Prediction of Rainfall Using a Backpropagation Artificial Neural Network Model over Muaro Jambi Regency
DOI:
https://doi.org/10.35895/jpsi.2.1.59-71.2026Keywords:
artificial neural network, backpropagation, MSE, Muaro JambiAbstract
This study aims to predict rainfall in Muaro Jambi Regency using the Backpropagation Artificial Neural Network (ANN) method. The input variables include air humidity, air temperature, air pressure, and wind speed, with data obtained from the BMKG Muaro Jambi Climatology Station. The method is quantitative with a time series approach, involving data collection, normalization, and division into training, validation, and testing, along with the application of Trainlm, Trainrp, and Traindx. The results show that air humidity has the greatest influence on rainfall, while temperature, air pressure, and wind speed show weak negative correlations. Testing variations in the number of neurons in the hidden layer shows that 100 neurons with the Traindx algorithm produce the best performance, with a Mean Square Error (MSE) of 4.95%, categorized as very accurate. The Backpropagation ANN model follows the actual rainfall pattern from BMKG with a conformity level of more than 95% and recognizes seasonal patterns such as peak rainfall in March and a decrease in the middle of the year. Thus, this model is effective for predicting rainfall and supports disaster mitigation planning and water resource management in Muaro Jambi Regency.
References
Adnyana, I. N. T., Wijaya, I. G. P. S., & Albar, M. A. (2019). Jaringan Syaraf Tiruan Model Backpropagation untuk Peramalan Suhu Minimum dan Maksimum, Kelembaban, Tekanan Udara, Jumlah Hari Hujan, dan Curah Hujan Bulanan di Kota Mataram. Journal of Computer Science and Informatics Engineering (J-Cosine), 3(2), 127–136.
Afsari dewi, K. nonik, Bahri, S., & Irwansyah, I. (2019). Model Prediksi Curah Hujan Harian Menggunakan Jaringan Syaraf Tiruan Backpropagation. Indonesian Physical Review, 2(1), 9.
Aldrian, E., & Susanto, R. D. (2003). Identification of three dominant rainfall regions within Indonesia and their relationship to sea surface temperature. International Journal of Climatology, 23(12), 1435–1452. https://doi.org/10.1002/joc.950
Aminoto, T., Susanti, N., Dani, R., & Faqih, A. (2026). Extreme Rainfall Indices Trends in Indonesia During 1971-2020. Jurnal Penelitian Pendidikan IPA, 12(3), 456-467.
Aminoto, T., Faqih, A., Koesmaryono, Y., & Dasanto, B. D. (2024a). A Comparison of the Performance of the Weighted Ensembles Means in CORDEX-SEA Precipitation Simulations. Agromet, 38(1), 19-35.
Aminoto, T. (2024b). Performa Model Hujan CORDEX-SEA pada Aspek Spatial-Temporal dan Implementasi Faktor Bobot pada Rata-rata Ansambel. IPB Repository (Dissertation).
Aminoto, T., & Faqih, A. (2024c). Tren curah hujan di asia tenggara berdasarkan model cordex-sea dan data era5. Journal online of physics, 10(1), 7-13.
Aminuddin, J., Kecepatan Angin Terhadap Evapotranspirasi Berdasarkan Metode Penman Di Kebun Stroberi Purbalingga, P., Fakultas Sains dan Teknologi, N., Ar-Raniry Banda Aceh, U., Aminuddin Prodi Fisika, J., & Purwokerto, U. (2016). Pengaruh Kecepatan Angin Terhadap Evapotranspirasi Berdasarkan Metode Penman Di Kebun Stroberi Purbalingga. Elkawnie: Journal of Islamic Science and Technology, 2(1), 21–28.
Andrian, Y., & Putra, P. H. (2017). Analisis Penambahan Momentum Pada Proses Prediksi Curah Hujan Kota Medan Menggunakan Metode. Seminar Nasional Informatika, 2014(September), 165–172.
