Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

25
ISSN: 1411-3082 151 APLIKASI HOPFIELD NEURAL NETWORK UNTUK PRAKIRAAN CUACA Septima Ernawati APLIKASI HOPFIELD NEURAL NETWORK UNTUK PRAKIRAAN CUACA Septima Ernawati Stasiun Klimatologi Semarang Balai Besar Meteorologi dan Geofisika Wilayah II ABSTRAK Prakiraan cuaca ditentukan oleh unsur-unsur cuaca, beberapa diantaranya adalah arah angin, suhu udara, kelembaban udara, dan tekanan udara. Daerah Cilacap sebagai daerah rawan banjir sekaligus rawan kekeringan sangat menarik untuk diteliti bagaimana sifat-sifat unsur cuacanya. Metode Hopfield Neural Network sebagai aplikasi untuk prakiraan cuaca, karena metode ini dapat memberikan klasifikasi cuaca. Pada metode Hopfield unsur-unsur cuaca tersebut sebagai neuron input, kemudian hasil dari prosses simulasinya akan dikembalikan lagi sebagai input secara terus menerus sampai mencapai kondisi stabil. Output yang dihasilkan di Cilacap untuk kondisi tidak ada awan (clear) atau awan yang tipis dan sangat sedikit, adalah nilai- nilai atau jarak yang mendekati cerah, hal ini karena unsur-unsur cuacanya adalah dalam kategori cerah. Begitu pula untuk kondisi hujan, output yang dihasilkan adalah nilai-nilai atau jarak yang mendekati hujan, hal ini disebabkan unsur-unsur cuacanya adalah bersifat atau dalam kategori hujan. Untuk kondisi berawan nilai-nilai yang dihasilkan adalah sebagian cerah, sebagian lagi hujan. Klasifikasi pada Hopfield ini menghasilkan output yang tepat, maka sifat-sifat dari unsur-unsur cuaca di Cilacap dapat digunakan untuk prakiraan cuaca. Kata kunci : Cuaca, Hopfield Diskrit, Klasifikasi Cuaca. ABSTRACT Weather forecasting is determined by weather substaces, some of them are wind direction, temperature, humidity, and pressure. Cilacap area which have high potentially for flood and dryness is very interesting to be reseached about how characteristics of weather substances.Hopfield Neural Network method have being application for weather forecast because this method can give the recurrent weather classification. This weather substance in Hopfield method as the neuron input and then the result of simulation process will be recurrent as input until reach stabil condition. The result output in Cilacap for the clear condition are the values or the distance near the clear, because the weather substance are in the clear category. And so for rain condition, the output result are the values or the distance near the rain, because the weather substance have the rain character. The research of the values some of them are the clear, and the other are rain. Classification in Hopfield to produce output that are definitely, so characteristics of weather substances in Cilacap that can using for weather forecasting. Keywords : Weather, Discrete Hopfield, Weather Classification.

Transcript of Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

Page 1: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

151 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

APLIKASI HOPFIELD NEURAL NETWORK UNTUK PRAKIRAAN CUACA

Septima Ernawati Stasiun Klimatologi Semarang

Balai Besar Meteorologi dan Geofisika Wilayah II

ABSTRAK

Prakiraan cuaca ditentukan oleh unsur-unsur cuaca, beberapa diantaranya adalah arah angin, suhu udara, kelembaban udara, dan tekanan udara. Daerah Cilacap sebagai daerah rawan banjir sekaligus rawan kekeringan sangat menarik untuk diteliti bagaimana sifat-sifat unsur cuacanya. Metode Hopfield Neural Network sebagai aplikasi untuk prakiraan cuaca, karena metode ini dapat memberikan klasifikasi cuaca. Pada metode Hopfield unsur-unsur cuaca tersebut sebagai neuron input, kemudian hasil dari prosses simulasinya akan dikembalikan lagi sebagai input secara terus menerus sampai mencapai kondisi stabil. Output yang dihasilkan di Cilacap untuk kondisi tidak ada awan (clear) atau awan yang tipis dan sangat sedikit, adalah nilai-nilai atau jarak yang mendekati cerah, hal ini karena unsur-unsur cuacanya adalah dalam kategori cerah. Begitu pula untuk kondisi hujan, output yang dihasilkan adalah nilai-nilai atau jarak yang mendekati hujan, hal ini disebabkan unsur-unsur cuacanya adalah bersifat atau dalam kategori hujan. Untuk kondisi berawan nilai-nilai yang dihasilkan adalah sebagian cerah, sebagian lagi hujan. Klasifikasi pada Hopfield ini menghasilkan output yang tepat, maka sifat-sifat dari unsur-unsur cuaca di Cilacap dapat digunakan untuk prakiraan cuaca.

Kata kunci : Cuaca, Hopfield Diskrit, Klasifikasi Cuaca.

ABSTRACT

Weather forecasting is determined by weather substaces, some of them are wind direction, temperature, humidity, and pressure. Cilacap area which have high potentially for flood and dryness is very interesting to be reseached about how characteristics of weather substances.Hopfield Neural Network method have being application for weather forecast because this method can give the recurrent weather classification. This weather substance in Hopfield method as the neuron input and then the result of simulation process will be recurrent as input until reach stabil condition. The result output in Cilacap for the clear condition are the values or the distance near the clear, because the weather substance are in the clear category. And so for rain condition, the output result are the values or the distance near the rain, because the weather substance have the rain character. The research of the values some of them are the clear, and the other are rain. Classification in Hopfield to produce output that are definitely, so characteristics of weather substances in Cilacap that can using for weather forecasting.

Keywords : Weather, Discrete Hopfield, Weather Classification.

Page 2: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

152 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

1. PENDAHULUAN

Metode Hopfield Neural Network sebagai aplikasi untuk prakiraan cuaca. Harapan untuk selalu dikembangkan teknik-teknik jaringan syaraf tiruan pada prakiraan cuaca yaitu untuk memudahkan forecaster dalam melayani masyarakat agar lebih cepat, tepat dan akurat. 1.1 Latar Belakang Meteorologi adalah ilmu yang mempelajari jenis cuaca dan faktor penyebabnya. Karena meteorologi mencakup interpretasi dan koleksi data pengamatan, maka ilmu ini memerlukan teknik statistik. Klasifikasi dari unsur-unsur cuaca bisa dijadikan pedoman keadaan cuaca pada suatu tempat. Pada penelitian ini tempat yang diambil adalah Cilacap. Hal ini ada range-range atau kelas-kelas dari unsur cuaca menjadikan cuaca dalam keadaan cerah, berawan, atau hujan. Jadi di dalam meteorologi diperlukan juga teknik statistik. Hopfield Neural Network adalah salah satu metode yang tepat untuk dijadikan sarana memprediksi cuaca dari klasifikasi unsur-unsur cuaca/iklim tersebut. Jaringan ini menggunakan teknik klasifikasi, fungsi energi lyapunov (bobot simetris berdiagonal utama nol (0)) untuk mendapatkan output agar mendekati atau sama dengan inputannya. Klasifikasi dilakukan dengan data diskrit (data atau variabel kuantitatif yang observasi atau pengukurannya berupa bilangan-bilangan utuh atau range dari x countable { ,.....}),, 321 xxx . Namun demikian, model Hopfield dengan data continue (data atau variable yang observasi atau pengukurannya berupa bilangan-bilangan utuh atau pecahan atau jika x menjalani setiap harga dalam suatu interval maka range x dikatakan uncountable), juga sangat bagus untuk klasifikasi.

1.2 Tujuan Penulisan Tujuan yang hendak dicapai dalam penelitian ini adalah : 1. Merumuskan cara data unsur-unsur cuaca menjadi masukan/input Hopfield Neural Network, sehingga dapat diolah dengan menggunakan algoritma Hopfield Neural Network. 2. Menentukan bentuk dan topologi Hopfield Neural Network yang sesuai dengan proses prediksi cuaca. 3. Bagaimana Hopfield Neural Network dalam menilai prediksi cuaca.

2. ISI 2.1 Penentuan Model Hopfield Neural

Network

Model Hopfield identik dengan matrik simetris. Secara umum, nilai keluaran jaringan syaraf tiruan ditentukan oleh nilai masukan, bobot (weight), dan fungsi aktivasi. Bentuk fungsi aktivasi dipilih berdasarkan masalah yang akan diselesaikan. Bila jaringan Hopfield dirancang untuk melakukan klasifikasi pola biner-pola yang tersusun atas kombinasi bilangan 0 dan 1, maka digunakan step function dengan dua nilai (0 dan 1) sebagai fungsi aktivasi. Bila melakukan klasifikasi pola bipolar, maka step function yang digunakan dua nilai (-1 dan 1). Berikut diberikan suatu contoh. Misalkan akan dibuat jaringan Hopfield dengan 4 neuron. Artinya ada empat masukan dan empat keluaran. Keempat neuron itu dihubungkan satu sama lain dan tiap hubungan (koneksi) ini diberikan suatu nilai bobot (weight). Menurut Hopfield, bila bobot koneksi neuron dengan dirinya sendiri adalah nol, pasti akan diperoleh keluaran yang stabil. Kondisi yang stabil tersebut dinamakan energi lyapunov. Neuron-neuron pada Hopfield berhubungan penuh, artinya neuron-neuron tersebut saling berhubungan kecuali pada dirinya sendiri, dengan demikian nilai bobot matrik model Hopfield memakai bobot matrik berdiagonal nol (0).

Page 3: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

153 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Nilai nol (0) tersebut mengartikan bahwa ijW = 0 untuk i = j (pada dirinya sendiri = 0)

dan ijW = jiW untuk i ≠ j. Untuk mudah dibaca dan dipahami proses atau tahap-tahap bagaimana menjadikan sebuah input data sampai dengan output, kemudian menjadikan analisa dan sebuah kesimpulan, di bawah ini digambarkan dengan sebuah diagram alur.

