nilai galat terbesar sebesar 9.1 dengan taraf nyata 5% pada tahun 2007/2008 dan sebesar 8.7 dengan taraf nyata 10% pada tahun 2002/2003. Berdasarkan perhitungan, kelompok data wilayah hujan kelima memiliki nilai RMSE sebesar 4.9 dasarian atau kesalahan memrediksi 49 hari pada taraf nyata 5% dan sebesar 4.4 dasarian atau kesalahan memrediksi 44 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan kelima sebesar 0.25 pada taraf nyata 5% dan R2 sebesar 0.0625 atau 6.25% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.12 pada taraf nyata 10% dan R2 sebesar 0.0144 atau 1.44% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan kelima secara lengkap dapat dilihat pada Lampiran 9. Prediksi juga dilakukan terhadap data perataan wilayah hujan di Indramayu. Data yang digunakan yaitu dari tahun 1965-2010, tidak termasuk data 2006/2007 dikarenakan data PMH tidak terdapat pada tahun tersebut. Gambar 11 menunjukkan hasil prediksi pada kelompok data perataan wilayah, dari hasil prediksi yang didapatkan selama kurun waktu 10 tahun mempunyai nilai galat terkecil sebesar 0.9 dengan taraf nyata 5% pada tahun
Gambar 9 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai observasi dengan menggunakan JST back propagation awal pada wilayah hujan IV
6 8 10 12 14 16 18 20 Nilai p red ik si Tahun prediksi Observasi 0.10 0.05
16
2009/2010 dan sebesar 0.07 dengan taraf nyata 10% pada tahun 1999/2000, serta nilai galat terbesar sebesar 4.6 dengan taraf nyata 5% pada tahun 2002/2003 dan sebesar 3.7 dengan taraf nyata 10% pada tahun 2007/2008.
Berdasarkan perhitungan, kelompok data perataan wilayah memiliki nilai RMSE sebesar 2.1 dasarian atau kesalahan memrediksi 21 hari pada taraf nyata 5% dan sebesar 1.5 dasarian atau kesalahan memrediksi 15 hari pada taraf nyata 10%. Nilai r pada kelompok data perataan wilayah sebesar 0.22 pada taraf nyata 5% dan R2sebesar 0.048 atau 4.8% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.63 pada taraf nyata 10% dan R2 sebesar 0.397 atau 39.7% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data perataan wilayah secara lengkap dapat dilihat pada Lampiran 10.
JST Back Propagation yang Dioptimasi Algoritma Genetika
Pada tahapan ini, bobot yang digunakan sebagai insialisasi untuk JST back propagation selanjutnya ialah bobot JST back propagation awal yang sebelumnya telah dioptimasi menggunakan algoritma genetika. Prediksi dilakukan terhadap kelompok data lima wilayah hujan dan perataan wilayah hujan di Indramayu yang sebelumnya telah disebutkan di subbab hasil prediksi JST back propagation awal.
Hasil prediksi kelompok data wilayah hujan pertama yang dihasilkan dengan optimalisasi dapat dilihat pada Gambar 12. Nilai galat terkecil sebesar 0.4 pada tahun 2007/2008 dengan taraf nyata 5% dan sebesar 0.2 pada tahun 2002/2003 pada taraf nyata 10%, serta nilai galat terbesar sebesar 4.5 pada tahun 2005/2006 dengan taraf nyata 5% dan sebesar 4.4 pada tahun 2008/2009 dengan taraf nyata 10%. Berdasarkan perhitungan, nilai RMSE yang dihasilkan setelah optimalisasi sebesar 3.0 dasarian atau kesalahan memrediksi 30 hari pada taraf nyata 5% dan sebesar 2.3 dasarian atau kesalahan memrediksi 23 hari pada taraf Gambar 10 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai
observasi dengan menggunakan JST back propagation awal pada wilayah hujan V 6 8 10 12 14 16 18 20 Nilai p red ik si Tahun prediksi Observasi 0.10 0.05
17
nyata 10%. Nilai r pada kelompok data wilayah hujan pertama yang dihasilkan setelah optimalisasi sebesar 0.48 pada taraf nyata 5% dan R2sebesar 0.23 atau 23% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.49 pada taraf nyata 10% dan R2
sebesar 0.24 atau 24% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan pertama secara lengkap dapat dilihat pada Lampiran 5.