Aprilia, B., Marzuki, M., & Taufiq, I. (2021). Prediksi El Nino Southern Oscillation (ENSO) Menggunakan Jaringan Saraf Tiruan (JST)-Backpropagation. Jurnal Fisika Unand, 9(4), 421–427.
Cipta, R., & Trastaronny Pastika Nugraha, T. R. (2020). Evaluasi Prediksi Curah Hujan dengan Algoritma Backpropogation di BMKG Cilacap. ZONAsi: Jurnal Sistem Informasi, 2(2), 97–109.
Fany Achmalia, A., Walid, S., Artikel, I., & Artikel, S. (2020). Peramalan Penjualan Semen Menggunakan Backpropagation Neural Network Dan Recurrent Neural Network. UNNES Journal of Mathematics, 9(1), 6–21.
Fitriyanti, F. (2023). Aplikasi Jaringan Syaraf Tiruan Backpropagation dalam Prediksi Curah Hujan Bulanan di Kabupaten Wajo Sulawesi Selatan. JPF (Jurnal Pendidikan Fisika) Universitas Islam Negeri Alauddin Makassar, 11(1), 44–55.
Hasibuan, A. Z., Asih, M. S., & Faisal, I. (2020). Sistem Monitoring Suhu Udara Dan Kelembaban Udara Di Ruangan Menggunakan Smartphone. Jurnal Ilmu Komputer Dan Sistem Komputer Terapan (JIKSTRA), 1(2), 1–9.
Hayati, Z., & Tanjung, D. (2023). Pengaruh kelembapan udara terhadap efektivitas pelaksanaan rukyatul hilal awal bulan qamariyah. Jurnal EDUCATIO: Jurnal Pendidikan Indonesia, 9(2), 754.
Herdhyanti, A., Muflikhah, L., & Cholissodin, I. (2022). Prediksi Curah Hujan dengan Empat Parameter menggunakan Backpropagation (Studi Kasus: Stasiun Meteorologi Ahmad Yani). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(12), 2548–2964.
Irnanda, K. F., Windarto, A. P., & Damanik, I. S. (2022). Optimasi Particle Swarm Optimization Pada Peningkatan Prediksi dengan Metode Backpropagation Menggunakan Software RapidMiner. JURIKOM (Jurnal Riset Komputer), 9(1), 122.
Leliak, G. (2022). Prediksi Curah Hujan di Kota Ambon Menggunakan Metode Backpropagation. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(4), 3310–3318.
Manalu, M. T. (2016). Jaringan Syaraf Tiruan untuk Memprediksi Curah Hujan Sumatera Utara dengan Metode Back Propagation (Studi Kasus : BMKG Medan). Jurnal Riset Komputer, 3(1), 35–40.
Muflih, G. Z., Sunardi, S., & Yudhana, A. (2019). Jaringan Saraf Tiruan Backpropagation untuk Prediksi Curah Hujan di Wilayah Kabupaten Wonosobo. MUST: Journal of Mathematics Education, Science and Technology, 4(1), 45.
Nailah, F., Larasati, D. I., Siswanto, S., & Kalondeng, A. (2024). Optimasi Metode Jaringan Saraf Tiruan Backpropagation Untuk Peramalan Curah Hujan Bulanan Di Kota Denpasar. MATHunesa: Jurnal Ilmiah Matematika, 12(1), 134–140.
Netty. (2023). Prediksi Curah Hujan Wilayah Menggunakan Metode Jaringan Saraf Tiruan (Jst) Backpropagation Di Das Rongkong. Bandar: Journal of Civil Enginering, 5(2), 17–22.
Oktaviani, C., & Afdal. (2013). Prediksi Curah Hujan Bulanan menggunakan Jaringan Syaraf Tiruan dengan Beberapa Fungsi Pelatihan Backpropagation (Studi Kasus: Stasiun Meteorologi Tabing Padang, Tahun 2001-2012). Jurnal Fisika Unand, Vol. 2, No(4), 228–237.