Gambar 1. Diagram Alur Penelitian

2.1.1 Data

Unsur yang digunakan untuk memprakirakan cuaca adalah : a. Arah angin b. Suhu udara c. Kelembaban udara d. Tekanan udara Data tersebut diambil dari dari AWS (Automatic Weather System-bmg_online), dan lokasi yang diambil adalh daerah Cilacap. Data bisa dilihat pada lampiran tabel data dan lokasi pengamatan dengan AWS. Data tersebut diambil berdasarkan grafik normal curah hujan bulanan di Cilacap. Normal curah hujan adalah rata-rata curah hujan selama 30 tahun, dari grafik ini rata-rata curah hujan dari tahun 1971-2000. Bulan Agustus adalah bulan kering untuk Cilacap. Kemudian yang tertinggi/basah pada bulan Nopember. Dari dasar ini diambil sampel data (unsur-unsur cuaca) bulan Agustus untuk keadaan cuaca cerah, bulan Nopember untuk keadaan cuaca hujan

dan bulan September untuk keadaan cuaca berawan. Melalui AWS data tersebut direkam tiap saat (online), dalam penelitian ini data yang diambil adalah tiap jam. Namun demikian data yang diambil harus diteliti keakuratannya dengan membandingkan data dari hasil pengamatan manual, karena data dari alat elektrik sering terjadi error. Berdasarkan hasil pengamatan meteorologi di Cilacap, data hasil dari AWS dengan data dari observer manual pada bulan-bulan terakhir tahun 2008 adalah relatif sama. Dengan demikian data yang didownload dari AWS bisa diambil dan diolah. Kriteria Unsur Cuaca Rata-rata Cilacap : 1. Arah angin

Untuk arah angin, cuaca cerah adalah angin timuran, yaitu arah angin yang berasal dari timur. Angin timuran ini bersifat kering yang menyebabkan iklim di Indonesia mengalami musim kemarau. Arah timur dalam derajat = 90°, jadi bila arah angin dari sekitar Timur Laut (45°) sampai dengan Selatan Tenggara (157,5°), keadaan cuacanya cerah. Sebaliknya arah angin dari Barat (270°) atau yang biasa disebut Angin Baratan, keadaan iklim di Indonesia mengalami musim hujan. Angin Baratan ini yang membawa sifat basah ke Indonesia. Jadi daerah Cilacap pada khususnya akan mengalami hujan bila arah angin datang dari sekitar Selatan Barat Daya (202,5°) sampai dengan Barat Laut (315°) atau lebih. Data rata-rata arah angin bisa dibagi menjadi batasan 3 kriteria, yaitu dengan mode atau modus (nilai yang sering muncul). Pada kriteria cerah, nilai yang sering muncul di bawah 160°, dan melihat pada kriteria berawan secara kasar nilai yang sering muncul adalah nilai antara 140° – 180°. Sedangkan pada nilai kriteria hujan modusnya di atas 200°. Karena nilai 160° terlalu besar untuk arah angin timuran, maka diambil 150° sebagai batasan maksimum arah angin yang membawa sifat kering ke

Page 4: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

154 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

daerah Cilacap. Sebagai batasan kriteria hujan arah angin lebih dari 200°.

2. Suhu udara

Menurut sumber dinas pertanian kerjasama dengan BMKG Jawa Tengah, daerah Cilacap termasuk daerah rawan banjir sekaligus rawan kekeringan. Hal ini disebabkan karena suhu yang tidak terlalu tinggi dengan kelembapan yang rendah. Oleh karena itu daerah Cilacap bersifat kering, namun suhu tidak tinggi. Mengenai tekanan tergantung dari suhu setempat dengan suhu disekitarnya. Bila suhu udara panas, maka tekanan akan turun. Pembagian kriteria unsur-unsur ini di dapat dari hasil pengamatan tiap jam. Data bisa dilihat pada lampiran tabel data. Modus untuk kriteria cerah adalah pada waktu siang hari yaitu lebih besar 29°C. Sedangkan untuk kriteria hujan modusnya nilai di bawah 26°C. Jadi kriteria berawan berada diantaranya.

3. Kelembapan udara

Modus untuk kelembapan pada kriteria hujan, nilai di atas 85%. Karena daerah Cilacap kelembapan tidak terlalu rendah, maka untuk kriteria cerah nilai kelembapan di bawah 70%. Nilai diantaranya adalah nilai untuk kriteria berawan.

4. Tekanan udara

Untuk tekanan, modus pada kriteria cerah adalah di atas 1010 mb. Pada kriteria hujan modusnya adalah di bawah 1007 mb. Jadi dengan pertimbangan tersebut diatas dapat dibuat tabel kriteria-kriteria sebagai berikut :

Tabel 1 Kriteria Unsur Cuaca Cilacap

UNSUR CUACA

KEADAAN CUACA

CERAH BERAWAN HUJAN

ARAH ANGIN < 150° 150° - 200° > 200°

SUHU > 29°C 26°C - 29°C < 26°C

KELEMBAPAN < 70% 70% - 85% > 85%

TEKANAN > 1010 mb

1007 mb – 1010 mb

< 1007 mb

Kemudian dari data asli dirubah terlebih dahulu dengan fungsi bipolar, yaitu

suatu fungsi dimana angka hanya menunjukkan nilai 1 dan -1. Pada dasarnya jaringan Hopfield menggunakan fungsi aktivasi biner (menunjukkan nilai 0 dan 1), namun menggunakan bipolar akan lebih menguntungkan atau lebih baik (Popoviciu, N and Boncuţ, M; 2005). Kriteria tersebut yang akan menjadi target yang hendak dicapai. Berikut tabel nilai bipolarnya.

Tabel 2 Kriteria Unsur Cuaca Bipolar

UNSUR CUACA KEADAAN CUACA

CERAH BERAWAN HUJAN

ARAH ANGIN 1 -1 -1

SUHU -1 -1 1

KELEMBAPAN 1 -1 -1

TEKANAN -1 -1 1

2.1.2 Arsitektur Hopfield Neural

Network

Model arsitektur Hopfield ini terdapat empat neuron simetris, yaitu output yang ditargetkan harus sama dengan input. Untuk mencapai hasil yang optimal/konvergen, output dijadikan inputan kembali, namun diteruskannya jaringan tidak pada dirinya sendiri tetapi ke neuron yang lain. Proses ini berjalan terus-menerus sampai dicapai kondisi yang stabil. Pada halaman berikut ini adalah gambar model jaringan Hopfield dengan 4 (empat) unsur cuaca atau 4 neuron.

Gambar 2 Model Hopfield Neural Network pada Aplikasi Prakiraan Cuaca Cilacap

Page 5: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

155 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

2.1.3 Bobot

Untuk pemilihan bobot, sebagai dasarnya adalah matrik simetris dan berdiagonal utama 0.

⎥⎥⎥⎥

⎢⎢⎢⎢

−−−−

−−−−

0252202552022520

Pilihan bobot ini adalah pilihan terakhir setelah mencoba dipilih nilai berpasangan -1 dan 7, -5 dan 25, -50 dan 100. Hal inilah yang menyebabkan output sama dengan input. Pilihan bobot tersebut, adalah yang tercepat mencapai konvergen atau langkah yang paling sedikit untuk mencapai stabil.

Pada tabel kriteria unsur cuaca bipolar di atas, adalah sebagai input vektor yang kemudian dikalikan dengan kolom-kolom bobot. Hasil yang diperoleh kemudian dijadikan nilai bipolar kembali. Untuk pola input bipolar : 1 jika t > θ f(t) = -1 jika t ≤ θ a. Kriteria cerah (1 -1 1 -1) : Nilai bipolar 1 -1 1 -1 ini sebagai invec (input vector) yang akan dikalikan dengan tiap kolom bobot.

1 -1 1 -1 x 0 -2 5 -2 -2 0 -2 5 5 -2 0 -2 -2 5 -2 0

Hasil = 9 -9 9 -9Bipolar = 1 -1 1 -1

Nilai hasil dari kolom pertama sama dengan 9, maka f(t) atau fungsi bipolar sama dengan 1, karena 9 lebih besar dari threshold (9 > 0). Threshold = 0, karena menggunakan bias untuk mengubah/menyeimbangkannya. Jadi threshold dianggap nol (0). Untuk kolom ke-2 hasil = -9, artinya -9 < 0, maka

f(t) atau fungsi bipolar = -1. Begitu pula untuk kolom-kolom berikutnya. b. Kriteria berawan (-1 -1 -1 -1) : Nilai bipolar -1 -1 -1 -1 ini sebagai invec (input vector) yang akan dikalikan dengan tiap kolom bobot.

-1

-1

-1

-1 x 0 -

2 5 -2

-2 0 -

2 5

5 -2 0 -

2

-2 5 -

2 0

Hasil = -1

-1

-1

-1

Bipolar = -1

-1

-1

-1

Nilai hasil dari kolom pertama sama dengan -1, maka f(t) atau fungsi bipolar sama dengan -1, karena -1 lebih kecil dari threshold (-1 < 0). Threshold = 0, karena menggunakan bias untuk mengubah/menyeimbangkannya. Jadi threshold dianggap nol (0). Begitu pula untuk kolom-kolom berikutnya.

c. Kriteria hujan (-1 1 -1 1) : Nilai bipolar -1 1 -1 1 ini sebagai invec (input vector) yang akan dikalikan dengan tiap kolom bobot.

-1 1 -

1 1 x 0 -2 5 -

2

-2 0 -2 5

5 -2 0 -

2

-2 5 -2 0

Hasil = -9 9 -9 9

Bipolar = -1 1 -1 1

Nilai hasil dari kolom pertama sama dengan -9, maka f(t) atau fungsi bipolar sama

Page 6: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

156 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

dengan -1, karena -9 lebih kecil dari threshold (-9 < 0). Threshold = 0, karena menggunakan bias untuk mengubah/menyeimbangkannya. Jadi threshold dianggap nol (0). Untuk kolom ke-2 hasil = 9, artinya 9 > 0, maka f(t) atau fungsi bipolar = 1. Begitu pula untuk kolom-kolom berikutnya. 2.1 Implementasi Model Hopfield Pada

Prakiraan Cuaca

Pemakaian perangkat lunak dengan MATLAB 7.0.4 sangat membantu dan mempermudah dalam mengerjakan jaringan Hopfield. 2.2.1 Input Data

Data real sebagai input diubah terlebih dahulu ke bentuk satlins, yaitu merubah nilai input menjadi -1 jika inputannya kurang dari -1, dan akan bernilai 1 jika inputnya lebih dari 1. Sedangkan nilai input terletak antara -1 dan 1 akan bernilai sama dengan inputannya atau sama dengan 0. Ada 72 data, yaitu data ke-1 sampai dengan 24 adalah kriteria cerah, data ke-25 sampai dengan 48 adalah kriteria berawan dan data ke-49 sampai dengan 72 adalah kriteria hujan.