Hasil prediksi kelompok data wilayah hujan kedua yang dihasilkan dengan optimalisasi dapat dilihat pada Gambar 13. Nilai galat terkecil sebesar 0.8 pada tahun 1998/1999 dengan taraf nyata 5% dan sebesar 0.75 pada tahun 2005/2006 pada taraf nyata 10%, serta nilai galat terbesar sebesar 6.2 pada tahun 2009/2010 dengan taraf nyata 5% dan sebesar 5.1 pada tahun 2009/2010 dengan taraf nyata 10%. Berdasarkan perhitungan, nilai RMSE yang dihasilkan setelah optimalisasi sebesar 1.8 dasarian atau kesalahan memrediksi 18 hari pada taraf nyata 5% dan sebesar 2.0 dasarian atau kesalahan memrediksi 20 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan kedua yang dihasilkan setelah optimalisasi sebesar 0.31 pada taraf nyata 5% dan R2sebesar 0.096 atau 9.6% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.41 pada taraf nyata 10% dan R2 sebesar 0.168 atau 16.8% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan kedua secara lengkap dapat dilihat pada Lampiran 6. Hasil prediksi kelompok data wilayah hujan ketiga yang dihasilkan dengan optimalisasi dapat dilihat pada Gambar 14. Nilai galat terkecil sebesar 0.22 pada tahun 2003/2004 dengan taraf nyata 5% dan sebesar 0.66 pada tahun 1994/1995 pada taraf nyata 10%, serta nilai galat terbesar sebesar 3.1 pada tahun 1993/1994 dengan taraf nyata 5% dan sebesar 3.75 pada tahun 1993/1994 dengan taraf nyata 10%. Berdasarkan perhitungan, nilai RMSE yang dihasilkan setelah optimalisasi Gambar 11 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai
observasi dengan menggunakan JST back propagation awal pada rataan wilayah 6 8 10 12 14 16 18 Nilai p red ik si Tahun Prediksi Observasi 0.10 0.05
18
sebesar 1.8 dasarian atau kesalahan memrediksi 18 hari pada taraf nyata 5% dan sebesar 2.1 dasarian atau kesalahan memrediksi 21 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan ketiga yang dihasilkan setelah optimalisasi sebesar 0.63 pada taraf nyata 5% dan R2sebesar 0.396 atau 39.6% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.35 pada taraf nyata 10% dan R2 sebesar 0.122 atau 12.2% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi.
Nilai prediksi kelompok data wilayah hujan ketiga secara lengkap dapat dilihat pada Lampiran 7. Hasil prediksi kelompok data wilayah hujan keempat yang dihasilkan dengan optimalisasi dapat dilihat pada Gambar 15. Nilai galat terkecil sebesar 1.4 pada tahun 2000/2001 dengan taraf nyata 5% dan sebesar 1.2 pada tahun 2000/2001 pada taraf nyata 10%, serta nilai galat terbesar sebesar 6.1 pada tahun 2002/2003 dengan taraf nyata 5% dan sebesar 6.1 pada tahun 2008/2009 dengan taraf nyata 10%. Berdasarkan perhitungan, nilai RMSE yang dihasilkan setelah optimalisasi sebesar 3.4 dasarian atau kesalahan memrediksi 34 hari pada taraf nyata 5% dan sebesar 3.4 dasarian atau kesalahan memrediksi 34 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan keempat yang dihasilkan setelah optimalisasi sebesar 0.714 pada taraf nyata 5% dan R2
sebesar 0.509 atau 50.9% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.521 pada taraf nyata 10% dan R2 sebesar 0.27 atau 27% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan keempat secara lengkap dapat dilihat pada Lampiran 8. Hasil prediksi kelompok data wilayah hujan kelima yang dihasilkan dengan optimalisasi dapat dilihat pada Gambar 16. Nilai galat terkecil sebesar 0.2 pada tahun 2004/2005 dengan taraf nyata 5% dan sebesar 0.2 pada tahun
Gambar 12 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai observasi dengan menggunakan JST back propagation setelah optimasi pada wilayah hujan I
0 2 4 6 8 10 12 14 16 18 Nilai p red ik si Tahun prediksi Observa si 0.10
19
2004/2005, serta nilai galat terbesar sebesar 7.0 pada tahun 2002/2003 dengan taraf nyata 5% dan sebesar 8.4 pada tahun 2008/2009 dengan taraf nyata 10%.
Berdasarkan perhitungan, nilai RMSE yang dihasilkan setelah optimalisasi sebesar 4.3 dasarian atau kesalahan memrediksi 43 hari pada taraf nyata 5% dan sebesar 3.9 dasarian atau kesalahan memrediksi 39 hari pada taraf nyata 10%. Nilai r pada kelompok data wilayah hujan kelima yang dihasilkan setelah optimalisasi sebesar 0.64 pada taraf nyata 5% dan R2sebesar 0.409 atau 40.9% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.51 pada taraf nyata 10% dan R2 sebesar 0.26 atau 26% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data wilayah hujan kelima secara lengkap dapat dilihat pada Lampiran 9. Hasil prediksi kelompok data perataan wilayah yang dihasilkan dengan optimalisasi dapat dilihat pada Gambar 17. Nilai galat terkecil sebesar 0.8 pada tahun 2003/2004 dengan taraf nyata 5% dan sebesar 0.03 pada tahun 2003/2004, serta nilai galat terbesar sebesar 4.5 pada tahun 2002/2003 dengan taraf nyata 5% dan sebesar 3.5 pada tahun 2007/2008 dengan taraf nyata 10%. Berdasarkan perhitungan, nilai RMSE yang dihasilkan setelah optimalisasi sebesar 1.9 dasarian atau kesalahan memrediksi 19 hari pada taraf nyata 5% dan sebesar 1.4 dasarian atau kesalahan memrediksi 14 hari pada taraf nyata 10%. Nilai r pada kelompok data perataan wilayah yang dihasilkan setelah optimalisasi sebesar 0.694 pada taraf nyata 5% dan R2sebesar 0.481 atau 48.1% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi, dan sebesar 0.741 pada taraf nyata 10% dan R2 sebesar 0.549 atau 54.9% di antara ragam total nilai data observasi dapat dijelaskan hubungan linearnya dengan nilai data prediksi. Nilai prediksi kelompok data perataan wilayah secara lengkap dapat dilihat pada Lampiran 10.