Pangaribuan, Y., & Sagala, M. (2017). Menerapkan Jaringan Saraf Tiruan untuk Mengenali Pola Huruf Menggunakan Metode Perceptron. Jurnal Teknik Informatika Unika St. Thomas (JTIUST), 2(2), 53–59.
Pebralia, J. (2022). Analisis Curah Hujan Menggunakan Machine Learning Metode Regresi Linier Berganda Berbasis Python dan Jupyter Notebook. Jurnal Ilmu Fisika Dan Pembelajarannya (JIFP), 6(2), 23–30.
Prasetyo, S. F., Efendi, T. F., & Muqorobin. (2024). Implementasi Sistem Prediksi Curah Hujan Dengan Penerapan Jaringan Syaraf Tiruan Berbasis Website. Jurtikom, 1(2), 80–96.
Rahayu, N., & Mustafidah, H. (2022). Perbandingan Ketepatan Pola Data pada Jaringan Backpropagation Berdasarkan Metode Pembobotan Random dan Nguyen Widrow. Sainteks, 19(1), 27.
Rochmawati, D. R. (2024). Prediksi Cuaca Dengan Jaringan Syaraf Tiruan Menggunakan Python. Jurnal Teknologi Komputer Dan Informatika, 2(2), 162–171.
Setiyaris, S., Hariyadi, M. A., & Crysdian, C. (2023). Prediksi Curah Hujan Bulanan Berdasrkan Parameter Cuaca Menggunakan Jaringan Saraf Tiruan Levenberg Marquardt. Jurnal Media Informatika Budidarma, 7(3), 1125. https://doi.org/10.30865/mib.v7i3.6328
Silvia Ningsih. (2025). Implementasi Jaringan Syaraf Tiruan dalam Memprediksi Hujan. Elkom: Jurnal Elektronika Dan Komputer, 18(1), 413–425.
Suhadi, S., Mabruroh, F., Wiyanto, A., & Ikra, I. (2023). Analisis Fenomena Perubahan Iklim Terhadap Curah Hujan Ekstrim. OPTIKA: Jurnal Pendidikan Fisika, 7(1), 94–100. https://doi.org/10.37478/optika.v7i1.2738
Sutawinaya, I. P., Gede, I. N., Astawa, A., Kadek, N., & Hariyanti, D. (2017). Perbandingan metode jaringan saraf tiruan pada peramalan curah hujan. Jurnal Logic, 17(2), 92–97.
Tamaji, T., Utama, Y. A. K., & Sidharta, J. (2022). Jaringan Saraf Tiruan Menggunakan Metode Backpropagation untuk Prediksi Curah Hujan. Telekontran : Jurnal Ilmiah Telekomunikasi, Kendali Dan Elektronika Terapan, 10(1), 30–37.
Trenberth, K. E., Dai, A., Rasmussen, R. M., & Parsons, D. B. (2003). The changing character of precipitation. Bulletin of the American Meteorological Society, 84(9), 1205–1217. https://doi.org/10.1175/BAMS-84-9-1205
Wibowo, F., Sugiyanto, S., & Mustafidah, H. (2019). Tingkat Ketelitian Pengenalan Pola Data pada Algoritma Pelatihan Perbaikan Metode Batch Mode dalam Jaringan Syaraf Tiruan. Juita, II(4), 259–264.
Yoranda, D. H., Furqon, M. T., & Data, M. (2018). Prediksi Intensitas Curah Hujan Menggunakan Metode Jaringan Saraf Tiruan Backpropagation. Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3793–3801.
Zahara, S., Sukmaningtyas, Y. N., Akbar, R. M., & Abidin, M. Z. (2025). Pengaruh Jumlah Hidden Layer dan Neuron pada Model Multilayer Perceptron untuk Prediksi Emas. Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika, 8(2), 269–275.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Irawati Damanik, Tugiyo Aminoto, Husnul Hamdi (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