PReal=[116 24.9 82.5 1011.6 146 26.0 75.8 1012.1 140 27.9 68.6 1012.0 166 29.0 62.5 1011.3 147 30.0 57.2 1010.1 150 30.5 55.7 1008.9 144 30.2 55.2 1008.1 147 29.5 54.8 1007.3 146 28.7 56.8 1007.1

144 27.4 62.1 1007.8 142 26.1 67.4 1008.5 143 25.2 73.3 1009.2 147 24.8 77.7 1010.2 150 24.7 79.7 1011.1 156 24.6 81.0 1011.7 153 24.4 80.8 1011.8 168 24.1 81.5 1011.4 173 23.6 82.9 1010.8 233 23.0 84.5 1010.2 285 22.6 86.2 1009.7 261 22.5 87.4 1009.4 274 22.4 88.5 1009.6 294 22.2 89.6 1010.1 290 22.5 90.3 1010.9 144 25.9 82.1 1012.5 147 26.9 75.1 1012.9 139 28.3 67.2 1012.6 154 28.9 62.8 1012.0 162 29.1 63.2 1011.2 161 29.2 62.6 1010.2 168 28.9 63.5 1009.5 163 28.9 63.3 1009.0 165 28.4 64.2 1009.0 161 27.3 67.5 1009.5

Page 7: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

157 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

162 26.3 72.1 1010.0 159 25.8 75.3 1010.7 155 25.6 76.8 1011.3 156 25.5 78.1 1011.8 156 25.3 78.6 1011.8 165 25.1 79.1 1011.7 170 25.0 79.6 1011.1 157 24.6 81.7 1010.6 144 24.3 84.0 1010.0 187 24.0 84.9 1009.5 162 24.0 85.6 1009.5 167 23.8 87.5 1009.8 158 23.8 88.7 1010.1 155 24.0 89.2 1010.7 234 25.7 92.8 1006.8 311 26.3 89.5 1007.5 131 27.3 85.8 1007.6 144 28.1 80.2 1007.2 136 29.4 75.4 1006.5 144 29.7 72.7 1005.4 174 28.5 76.7 1004.7 231 25.8 84.9 1004.7 205 25.3 89.0 1005.3 324 24.4 91.4 1005.8 316 24.2 92.1 1006.8

313 24.1 92.1 1007.8 327 24.1 91.7 1008.5 315 23.9 92.1 1009.0 284 23.8 92.2 1009.1 179 23.7 92.9 1008.9 251 23.7 93.1 1008.3 237 23.7 93.7 1007.6 70 23.5 94.1 1006.8 129 23.4 94.4 1006.5 98 23.4 94.7 1006.4 98 23.1 94.9 1006.5 87 23.1 95.0 1007.0 64 23.7 94.6 1007.5]’;

Dengan suatu bahasa pemrograman data real kemudian diubah ke bentuk satlins. Untuk mengubah sebuah matrik dari data real ke diskrit, ukuran matrik harus diketahui terlebih dahulu. Pada aplikasi Hopfield ini, ada 4 (empat) neuron/variable yang terdiri dari 72 data dari masing-masing variable tersebut. Jadi matrik disini berukuran 72 x 4. Fasilitas pada MATLAB 7.0.4 menyediakan fungsi size, yaitu untuk menghasilkan tempat menyimpan elemen-elemen matrik tadi. Hasil dari pada fungsi size tadi adalah 2 (dua) nilai, yaitu baris dan kolom. Kemudian untuk mencari atau menelusuri setiap elemen matrik digunakan statement for dan mengakhirinya menggunakan end. Jadi dalam aplikasi Hopfield ini, terlebih dahulu ditelusuri adalah variable arah angin, dimulai dari baris pertama sampai terakhir, kemudian baris pertama sampai terakhir untuk kolom kedua dan seterusnya sampai pada variable

Page 8: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

158 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

terakhir, yaitu variable tekanan udara. Dari penelusuran yang berulang-ulang ini, diperintahkan juga pemilihan atau seleksi nilai-nilai yang telah ditentukan. Statement ini dengan menggunakan switch diikuti dengan case dan diakhiri dengan end. Untuk variable pertama adalah arah angin, dari setiap elemen arah angin ini jika nilai < 150 maka nilai dirubah menjadi 1. Jika nilai > 200, maka akan diubah menjadi -1 dan jika bukan keduanya, dia akan menjadi 0. Begitu seterusnya sampai dengan variable yang dinginkan nilai kriterianya. [Baris Kolom]=size(PReal); for i=1:Baris for j=1:Kolom switch i case 1 if PReal(i,j)<150 PSatlins(i,j)=1; elseif PReal(i,j)>200 PSatlins(i,j)=-1; else PSatlins(i,j)=0; end case 2 if PReal(i,j)>29 PSatlins(i,j)=-1; elseif PReal(i,j)<26 PSatlins(i,j)=1; else PSatlins(i,j)=0; end case 3 if PReal(i,j)<70 PSatlins(i,j)=1; elseif PReal(i,j)>85

PSatlins(i,j)=-1; else PSatlins(i,j)=0; end case 4 if PReal(i,j)>1010 PSatlins(i,j)=-1; elseif PReal(i,j)<1006 PSatlins(i,j)=1; else PSatlins(i,j)=0; end end end end

Data target yang akan dicapai ada 3 (tiga) yaitu cerah, berawan hujan, dan 4 (empat) variable/unsur cuaca dengan bentuk bipolar. Jadi target adalah sebuah matrik yang berukuran 4 x 3. T =[1 -1 1 -1;... -1 -1 -1 -1;... -1 1 -1 1]'; 2.2.2 Membangun Jaringan Hopfield

Untuk membangun jaringan Hopfield dapat digunakan fungsi newhop. Fungsi : net = newhop(T) T : matriks target berukuran RxQ dengan nilai +1 atau -1, R adalah sebagai kriterianya (3 kriteria, yaitu cerah, berawan dan hujan). Q adalah sebagai elemen target atau variabelnya (4 variabel, yaitu arah angin, suhu udara, kelembaban udara, dan tekanan udara). Pada fungsi newhop, jaringan membangun lapisan tunggal, yaitu input kemudian proses ke lapisan output. Apabila output belum mencapai kestabilan atau konvergen, hasil

Page 9: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

159 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

dari output akan kembali menjadi inputan, terus-menerus sampai kepada kondisi stabil/konvergen. Untuk mencapai konvergen diperlukan energi lyapunov, yaitu dengan cara dotproduct yang bekerjanya menghitung input vector dikalikan dengan kolom-kolom pada bobot hingga menghasilkan output vector = input vector. Fungsi pada dotproduct digunakan fungsi bipolar. Fungsi transfer pada newhop adalah satlins (symetric saturating linear). 2.2.3 Penggunaan Bobot

Bobot untuk bias dihitung dengan random dan bobot lapisan didapatkan dari beberapa kali percobaan kemudian diputuskan atau diambil yang terbaik. Pada fasilitas MATLAB 7.0.4 perintahnya adalah sebagai berikut : net.LW{1,1} =[0 -2 5 -2;-2 0 -

2 5;5 -2 0 -2;-2 5 -2 0];

Bobot_Lapisan = net.LW{1,1}; Bobot_Bias = net.b{1};

Jadi bobot lapisan (Layer Weight) adalah matrik 4 x 4 yang sudah ditentukan dan bobot biasnya adalah random matrik 4 x 1. Bobot-bobot tersebut hanya memiliki sebuah atau satu matrik, karena dalam jaringan Hopfield hanya memiliki lapisan tunggal.

2.2.4 Simulasi Jaringan Hopfield

Perintah dari simulasi ini adalah : [Y,Pf,Af] = sim(net,{1

60},{},a); Y : menghasilkan output jaringan. Pf : menghasilkan final input delay yang sudah dalam bentuk satlins. Af : menghasilkan final layer delay (target) yang ingin dicapai (cerah, berawan, hujan). sim : melakukan simulasi, yaitu sebuah fungsi yang terdiri dari net, {1 60},{ }, a net : arsitektur jaringan, jadi jaringan ini yang akan digunakan untuk melakukan simulasinya. {1 60} : suatu himpunan yang terdiri dari 1 sampai dengan 60, yaitu proses atau langkah satu (1) sampai dengan enam puluh (60) { } : suatu himpunan kosong, initial input delay a : variabel yang berisi matrik atau menghasilkan input yang sudah dalam bentuk satlins

2.2.5 Output Jaringan Hopfield

Output jaringan ada 60 langkah dengan 72 kolom. Kolom 1 sampai dengan 24 adalah kriteria cerah, kolom 25 sampai dengan 48 adalah kriteria berawan dan kolom 49 sampai dengan 72 adalah kriteria hujan. Karena output yang muncul sangat banyak, di bawah ini dibuatkan tabel output agar lebih mudah dibaca.

