Prediksi bencana alam angin puting beliung di wilayah Cilacap Jawa Tengah dengan menggunakan Adaptive Neighborhood Modified Backpropagation (ANMBP)

Data dari BNPB menunjukkan bahwa dalam kurun waktu 10 tahun terakhir provinsi Jawa Tengah merupakan wilayah yang terkena bencana angin puting beliung paling banyak jika dibandingkan dengan provinsi lainnya di Indonesia yaitu sebesar 1281 kejadian dan kejadian angin puting beliung paling banyak adalah Cilacap yaitu sebesar 202 kejadian. Tujuan dari penelitian ini adalah untuk memprediksi bencana angin puting beliung di wilayah Cilacap Jawa Tengah dengan menggunakan parameter meteorologi sebagai parameter prediksi dan adaptive neighborhood modified backpropagation (ANMBP) sebagai metode prediksi, sehingga diharapkan dapat meminimalisir kerugian yang dapat diakibatkan oleh bencana angin puting beliung. Alur dari metode penelitian ini terdiri dari proses pre-processing data dan proses prediksi. Dalam proses pre-processing, variabel data masukan di reduksi dari 7 variabel masukan menjadi 5 variabel masukan dengan menggunakan metode principal component analysis (PCA). Selanjutnya dalam proses prediksi menggunakan ANMBP, dilakukan proses pelatihan dan pengujian berulang kali dengan merubah nilai hidden layer, learning rate, dan jumlah data pelatihan dan pengujian. Hasil yang didapat dari penelitian ini adalah untuk mendapatkan hasil prediksi yang optimal, yaitu pada data pelatihan sebanyak 60% dan data pengujian sebanyak 40% menghasilkan nilai MSE sebesar 0,0004 dan akurasi sebesar 82,6% dengan menggunakan dua hidden layer dengan nilai masing-masing adalah 110 dan 95, dan nilai learning rate sebesar 0,5. Pada data pelatihan sebanyak 70% dan data pengujian sebanyak 30% menghasilkan nilai MSE sebesar 0,00005 dan akurasi sebesar 82,6% dengan menggunakan dua hidden layer dengan nilai masing-masing adalah 110 dan 95, dan nilai learning rate sebesar 0,5. Pada data pelatihan sebanyak 80% dan data pengujian sebanyak 20% menghasilkan nilai MSE sebesar 0,00003 dan akurasi sebesar 76,6% dengan menggunakan dua hidden layer dengan nilai masing-masing adalah 90 dan 75, dan nilai learning rate sebesar 0,4.