Gambar 13 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai observasi dengan menggunakan JST back propagation setelah optimasi pada wilayah hujan II
5 7 9 11 13 15 17 Nilai p red ik si Tahun prediksi Observasi 0.10 0.05
20
Analisis RMSE
Dari hasil perhitungan yang didapatkan sebelumnya, besaran nilai RMSE di masing-masing wilayah hujan berbeda-beda pada taraf 5% maupun pada taraf 10%. Tabel 4 menunjukkan nilai RMSE pada masing-masing kelompok data wilayah hujan pada taraf 5% dan 10% dengan menggunakan JST back propagation awal dan JST back propagation setelah dioptimasi. Pada taraf nyata 5% nilai RMSE di wilayah hujan pertama mengalami penurunan sebesar 0.6 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galatsebesar 4.1 dan pada taraf nyata 10% nilai RMSE di wilayah hujan pertama mengalami penurunan sebesar 0.4 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 4.2. Pada taraf nyata 5% nilai RMSE di wilayah hujan kedua mengalami penurunan sebesar 0.1 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 5.4 dan pada taraf nyata 10% nilai RMSE di wilayah hujan kedua mengalami penurunan sebesar 0.8 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 4.4. Pada taraf nyata 5% nilai RMSE di wilayah hujan ketiga mengalami penurunan sebesar 0.6 dasarian bila menggunakan bobot yang telah dioptimasidengan rentang nilai galat sebesar 2.9 dan pada taraf nyata 10% nilai RMSE di wilayah hujan ketiga mengalami penurunan sebesar 0.3 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 3.15. Pada taraf nyata 5% nilai RMSE di wilayah hujan keempat mengalami penurunan sebesar 0.6 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 4.7 dan pada taraf nyata 10% nilai RMSE di wilayah hujan keempat mengalami penurunan sebesar 0.6 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 4.9. Pada taraf nyata 5% nilai RMSE di wilayah hujan kelima mengalami penurunan sebesar 0.6 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 6.8 dan pada taraf nyata 10% nilai RMSE di wilayah Gambar 14 Grafik nilai prediksi pada taraf nyata 5% dan 10% serta nilai
observasi dengan menggunakan JST back propagation setelah optimasi pada wilayah hujan III
6 8 10 12 14 16 18 Nilai p red ik si Tahun prediksi Observasi 0.10 0.05
21
hujan kelima mengalami penurunan sebesar 0.5 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 8.2.
Pada taraf nyata 5% nilai RMSE di perataan wilayah mengalami penurunan sebesar 0.3 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 3.7 dan pada taraf 10% nilai RMSE di perataan wilayah mengalami penurunan sebesar 0.1 dasarian bila menggunakan bobot yang telah dioptimasi dengan rentang nilai galat sebesar 3.47. Dari data tersebut, menjelaskan bahwa rentang nilai galat tidak mempengaruhi nilai RMSE. Pada taraf nyata 5% wilayah kedua yang memiliki nilai rentang galat sebesar 5.4 memiliki nilai RMSE 1.8 dasarian yang sama dengan nilai RMSE wilayah ketiga yang memiliki nilai rentang galat sebesar 2.9. Dan data tersebut menunjukkan nilai sebaran galat yang beragam dan bernilai besar akan mempengaruhi nilai RMSE.
Analisis Korelasi Sederhana
Hasil korelasi antara nilai prediksi dengan nilai observasi dengan menggunakan JST back propagation optimasi dilakukan dengan perhitungan di setiap wilayah hujan. Koefisien korelasi dibutuhkan untuk mengetahui keterikatan hubungan antara nilai prediksi dan nilai observasi, jika nilai r bernilai positif, maka nilai prediksi dan nilai observasi berbanding lurus. Hal ini berarti, semakin tinggi nilai observasi yang ada, maka nilai prediksi juga semakin tinggi. Hasil r di setiap wilayah hujan didapatkan dengan melakukan perhitungan. Pada taraf nyata 5% nilai r tertinggi sebesar 0.714 pada rataan wilayah, sedangkan nilai r terkecil sebesar 0.31 pada wilayah hujan II. Dan pada taraf nyata 10% nilai r tertinggi sebesar 0.741 pada rataan wilayah, sedangkan nilai r terkecil sebesar 0.35 pada