Page 10: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

160 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

Tabel 3 Output Untuk Kriteria Cerah

KRITERIA CERAH CERAH CERAH CERAH CERAH CERAH CERAH CERAH CERAHJAM (WIB) 07.00 - 08.00 08.00-09.00 09.00-10.00 10.00-11.00 11.00-12.00 12.00-13.00 13.00-14.00 14.00-15.00 15.00-16.00LANGKAH 1 2 3 4 5 6 7 8 9

1 [5.0315e-017;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]2 [1;1;1.2935e-016;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]3 [6.9704e-016;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]4 [1;1;3.3631e-015;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]5 [1.6866e-014;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]6 [1;1;8.4207e-014;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]7 [4.2108e-013;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]8 [1;1;2.1053e-012;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]9 [1.0527e-011;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]

10 [1;1;5.2633e-011;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]11 [2.6316e-010;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]12 [1;1;1.3158e-009;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]13 [6.5791e-009;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]14 [1;1;3.2895e-008;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]15 [1.6448e-007;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]16 [1;1;8.2238e-007;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]17 [4.1119e-006;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]18 [1;1;2.056e-005;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]19 [0.0001028;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]20 [1;1;0.00051399;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]21 [0.0025699;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]22 [1;1;0.01285;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]23 [0.064249;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]24 [1;1;0.32124;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]25 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]26 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]27 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]28 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]29 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]30 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]31 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]32 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]33 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]34 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]35 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]36 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]37 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]38 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]39 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]40 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]41 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]42 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]43 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]44 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]45 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]46 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]47 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]48 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]49 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]50 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]51 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]52 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]53 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]54 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]55 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]56 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]57 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]58 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]59 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]60 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]

Page 11: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

161 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Lanjutan Tabel 3 KRITERIA CERAH CERAH CERAH CERAH CERAHJAM (WIB) 16.00-17.00 17.00-18.00 18.00-19.00 19.00-20.00 20.00-21.00LANGKAH 10 11 12 13 14

1 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [5.0315e-017;-1;1;1] [5.0315e-017;-1;-1.2218e-016;1]2 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1.2935e-016;-1] [-5.6063e-016;1;1.2935e-016;-1]3 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [6.9704e-016;-1;1;1] [6.9704e-016;-1;-2.9253e-015;1]4 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;3.3631e-015;-1] [-1.4576e-014;1;3.3631e-015;-1]5 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1.6866e-014;-1;1;1] [1.6866e-014;-1;-7.3003e-014;1]6 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;8.4207e-014;-1] [-3.6496e-013;1;8.4207e-014;-1]7 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [4.2108e-013;-1;1;1] [4.2108e-013;-1;-1.8249e-012;1]8 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;2.1053e-012;-1] [-9.1246e-012;1;2.1053e-012;-1]9 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1.0527e-011;-1;1;1] [1.0527e-011;-1;-4.5623e-011;1]

10 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;5.2633e-011;-1] [-2.2812e-010;1;5.2633e-011;-1]11 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [2.6316e-010;-1;1;1] [2.6316e-010;-1;-1.1406e-009;1]12 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1.3158e-009;-1] [-5.7029e-009;1;1.3158e-009;-1]13 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [6.5791e-009;-1;1;1] [6.5791e-009;-1;-2.8515e-008;1]14 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;3.2895e-008;-1] [-1.4257e-007;1;3.2895e-008;-1]15 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1.6448e-007;-1;1;1] [1.6448e-007;-1;-7.1286e-007;1]16 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;8.2238e-007;-1] [-3.5643e-006;1;8.2238e-007;-1]17 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [4.1119e-006;-1;1;1] [4.1119e-006;-1;-1.7822e-005;1]18 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;2.056e-005;-1] [-8.9108e-005;1;2.056e-005;-1]19 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [0.0001028;-1;1;1] [0.0001028;-1;-0.00044554;1]20 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;0.00051399;-1] [-0.0022277;1;0.00051399;-1]21 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [0.0025699;-1;1;1] [0.0025699;-1;-0.011139;1]22 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;0.01285;-1] [-0.055693;1;0.01285;-1]23 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [0.064249;-1;1;1] [0.064249;-1;-0.27846;1]24 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;0.32124;-1] [-1;1;0.32124;-1]25 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]26 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]27 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]28 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]29 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]30 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]31 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]32 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]33 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]34 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]35 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]36 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]37 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]38 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]39 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]40 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]41 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]42 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]43 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]44 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]45 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]46 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]47 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]48 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]49 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]50 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]51 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]52 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]53 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]54 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]55 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]56 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]57 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]58 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]59 [1;-1;1;-1] [1;-1;1;-1] [-1;-1;1;1] [1;-1;1;1] [1;-1;-1;1]60 [1;-1;1;-1] [1;-1;1;-1] [1;1;-1;-1] [1;1;1;-1] [-1;1;1;-1]

Page 12: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

162 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

Lanjutan Tabel 3 KRITERIA CERAH CERAH CERAHJAM (WIB) 21.00-22.00 22.00-23.00 23.00-24.00LANGKAH 15 16 17

1 [5.0315e-017;-1;-1.2218e-016;1] [5.0315e-017;-1;-1.2218e-016;1] [5.0315e-017;-1;-1.2218e-016;1]2 [-5.6063e-016;1;1.2935e-016;-1] [-5.6063e-016;1;1.2935e-016;-1] [-5.6063e-016;1;1.2935e-016;-1]3 [6.9704e-016;-1;-2.9253e-015;1] [6.9704e-016;-1;-2.9253e-015;1] [6.9704e-016;-1;-2.9253e-015;1]4 [-1.4576e-014;1;3.3631e-015;-1] [-1.4576e-014;1;3.3631e-015;-1] [-1.4576e-014;1;3.3631e-015;-1]5 [1.6866e-014;-1;-7.3003e-014;1] [1.6866e-014;-1;-7.3003e-014;1] [1.6866e-014;-1;-7.3003e-014;1]6 [-3.6496e-013;1;8.4207e-014;-1] [-3.6496e-013;1;8.4207e-014;-1] [-3.6496e-013;1;8.4207e-014;-1]7 [4.2108e-013;-1;-1.8249e-012;1] [4.2108e-013;-1;-1.8249e-012;1] [4.2108e-013;-1;-1.8249e-012;1]8 [-9.1246e-012;1;2.1053e-012;-1] [-9.1246e-012;1;2.1053e-012;-1] [-9.1246e-012;1;2.1053e-012;-1]9 [1.0527e-011;-1;-4.5623e-011;1] [1.0527e-011;-1;-4.5623e-011;1] [1.0527e-011;-1;-4.5623e-011;1]

10 [-2.2812e-010;1;5.2633e-011;-1] [-2.2812e-010;1;5.2633e-011;-1] [-2.2812e-010;1;5.2633e-011;-1]11 [2.6316e-010;-1;-1.1406e-009;1] [2.6316e-010;-1;-1.1406e-009;1] [2.6316e-010;-1;-1.1406e-009;1]12 [-5.7029e-009;1;1.3158e-009;-1] [-5.7029e-009;1;1.3158e-009;-1] [-5.7029e-009;1;1.3158e-009;-1]13 [6.5791e-009;-1;-2.8515e-008;1] [6.5791e-009;-1;-2.8515e-008;1] [6.5791e-009;-1;-2.8515e-008;1]14 [-1.4257e-007;1;3.2895e-008;-1] [-1.4257e-007;1;3.2895e-008;-1] [-1.4257e-007;1;3.2895e-008;-1]15 [1.6448e-007;-1;-7.1286e-007;1] [1.6448e-007;-1;-7.1286e-007;1] [1.6448e-007;-1;-7.1286e-007;1]16 [-3.5643e-006;1;8.2238e-007;-1] [-3.5643e-006;1;8.2238e-007;-1] [-3.5643e-006;1;8.2238e-007;-1]17 [4.1119e-006;-1;-1.7822e-005;1] [4.1119e-006;-1;-1.7822e-005;1] [4.1119e-006;-1;-1.7822e-005;1]18 [-8.9108e-005;1;2.056e-005;-1] [-8.9108e-005;1;2.056e-005;-1] [-8.9108e-005;1;2.056e-005;-1]19 [0.0001028;-1;-0.00044554;1] [0.0001028;-1;-0.00044554;1] [0.0001028;-1;-0.00044554;1]20 [-0.0022277;1;0.00051399;-1] [-0.0022277;1;0.00051399;-1] [-0.0022277;1;0.00051399;-1]21 [0.0025699;-1;-0.011139;1] [0.0025699;-1;-0.011139;1] [0.0025699;-1;-0.011139;1]22 [-0.055693;1;0.01285;-1] [-0.055693;1;0.01285;-1] [-0.055693;1;0.01285;-1]23 [0.064249;-1;-0.27846;1] [0.064249;-1;-0.27846;1] [0.064249;-1;-0.27846;1]24 [-1;1;0.32124;-1] [-1;1;0.32124;-1] [-1;1;0.32124;-1]25 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]26 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]27 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]28 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]29 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]30 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]31 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]32 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]33 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]34 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]35 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]36 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]37 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]38 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]39 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]40 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]41 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]42 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]43 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]44 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]45 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]46 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]47 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]48 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]49 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]50 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]51 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]52 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]53 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]54 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]55 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]56 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]57 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]58 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]59 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]60 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]

Page 13: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

163 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Lanjutan Tabel 3 KRITERIA CERAH CERAH CERAH CERAH CERAH CERAH CERAHJAM (WIB) 00.00-01.00 01.00-02.00 02.00-03.00 03.00-04.00 04.00-05.00 05.00-06.00 06.00-07.00LANGKAH 18 19 20 21 22 23 24

1 [5.0315e-017;-1;-1.2218e-016;1] [5.0315e-017;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]2 [-5.6063e-016;1;1.2935e-016;-1] [-1;1;1.2935e-016;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]3 [6.9704e-016;-1;-2.9253e-015;1] [6.9704e-016;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]4 [-1.4576e-014;1;3.3631e-015;-1] [-1;1;3.3631e-015;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]5 [1.6866e-014;-1;-7.3003e-014;1] [1.6866e-014;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]6 [-3.6496e-013;1;8.4207e-014;-1] [-1;1;8.4207e-014;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]7 [4.2108e-013;-1;-1.8249e-012;1] [4.2108e-013;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]8 [-9.1246e-012;1;2.1053e-012;-1] [-1;1;2.1053e-012;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]9 [1.0527e-011;-1;-4.5623e-011;1] [1.0527e-011;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]

