Prediksi Nilai Sensor Unsur Cuaca pada Peralatan Pengamatan Cuaca Permukaan Digital dengan Artificial Intelligence

Peralatan pengamatan cuaca permukaan digital merupakan peralatan pengganti dari peralatan konvensional yang digunakan pada kegiatan pengamatan cuaca permukaan di lingkungan BMKG. Sistem peralatan ini merupakan kombinasi pengukuran sensor dan estimasi observer, sebagai fungsinya untuk menghasilkan informasi cuaca dalam bentuk penyandian sesuai ketentuan World Meteorological Organisation (WMO). Pada proses operasional, sebagaimana yang dialami oleh peralatan pengukuran berbasis elektronik, peralatan pengamatan cuaca permukaan digital juga mengalami hal yang sama yang berdampak pada kontinuitas dan kualitas data pengamatan yang dihasilkan. Dalam upaya meminimalkan permasalahan kontinuitas dan kualitas data pada peralatan berbasis elektronik, dalam hal ini sensor pada peralatan pengamatan cuaca permukaan digital, maka akan dilakukan desain model prediksi untuk parameter atmosfer suhu udara, kelembaban udara dan tekanan udara. Dengan mengaplikasikan Artificial Intelligence dalam hal ini metode Annual Neural Network (ANN) algoritma backpropagation dalam mendesain model prediksi dengan model arsitektur 2 hidden layer untuk 3 parameter atmosfer tersebut. Model prediksi suhu udara dengan arsitektur 2-32-16-1 memiliki nilai ketidakpastian sebesar 0,797°C sampai 0,835°C pada model prediksi. Model prediksi kelembaban udara dengan arsitektur 2-22-11-1 memiliki nilai ketidakpastian sebesar 3,186% sampai 3,394% pada model prediksi. Sedangkan untuk model prediksi tekanan udara 2-32-16-1 dengan nilai ketidakpastian sebesar 1,151mb sampai 1,153mb pada model prediksi. Untuk hasil pengujian diketahui bahwa model prediksi suhu udara memiliki nilai ketidakpastian 0,8757°C sampai 0.901°C. Untuk pengujian model prediksi kelembaban udara memiliki nilai ketidakpastian 2,687% sampai 2,853%. Sedangkan untuk pengujian model prediksi tekanan udara memiliki nilai ketidakpastian sebesar 1,182mb sampai 1,184mb. Keterkaitan antar parameter input dan output pada model prediksi diinterpretasikan dengan nilai R, yaitu 0,94 untuk model prediksi suhu udara, 0,95 untuk model prediksi kelembaban udara dan 0,57 untuk model prediksi tekanan udara.