10 [-2.2812e-010;1;5.2633e-011;-1] [-1;1;5.2633e-011;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]11 [2.6316e-010;-1;-1.1406e-009;1] [2.6316e-010;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]12 [-5.7029e-009;1;1.3158e-009;-1] [-1;1;1.3158e-009;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]13 [6.5791e-009;-1;-2.8515e-008;1] [6.5791e-009;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]14 [-1.4257e-007;1;3.2895e-008;-1] [-1;1;3.2895e-008;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]15 [1.6448e-007;-1;-7.1286e-007;1] [1.6448e-007;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]16 [-3.5643e-006;1;8.2238e-007;-1] [-1;1;8.2238e-007;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]17 [4.1119e-006;-1;-1.7822e-005;1] [4.1119e-006;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]18 [-8.9108e-005;1;2.056e-005;-1] [-1;1;2.056e-005;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]19 [0.0001028;-1;-0.00044554;1] [0.0001028;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]20 [-0.0022277;1;0.00051399;-1] [-1;1;0.00051399;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]21 [0.0025699;-1;-0.011139;1] [0.0025699;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]22 [-0.055693;1;0.01285;-1] [-1;1;0.01285;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]23 [0.064249;-1;-0.27846;1] [0.064249;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]24 [-1;1;0.32124;-1] [-1;1;0.32124;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]25 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]26 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]27 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]28 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]29 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]30 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]31 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]32 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]33 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]34 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]35 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]36 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]37 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]38 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]39 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]40 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]41 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]42 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]43 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]44 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]45 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]46 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]47 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]48 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]49 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]50 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]51 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]52 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]53 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]54 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]55 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]56 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]57 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]58 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]59 [1;-1;-1;1] [1;-1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]60 [-1;1;1;-1] [-1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]

Page 14: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

164 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

Tabel 4 Output Untuk Kriteria Berawan KRITERIA BERAWAN BERAWAN BERAWAN BERAWAN BERAWAN BERAWAN BERAWANJAM (WIB) 07.00 - 08.00 08.00-09.00 09.00-10.00 10.00-11.00 11.00-12.00 12.00-13.00 13.00-14.00LANGKAH 25 26 27 28 29 30 31

1 [5.0315e-017;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;-1.2218e-016;-1]2 [1;1;1.2935e-016;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]3 [6.9704e-016;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]4 [1;1;3.3631e-015;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]5 [1.6866e-014;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]6 [1;1;8.4207e-014;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]7 [4.2108e-013;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]8 [1;1;2.1053e-012;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]9 [1.0527e-011;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]

10 [1;1;5.2633e-011;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]11 [2.6316e-010;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]12 [1;1;1.3158e-009;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]13 [6.5791e-009;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]14 [1;1;3.2895e-008;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]15 [1.6448e-007;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]16 [1;1;8.2238e-007;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]17 [4.1119e-006;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]18 [1;1;2.056e-005;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]19 [0.0001028;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]20 [1;1;0.00051399;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]21 [0.0025699;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]22 [1;1;0.01285;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]23 [0.064249;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]24 [1;1;0.32124;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]25 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]26 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]27 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]28 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]29 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]30 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]31 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]32 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]33 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]34 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]35 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]36 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]37 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]38 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]39 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]40 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]41 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]42 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]43 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]44 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]45 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]46 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]47 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]48 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]49 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]50 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]51 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]52 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]53 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]54 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]55 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]56 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]57 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]58 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]59 [1;-1;1;1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]60 [1;1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1]

Page 15: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

165 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Lanjutan Tabel 4 KRITERIA BERAWAN BERAWAN BERAWAN BERAWANJAM (WIB) 14.00-15.00 15.00-16.00 16.00-17.00 17.00-18.00LANGKAH 32 33 34 35

1 [1;-1;-1.2218e-016;-1] [1;-1;-1.2218e-016;-1] [1;-1;-1.2218e-016;-1] [5.0315e-017;2.2638e-017;-1.2218e-016;3.1263e-017]2 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-6.6841e-016;3.2269e-016;2.159e-017;2.8819e-016]3 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1.0635e-015;2.7572e-015;-4.686e-015;2.9384e-015]4 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-3.4771e-014;2.6213e-014;-1.6831e-014;2.5316e-014]5 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1.8716e-013;2.2981e-013;-2.7704e-013;2.343e-013]6 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-2.3134e-012;2.0999e-012;-1.8642e-012;2.0775e-012]7 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1.7676e-011;1.8742e-011;-1.9922e-011;1.8855e-011]8 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1.748e-010;1.6947e-010;-1.6357e-010;1.6891e-010]9 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1.4946e-009;1.5213e-009;-1.5508e-009;1.5241e-009]

10 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1.3845e-008;1.3711e-008;-1.3564e-008;1.3697e-008]11 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1.2264e-007;1.233e-007;-1.2404e-007;1.2337e-007]12 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1.1136e-006;1.1102e-006;-1.1065e-006;1.1099e-006]13 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-9.9728e-006;9.9895e-006;-1.0008e-005;9.9912e-006]14 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-9.0001e-005;8.9918e-005;-8.9826e-005;8.9909e-005]15 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-0.00080878;0.0008092;-0.00080966;0.00080924]16 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-0.0072852;0.0072831;-0.0072808;0.0072829]17 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-0.065536;0.065546;-0.065558;0.065547]18 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-0.58998;0.58992;-0.58987;0.58992]19 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]20 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]21 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]22 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]23 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]24 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]25 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]26 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]27 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]28 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]29 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]30 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]31 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]32 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]33 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]34 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]35 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]36 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]37 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]38 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]39 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]40 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]41 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]42 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]43 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]44 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]45 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]46 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]47 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]48 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]49 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]50 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]51 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]52 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]53 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]54 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]55 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]56 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]57 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]58 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]59 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]60 [1;-1;1;-1] [1;-1;1;-1] [1;-1;1;-1] [-1;1;-1;1]

Page 16: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

166 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

Lanjutan Tabel 4 KRITERIA BERAWAN BERAWAN BERAWANJAM (WIB) 18.00-19.00 19.00-20.00 20.00-21.00LANGKAH 36 37 38

1 [5.0315e-017;-1;-1.2218e-016;1] [5.0315e-017;-1;-1.2218e-016;1] [5.0315e-017;-1;-1.2218e-016;1]2 [-5.6063e-016;1;1.2935e-016;-1] [-5.6063e-016;1;1.2935e-016;-1] [-5.6063e-016;1;1.2935e-016;-1]3 [6.9704e-016;-1;-2.9253e-015;1] [6.9704e-016;-1;-2.9253e-015;1] [6.9704e-016;-1;-2.9253e-015;1]4 [-1.4576e-014;1;3.3631e-015;-1] [-1.4576e-014;1;3.3631e-015;-1] [-1.4576e-014;1;3.3631e-015;-1]5 [1.6866e-014;-1;-7.3003e-014;1] [1.6866e-014;-1;-7.3003e-014;1] [1.6866e-014;-1;-7.3003e-014;1]6 [-3.6496e-013;1;8.4207e-014;-1] [-3.6496e-013;1;8.4207e-014;-1] [-3.6496e-013;1;8.4207e-014;-1]7 [4.2108e-013;-1;-1.8249e-012;1] [4.2108e-013;-1;-1.8249e-012;1] [4.2108e-013;-1;-1.8249e-012;1]8 [-9.1246e-012;1;2.1053e-012;-1] [-9.1246e-012;1;2.1053e-012;-1] [-9.1246e-012;1;2.1053e-012;-1]9 [1.0527e-011;-1;-4.5623e-011;1] [1.0527e-011;-1;-4.5623e-011;1] [1.0527e-011;-1;-4.5623e-011;1]

10 [-2.2812e-010;1;5.2633e-011;-1] [-2.2812e-010;1;5.2633e-011;-1] [-2.2812e-010;1;5.2633e-011;-1]11 [2.6316e-010;-1;-1.1406e-009;1] [2.6316e-010;-1;-1.1406e-009;1] [2.6316e-010;-1;-1.1406e-009;1]12 [-5.7029e-009;1;1.3158e-009;-1] [-5.7029e-009;1;1.3158e-009;-1] [-5.7029e-009;1;1.3158e-009;-1]13 [6.5791e-009;-1;-2.8515e-008;1] [6.5791e-009;-1;-2.8515e-008;1] [6.5791e-009;-1;-2.8515e-008;1]14 [-1.4257e-007;1;3.2895e-008;-1] [-1.4257e-007;1;3.2895e-008;-1] [-1.4257e-007;1;3.2895e-008;-1]15 [1.6448e-007;-1;-7.1286e-007;1] [1.6448e-007;-1;-7.1286e-007;1] [1.6448e-007;-1;-7.1286e-007;1]16 [-3.5643e-006;1;8.2238e-007;-1] [-3.5643e-006;1;8.2238e-007;-1] [-3.5643e-006;1;8.2238e-007;-1]17 [4.1119e-006;-1;-1.7822e-005;1] [4.1119e-006;-1;-1.7822e-005;1] [4.1119e-006;-1;-1.7822e-005;1]18 [-8.9108e-005;1;2.056e-005;-1] [-8.9108e-005;1;2.056e-005;-1] [-8.9108e-005;1;2.056e-005;-1]19 [0.0001028;-1;-0.00044554;1] [0.0001028;-1;-0.00044554;1] [0.0001028;-1;-0.00044554;1]20 [-0.0022277;1;0.00051399;-1] [-0.0022277;1;0.00051399;-1] [-0.0022277;1;0.00051399;-1]21 [0.0025699;-1;-0.011139;1] [0.0025699;-1;-0.011139;1] [0.0025699;-1;-0.011139;1]22 [-0.055693;1;0.01285;-1] [-0.055693;1;0.01285;-1] [-0.055693;1;0.01285;-1]23 [0.064249;-1;-0.27846;1] [0.064249;-1;-0.27846;1] [0.064249;-1;-0.27846;1]24 [-1;1;0.32124;-1] [-1;1;0.32124;-1] [-1;1;0.32124;-1]25 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]26 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]27 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]28 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]29 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]30 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]31 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]32 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]33 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]34 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]35 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]36 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]37 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]38 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]39 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]40 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]41 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]42 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]43 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]44 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]45 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]46 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]47 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]48 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]49 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]50 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]51 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]52 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]53 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]54 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]55 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]56 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]57 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]58 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]59 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]60 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]

Page 17: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

167 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Lanjutan Tabel 4 KRITERIA BERAWAN BERAWAN BERAWANJAM (WIB) 21.00-22.00 22.00-23.00 23.00-24.00LANGKAH 39 40 41

1 [5.0315e-017;-1;-1.2218e-016;1] [5.0315e-017;-1;-1.2218e-016;1] [5.0315e-017;-1;-1.2218e-016;1]2 [-5.6063e-016;1;1.2935e-016;-1] [-5.6063e-016;1;1.2935e-016;-1] [-5.6063e-016;1;1.2935e-016;-1]3 [6.9704e-016;-1;-2.9253e-015;1] [6.9704e-016;-1;-2.9253e-015;1] [6.9704e-016;-1;-2.9253e-015;1]4 [-1.4576e-014;1;3.3631e-015;-1] [-1.4576e-014;1;3.3631e-015;-1] [-1.4576e-014;1;3.3631e-015;-1]5 [1.6866e-014;-1;-7.3003e-014;1] [1.6866e-014;-1;-7.3003e-014;1] [1.6866e-014;-1;-7.3003e-014;1]6 [-3.6496e-013;1;8.4207e-014;-1] [-3.6496e-013;1;8.4207e-014;-1] [-3.6496e-013;1;8.4207e-014;-1]7 [4.2108e-013;-1;-1.8249e-012;1] [4.2108e-013;-1;-1.8249e-012;1] [4.2108e-013;-1;-1.8249e-012;1]8 [-9.1246e-012;1;2.1053e-012;-1] [-9.1246e-012;1;2.1053e-012;-1] [-9.1246e-012;1;2.1053e-012;-1]9 [1.0527e-011;-1;-4.5623e-011;1] [1.0527e-011;-1;-4.5623e-011;1] [1.0527e-011;-1;-4.5623e-011;1]

10 [-2.2812e-010;1;5.2633e-011;-1] [-2.2812e-010;1;5.2633e-011;-1] [-2.2812e-010;1;5.2633e-011;-1]11 [2.6316e-010;-1;-1.1406e-009;1] [2.6316e-010;-1;-1.1406e-009;1] [2.6316e-010;-1;-1.1406e-009;1]12 [-5.7029e-009;1;1.3158e-009;-1] [-5.7029e-009;1;1.3158e-009;-1] [-5.7029e-009;1;1.3158e-009;-1]13 [6.5791e-009;-1;-2.8515e-008;1] [6.5791e-009;-1;-2.8515e-008;1] [6.5791e-009;-1;-2.8515e-008;1]14 [-1.4257e-007;1;3.2895e-008;-1] [-1.4257e-007;1;3.2895e-008;-1] [-1.4257e-007;1;3.2895e-008;-1]15 [1.6448e-007;-1;-7.1286e-007;1] [1.6448e-007;-1;-7.1286e-007;1] [1.6448e-007;-1;-7.1286e-007;1]16 [-3.5643e-006;1;8.2238e-007;-1] [-3.5643e-006;1;8.2238e-007;-1] [-3.5643e-006;1;8.2238e-007;-1]17 [4.1119e-006;-1;-1.7822e-005;1] [4.1119e-006;-1;-1.7822e-005;1] [4.1119e-006;-1;-1.7822e-005;1]18 [-8.9108e-005;1;2.056e-005;-1] [-8.9108e-005;1;2.056e-005;-1] [-8.9108e-005;1;2.056e-005;-1]19 [0.0001028;-1;-0.00044554;1] [0.0001028;-1;-0.00044554;1] [0.0001028;-1;-0.00044554;1]20 [-0.0022277;1;0.00051399;-1] [-0.0022277;1;0.00051399;-1] [-0.0022277;1;0.00051399;-1]21 [0.0025699;-1;-0.011139;1] [0.0025699;-1;-0.011139;1] [0.0025699;-1;-0.011139;1]22 [-0.055693;1;0.01285;-1] [-0.055693;1;0.01285;-1] [-0.055693;1;0.01285;-1]23 [0.064249;-1;-0.27846;1] [0.064249;-1;-0.27846;1] [0.064249;-1;-0.27846;1]24 [-1;1;0.32124;-1] [-1;1;0.32124;-1] [-1;1;0.32124;-1]25 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]26 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]27 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]28 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]29 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]30 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]31 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]32 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]33 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]34 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]35 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]36 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]37 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]38 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]39 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]40 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]41 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]42 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]43 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]44 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]45 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]46 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]47 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]48 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]49 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]50 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]51 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]52 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]53 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]54 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]55 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]56 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]57 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]58 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]59 [1;-1;-1;1] [1;-1;-1;1] [1;-1;-1;1]60 [-1;1;1;-1] [-1;1;1;-1] [-1;1;1;-1]

Page 18: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

168 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

Lanjutan Tabel 4 KRITERIA BERAWAN BERAWAN BERAWAN BERAWANJAM (WIB) 00.00-01.00 01.00-02.00 02.00-03.00 03.00-04.00LANGKAH 42 43 44 45

1 [5.0315e-017;-1;-1.2218e-016;1] [-1;-1;1;1] [-1;2.2638e-017;-1;1] [-1;1;-1;1]2 [-5.6063e-016;1;1.2935e-016;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]3 [6.9704e-016;-1;-2.9253e-015;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]4 [-1.4576e-014;1;3.3631e-015;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]5 [1.6866e-014;-1;-7.3003e-014;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]6 [-3.6496e-013;1;8.4207e-014;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]7 [4.2108e-013;-1;-1.8249e-012;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]8 [-9.1246e-012;1;2.1053e-012;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]9 [1.0527e-011;-1;-4.5623e-011;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]

10 [-2.2812e-010;1;5.2633e-011;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]11 [2.6316e-010;-1;-1.1406e-009;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]12 [-5.7029e-009;1;1.3158e-009;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]13 [6.5791e-009;-1;-2.8515e-008;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]14 [-1.4257e-007;1;3.2895e-008;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]15 [1.6448e-007;-1;-7.1286e-007;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]16 [-3.5643e-006;1;8.2238e-007;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]17 [4.1119e-006;-1;-1.7822e-005;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]18 [-8.9108e-005;1;2.056e-005;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]19 [0.0001028;-1;-0.00044554;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]20 [-0.0022277;1;0.00051399;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]21 [0.0025699;-1;-0.011139;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]22 [-0.055693;1;0.01285;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]23 [0.064249;-1;-0.27846;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]24 [-1;1;0.32124;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]25 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]26 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]27 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]28 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]29 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]30 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]31 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]32 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]33 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]34 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]35 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]36 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]37 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]38 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]39 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]40 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]41 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]42 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]43 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]44 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]45 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]46 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]47 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]48 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]49 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]50 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]51 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]52 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]53 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]54 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]55 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]56 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]57 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]58 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]59 [1;-1;-1;1] [-1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1]60 [-1;1;1;-1] [1;1;-1;-1] [-1;1;-1;1] [-1;1;-1;1]

Page 19: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

169 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Lanjutan Tabel 4 KRITERIA BERAWAN BERAWAN BERAWANJAM (WIB) 04.00-05.00 05.00-06.00 06.00-07.00LANGKAH 46 47 48

1 [-1;1;-1;1] [-1;-1;-1.2218e-016;1] [-1;-1;-1.2218e-016;1]2 [-1;1;-1;1] [-5.6063e-016;1;-1;-1] [-5.6063e-016;1;-1;-1]3 [-1;1;-1;1] [-1;-1;-2.9253e-015;1] [-1;-1;-2.9253e-015;1]4 [-1;1;-1;1] [-1.4576e-014;1;-1;-1] [-1.4576e-014;1;-1;-1]5 [-1;1;-1;1] [-1;-1;-7.3003e-014;1] [-1;-1;-7.3003e-014;1]6 [-1;1;-1;1] [-3.6496e-013;1;-1;-1] [-3.6496e-013;1;-1;-1]7 [-1;1;-1;1] [-1;-1;-1.8249e-012;1] [-1;-1;-1.8249e-012;1]8 [-1;1;-1;1] [-9.1246e-012;1;-1;-1] [-9.1246e-012;1;-1;-1]9 [-1;1;-1;1] [-1;-1;-4.5623e-011;1] [-1;-1;-4.5623e-011;1]

10 [-1;1;-1;1] [-2.2812e-010;1;-1;-1] [-2.2812e-010;1;-1;-1]11 [-1;1;-1;1] [-1;-1;-1.1406e-009;1] [-1;-1;-1.1406e-009;1]12 [-1;1;-1;1] [-5.7029e-009;1;-1;-1] [-5.7029e-009;1;-1;-1]13 [-1;1;-1;1] [-1;-1;-2.8515e-008;1] [-1;-1;-2.8515e-008;1]14 [-1;1;-1;1] [-1.4257e-007;1;-1;-1] [-1.4257e-007;1;-1;-1]15 [-1;1;-1;1] [-1;-1;-7.1286e-007;1] [-1;-1;-7.1286e-007;1]16 [-1;1;-1;1] [-3.5643e-006;1;-1;-1] [-3.5643e-006;1;-1;-1]17 [-1;1;-1;1] [-1;-1;-1.7822e-005;1] [-1;-1;-1.7822e-005;1]18 [-1;1;-1;1] [-8.9108e-005;1;-1;-1] [-8.9108e-005;1;-1;-1]19 [-1;1;-1;1] [-1;-1;-0.00044554;1] [-1;-1;-0.00044554;1]20 [-1;1;-1;1] [-0.0022277;1;-1;-1] [-0.0022277;1;-1;-1]21 [-1;1;-1;1] [-1;-1;-0.011139;1] [-1;-1;-0.011139;1]22 [-1;1;-1;1] [-0.055693;1;-1;-1] [-0.055693;1;-1;-1]23 [-1;1;-1;1] [-1;-1;-0.27846;1] [-1;-1;-0.27846;1]24 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]25 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]26 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]27 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]28 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]29 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]30 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]31 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]32 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]33 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]34 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]35 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]36 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]37 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]38 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]39 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]40 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]41 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]42 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]43 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]44 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]45 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]46 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]47 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]48 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]49 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]50 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]51 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]52 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]53 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]54 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]55 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]56 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]57 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]58 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]59 [-1;1;-1;1] [-1;-1;-1;1] [-1;-1;-1;1]60 [-1;1;-1;1] [-1;1;-1;-1] [-1;1;-1;-1]

Page 20: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

170 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

Tabel 5 Output Untuk Kriteria Hujan KRITERIA HUJAN HUJAN HUJAN HUJAN HUJANJAM (WIB) 07.00 - 08.00 08.00-09.00 09.00-10.00 10.00-11.00 11.00-12.00LANGKAH 49 50 51 52 53

1 [-1;1;-1;1] [-1;1;-1;1] [-1;2.2638e-017;1;3.1263e-017] [5.0315e-017;-1;1;-1] [5.0315e-017;1;1;-1]2 [-1;1;-1;1] [-1;1;-1;1] [1;1.7895e-016;-1;1.4445e-016] [1;-1;1;-1] [1;-1;1.2935e-016;1]3 [-1;1;-1;1] [-1;1;-1;1] [-1;7.4491e-016;1;9.2606e-016] [1;-1;1;-1] [6.9715e-016;1;1;-1]4 [-1;1;-1;1] [-1;1;-1;1] [1;4.6529e-015;-1;3.7557e-015] [1;-1;1;-1] [1;-1;3.3635e-015;1]5 [-1;1;-1;1] [-1;1;-1;1] [-1;1.8801e-014;1;2.3296e-014] [1;-1;1;-1] [1.6868e-014;1;1;-1]6 [-1;1;-1;1] [-1;1;-1;1] [1;1.165e-013;-1;9.4037e-014] [1;-1;1;-1] [1;-1;8.4218e-014;1]7 [-1;1;-1;1] [-1;1;-1;1] [-1;4.7021e-013;1;5.8254e-013] [1;-1;1;-1] [4.2114e-013;1;1;-1]8 [-1;1;-1;1] [-1;1;-1;1] [1;2.9127e-012;-1;2.3511e-012] [1;-1;1;-1] [1;-1;2.1056e-012;1]9 [-1;1;-1;1] [-1;1;-1;1] [-1;1.1755e-011;1;1.4564e-011] [1;-1;1;-1] [1.0528e-011;1;1;-1]

10 [-1;1;-1;1] [-1;1;-1;1] [1;7.2818e-011;-1;5.8777e-011] [1;-1;1;-1] [1;-1;5.264e-011;1]11 [-1;1;-1;1] [-1;1;-1;1] [-1;2.9389e-010;1;3.6409e-010] [1;-1;1;-1] [2.632e-010;1;1;-1]12 [-1;1;-1;1] [-1;1;-1;1] [1;1.8205e-009;-1;1.4694e-009] [1;-1;1;-1] [1;-1;1.316e-009;1]13 [-1;1;-1;1] [-1;1;-1;1] [-1;7.3471e-009;1;9.1023e-009] [1;-1;1;-1] [6.5799e-009;1;1;-1]14 [-1;1;-1;1] [-1;1;-1;1] [1;4.5511e-008;-1;3.6736e-008] [1;-1;1;-1] [1;-1;3.29e-008;1]15 [-1;1;-1;1] [-1;1;-1;1] [-1;1.8368e-007;1;2.2756e-007] [1;-1;1;-1] [1.645e-007;1;1;-1]16 [-1;1;-1;1] [-1;1;-1;1] [1;1.1378e-006;-1;9.1839e-007] [1;-1;1;-1] [1;-1;8.2249e-007;1]17 [-1;1;-1;1] [-1;1;-1;1] [-1;4.592e-006;1;5.6889e-006] [1;-1;1;-1] [4.1125e-006;1;1;-1]18 [-1;1;-1;1] [-1;1;-1;1] [1;2.8445e-005;-1;2.296e-005] [1;-1;1;-1] [1;-1;2.0562e-005;1]19 [-1;1;-1;1] [-1;1;-1;1] [-1;0.0001148;1;0.00014222] [1;-1;1;-1] [0.00010281;1;1;-1]20 [-1;1;-1;1] [-1;1;-1;1] [1;0.00071112;-1;0.00057399] [1;-1;1;-1] [1;-1;0.00051406;1]21 [-1;1;-1;1] [-1;1;-1;1] [-1;0.00287;1;0.0035556] [1;-1;1;-1] [0.0025703;1;1;-1]22 [-1;1;-1;1] [-1;1;-1;1] [1;0.017778;-1;0.01435] [1;-1;1;-1] [1;-1;0.012851;1]23 [-1;1;-1;1] [-1;1;-1;1] [-1;0.071749;1;0.08889] [1;-1;1;-1] [0.064257;1;1;-1]24 [-1;1;-1;1] [-1;1;-1;1] [1;0.44445;-1;0.35875] [1;-1;1;-1] [1;-1;0.32129;1]25 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]26 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]27 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]28 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]29 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]30 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]31 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]32 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]33 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]34 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]35 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]36 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]37 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]38 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]39 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]40 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]41 [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [1;-1;1;-1] [1;1;1;-1]42 [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]43 [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.99998;1] [1;-1;1;-1] [1;1;1;-1]44 [-1;1;-1;1] [-1;1;-1;1] [0.99991;1;-1;1] [1;-1;1;-1] [1;-1;1;1]45 [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.99956;1] [1;-1;1;-1] [1;1;1;-1]46 [-1;1;-1;1] [-1;1;-1;1] [0.99779;1;-1;1] [1;-1;1;-1] [1;-1;1;1]47 [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.98897;1] [1;-1;1;-1] [1;1;1;-1]48 [-1;1;-1;1] [-1;1;-1;1] [0.94485;1;-1;1] [1;-1;1;-1] [1;-1;1;1]49 [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.72427;1] [1;-1;1;-1] [1;1;1;-1]50 [-1;1;-1;1] [-1;1;-1;1] [-0.37863;1;-1;1] [1;-1;1;-1] [1;-1;1;1]51 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;1;1;-1]52 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]53 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;1;1;-1]54 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]55 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;1;1;-1]56 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]57 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;1;1;-1]58 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]59 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;1;1;-1]60 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;-1;1;-1] [1;-1;1;1]

Page 21: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

171 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Lanjutan Tabel 2.5 KRITERIA HUJAN HUJAN HUJAN HUJAN HUJAN HUJAN HUJANJAM (WIB) 12.00-13.00 13.00-14.00 14.00-15.00 15.00-16.00 16.00-17.00 17.00-18.00 18.00-19.00LANGKAH 54 55 56 57 58 59 60

1 [5.0315e-017;1;1;-1] [-1;1;-1;3.1 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]2 [1;-1;1.2935e-016;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]3 [6.9715e-016;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]4 [1;-1;3.3635e-015;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]5 [1.6868e-014;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]6 [1;-1;8.4218e-014;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]7 [4.2114e-013;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]8 [1;-1;2.1056e-012;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]9 [1.0528e-011;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]

10 [1;-1;5.264e-011;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]11 [2.632e-010;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]12 [1;-1;1.316e-009;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]13 [6.5799e-009;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]14 [1;-1;3.29e-008;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]15 [1.645e-007;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]16 [1;-1;8.2249e-007;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]17 [4.1125e-006;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]18 [1;-1;2.0562e-005;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]19 [0.00010281;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]20 [1;-1;0.00051406;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]21 [0.0025703;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]22 [1;-1;0.012851;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]23 [0.064257;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]24 [1;-1;0.32129;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]25 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]26 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]27 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]28 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]29 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]30 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]31 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]32 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]33 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]34 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]35 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]36 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]37 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]38 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]39 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]40 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]41 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]42 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]43 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]44 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]45 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]46 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]47 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]48 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]49 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]50 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]51 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]52 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]53 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]54 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]55 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]56 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]57 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]58 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]59 [1;1;1;-1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]60 [1;-1;1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]

Page 22: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

172 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

Lanjutan Tabel 5 KRITERIA HUJAN HUJAN HUJAN HUJAN HUJAN HUJAN HUJANJAM (WIB) 19.00-20.00 20.00-21.00 21.00-22.00 22.00-23.00 23.00-24.00 00.00-01.00 01.00-02.00LANGKAH 61 62 63 64 65 66 67

1 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1]2 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1]3 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1]4 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1]5 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1]6 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1]7 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1]8 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1]9 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1]

10 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1]11 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1]12 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1]13 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1]14 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1]15 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1]16 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1]17 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.99998;1]18 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [0.99991;1;-1;1]19 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.99956;1]20 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [0.99779;1;-1;1]21 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.98897;1]22 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [0.94485;1;-1;1]23 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.72427;1]24 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-0.37863;1;-1;1]25 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]26 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]27 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]28 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]29 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]30 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]31 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]32 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]33 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]34 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]35 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]36 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]37 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]38 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]39 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]40 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]41 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]42 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]43 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]44 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]45 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]46 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]47 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]48 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]49 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]50 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]51 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]52 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]53 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]54 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]55 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]56 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]57 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]58 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]59 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]60 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]

Page 23: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

173 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Lanjutan Tabel 2.5 KRITERIA HUJAN HUJAN HUJAN HUJAN HUJANJAM (WIB) 02.00-03.00 03.00-04.00 04.00-05.00 05.00-06.00 06.00-07.00LANGKAH 68 69 70 71 72

1 [-1;1;1;1] [-1;1;1;1] [-1;1;1;1] [-1;2.2638e-017;1;1] [-1;2.2638e-017;1;1]2 [1;1;-1;1] [1;1;-1;1] [1;1;-1;1] [1;1;-1;1.4445e-016] [1;1;-1;1.4445e-016]3 [-1;1;1;1] [-1;1;1;1] [-1;1;1;1] [-1;7.4491e-016;1;1] [-1;7.4491e-016;1;1]4 [1;1;-1;1] [1;1;-1;1] [1;1;-1;1] [1;1;-1;3.7557e-015] [1;1;-1;3.7557e-015]5 [-1;1;1;1] [-1;1;1;1] [-1;1;1;1] [-1;1.8801e-014;1;1] [-1;1.8801e-014;1;1]6 [1;1;-1;1] [1;1;-1;1] [1;1;-1;1] [1;1;-1;9.4037e-014] [1;1;-1;9.4037e-014]7 [-1;1;1;1] [-1;1;1;1] [-1;1;1;1] [-1;4.7021e-013;1;1] [-1;4.7021e-013;1;1]8 [1;1;-1;1] [1;1;-1;1] [1;1;-1;1] [1;1;-1;2.3511e-012] [1;1;-1;2.3511e-012]9 [-1;1;1;1] [-1;1;1;1] [-1;1;1;1] [-1;1.1755e-011;1;1] [-1;1.1755e-011;1;1]

10 [1;1;-1;1] [1;1;-1;1] [1;1;-1;1] [1;1;-1;5.8777e-011] [1;1;-1;5.8777e-011]11 [-1;1;1;1] [-1;1;1;1] [-1;1;1;1] [-1;2.9389e-010;1;1] [-1;2.9389e-010;1;1]12 [1;1;-1;1] [1;1;-1;1] [1;1;-1;1] [1;1;-1;1.4694e-009] [1;1;-1;1.4694e-009]13 [-1;1;1;1] [-1;1;1;1] [-1;1;1;1] [-1;7.3471e-009;1;1] [-1;7.3471e-009;1;1]14 [1;1;-1;1] [1;1;-1;1] [1;1;-1;1] [1;1;-1;3.6736e-008] [1;1;-1;3.6736e-008]15 [-1;1;1;1] [-1;1;1;1] [-1;1;1;1] [-1;1.8368e-007;1;1] [-1;1.8368e-007;1;1]16 [1;1;-1;1] [1;1;-1;1] [1;1;-1;1] [1;1;-1;9.1839e-007] [1;1;-1;9.1839e-007]17 [-1;1;0.99998;1] [-1;1;0.99998;1] [-1;1;0.99998;1] [-1;4.592e-006;1;1] [-1;4.592e-006;1;1]18 [0.99991;1;-1;1] [0.99991;1;-1;1] [0.99991;1;-1;1] [1;1;-1;2.296e-005] [1;1;-1;2.296e-005]19 [-1;1;0.99956;1] [-1;1;0.99956;1] [-1;1;0.99956;1] [-1;0.0001148;1;1] [-1;0.0001148;1;1]20 [0.99779;1;-1;1] [0.99779;1;-1;1] [0.99779;1;-1;1] [1;1;-1;0.00057399] [1;1;-1;0.00057399]21 [-1;1;0.98897;1] [-1;1;0.98897;1] [-1;1;0.98897;1] [-1;0.00287;1;1] [-1;0.00287;1;1]22 [0.94485;1;-1;1] [0.94485;1;-1;1] [0.94485;1;-1;1] [1;1;-1;0.01435] [1;1;-1;0.01435]23 [-1;1;0.72427;1] [-1;1;0.72427;1] [-1;1;0.72427;1] [-1;0.071749;1;1] [-1;0.071749;1;1]24 [-0.37863;1;-1;1] [-0.37863;1;-1;1] [-0.37863;1;-1;1] [1;1;-1;0.35875] [1;1;-1;0.35875]25 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]26 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]27 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]28 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]29 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]30 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]31 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]32 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]33 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]34 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]35 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]36 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]37 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]38 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]39 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]40 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]41 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;1;1] [-1;1;1;1]42 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [1;1;-1;1] [1;1;-1;1]43 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.99998;1] [-1;1;0.99998;1]44 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [0.99991;1;-1;1] [0.99991;1;-1;1]45 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.99956;1] [-1;1;0.99956;1]46 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [0.99779;1;-1;1] [0.99779;1;-1;1]47 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.98897;1] [-1;1;0.98897;1]48 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [0.94485;1;-1;1] [0.94485;1;-1;1]49 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;0.72427;1] [-1;1;0.72427;1]50 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-0.37863;1;-1;1] [-0.37863;1;-1;1]51 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]52 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]53 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]54 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]55 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]56 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]57 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]58 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]59 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]60 [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1] [-1;1;-1;1]

Page 24: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

174 JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 151 - 175

Dengan melihat kolom kriteria cerah, output sudah konvergen pada langkah ke-25. Pada langkah tersebut output hampir semua sama dengan input atau mendekati input, kecuali pada kolom ke-1 dan ke-13 outputnya 1 -1 1 1 nilai ini mendekati cerah. Karena nilai pertama 1 dan nilai kedua adalah -1. Nilai pertama dan kedua ini sudah masuk dalam kriteria cerah (untuk kriteria cerah = 1 -1 1 -1), pada kolom ke-12 menghasilkan nilai -1 -1 1 1, artinya kriteria mendekati berawan atau bukan cerah dan bukan hujan. Nilai pertama dan kedua dari output ini adalah -1, jadi masuk dalam kriteria berawan (untuk kriteria berawan -1 -1 -1 -1). Hal ini bisa saja terjadi karena pada kolom tersebut menunjukkan waktu 18.00 – 19.00 WIB (petang hari), bahwa suhu udara sudah mulai turun. Untuk kolom ke-14, 15, 16, 17, 18, 19 outputnya 1 -1 -1 1, artinya kriteria mendekati cerah. Pada kolom ke-20, 21, 22 output menghasilkan nilai -1 1 -1 1, adalah termasuk dalam kriteria hujan. Hal ini disebabkan karena pada waktu/jam tersebut adalah jam-jam suhu udara minimum dengan kelembaban tinggi, jadi udara pada jam tersebut adalah paling dingin sehingga nilai output masuk dalam kriteria hujan. Begitu pula untuk kolom ke-23 dan 24 outputnya -1 -1 -1 1, suhu pada pagi hari masih rendah, artinya nilai ini masuk dalam kriteria berawan. Sama dengan kriteria cerah, output konvergen pada langkah ke-25, artinya langkah berikutnya adalah tetap dan pilihan pada langkah ke-25 tersebut. Pada kriteria berawan ini semua bukan -1 -1 -1 -1 sebagai nilai kriteria berawan, tetapi pada pagi hari sampai dengan petang output masuk dalam kriteria cerah, baru kemudian petang sampai dengan subuh atau dini hari output mendekati berawan atau bersifat basah. Mayoritas nilai output 1 -1 -1 1. Seperti pada realitanya bahwa berawan adalah gabungan dari cerah dan hujan. Nilai elemen yang pertama dan kedua termasuk dalam kriteria cerah (1 -1 ... ...) dan elemen ketiga dan keempat masuk dalam

kriteria hujan (... ... -1 1). Ada 2 disini yang mempunyai nilai hujan, yaitu pada jam 17.00 - 18.00 WIB dan jam 04.00 - 05.00 WIB. Sedangkan pada kriteria hujan, ada beberapa kolom yang konvergen setelah langkah ke-51. Hampir semua output = input, kecuali pada kolom ke-52 dan 53, menghasilkan nilai 1 -1 1 -1 pada langkah ke-25 dan 1 -1 1 1 pada langkah ke-26, bahwa nilai tersebut termasuk dalam kriteria cerah. Karena pada jam-jam tersebut suhu sudah mulai tinggi dengan kelembaban yang turun. Pada siang hari seperti ini udara lebih panas dibandingkan dengan jam-jam lain pada 24 jam atau pada hari itu.

3. PENUTUP 3.1 Kesimpulan Pada aplikasi Hopfiled untuk prakiraan cuaca di Cilacap ini, untuk kriteria berawan ouput bipolar tidak sebagai -1 -1 -1 -1, tetapi dia bisa menjadi 1 -1 -1 1 atau -1 1 1 -1 yang artinya sebagian kriteria cerah dan sebagian lagi kriteria hujan. Untuk nilai atau elemen pertama, kedua sudah menunjukkan pada satu kriteria, berarti dia sudah mendekati pada kriteria tersebut, dan seterusnya pada urutan berikutnya. Pada kriteria cerah, output yang dihasilkan adalah nilai-nilai mendekati cerah, demikian juga pada kriteria hujan, output yang dihasilkan adalah nilai-nilai atau jarak menuju atau mendekati hujan. Jadi model Hopfield Neural Network adalah aplicable untuk memprakirakan cuaca. 3.2 Saran Diharapkan pengolahan yang baik akan dihasilkan output yang baik, oleh karena itu akan didapat keakuratan hasil jika data adalah dari pengamatan/observasi yang baik. Sebagai penunjang fasilitas alat pengukur juga harus diperhatikan dengan waktu yang terjadwal untuk mengkalibrasi alat dan menseting alat pada fungsinya.

Page 25: Dokumen 3147 Volume 10 Nomor 2 November 2009 Aplikasi Hopfield Neural Network Untuk Prakiraan Cuaca

ISSN: 1411-3082

175 APLIKASIHOPFIELDNEURALNETWORKUNTUKPRAKIRAANCUACASeptima Ernawati

Aplikasi Hopfield Neural Network ini diharapkan bisa mempermudah atau bisa sebagai referensi forecaster untuk menentukan prakiraannya, dimana prakiraan ditujukan kepada masyarakat dengan harapan memberikan pelayanan informasi dengan lebih cepat, tepat dan akurat.

4. DAFTAR PUSTAKA 1. Adipranata, R, Soedjianto, F, Tjondro,

W; 2007, Perbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek, Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra.

2. Akbar, A; 2007, Jaringan Saraf Tiruan

Untuk Menilai Aransemen Musik, Tugas Akhir Program Studi Teknik Informatika ITB.

3. Desiani, A dan Arhami, M; 2006,

Konsep Kecerdasan Buatan, Penerbit Andi.

4. Hakim, A; 2001, Statistika Deskriptif,

Penerbit Ekonisia.

5. Kusumadewi, S; 2004, Membangun Jaringan Syaraf Tiruan Menggunakan MATLAB & EXCEL LINK, Penerbit Graha Ilmu.

6. Muis, S; 2006, Teknik Jaringan Syaraf

Tiruan, Penerbit Graha Ilmu. 7. Popoviciu, N and Boncuţ, M; 2005, On

the Hopfield algorithm. Foundations and Examples, Hyperion University of Bucharest Mathematics - Informatics Faculty & Department of Mathematics / Faculty of Sciences “Lucian Blaga" University of Sibiu, Romania.

8. Puspitaningrum, D; 2006, Pengantar

Jaringan Syaraf Tiruan, Penerbit Andi. 9. Siang, JJ; 2005, Jaringan Syaraf Tiruan

dan Pemrogramannnya menggunakan MATLAB, Penerbit ANDI.

10. Sulistianto, H; 2007, Pemodelan

Recurrent Neural Network (RNN) Untuk Time Series, Skripsi Jurusan Matematika UNDIP Semarang.

11. Tjasyono, B; 2004, Klimatologi,

Penerbit ITB.