PREDIKSI INDEKS EL-NINO SOUTHERN OSCILLATION (ENSO) MENGGUNAKAN ARTIFICIAL NEURAL NETWORK BACKPROPAGATION = PREDICTION OF EL-NINO SOUTHERN OSCILLATION (ENSO) INDEX USING ARTIFICIAL NEURAL NETWORK BACKPROPAGATION

Penelitian ini menggunakan model Deep Learning, khususnya Artificial Neural Network (ANN) dengan metode backpropagation, untuk memprediksi anomali suhu permukaan laut (SST) di wilayah Nino 3.4. Analisis time series dan regresi menunjukkan bahwa model mampu memprediksi nilai ENSO dengan baik hingga lead time 12, dengan nilai Root Mean Square Error (RMSE) yang rendah, mencerminkan tingkat akurasi yang memadai. Plot regresi mengkonfirmasi hubungan positif yang signifikan antara prediksi dan observasi, meskipun terdapat penurunan korelasi seiring bertambahnya lead time. Validasi model menggunakan nilai korelasi Pearson dan RMSE menunjukkan kinerja yang memuaskan, baik pada data latih maupun data uji dalam 4-fold cross-validation. Dibandingkan dengan metode Deep Learning Multivariabel, model JST menunjukkan hasil yang memuaskan dalam memprediksi anomali SST Nino 3.4. Peningkatan suhu permukaan laut yang diprediksi oleh model memiliki dampak signifikan terhadap lingkungan dan sosial, menandai keberhasilan model dalam memberikan prediksi yang konsisten dan dapat diandalkan dengan nilai korelasi (R) sebesar 0,966731 dan RMSE 0,003482 pada Lead Time 1, serta korelasi (R) 0,929969 dengan RMSE 0,005111 pada Lead Time 12.

Keyword : El-Niño Southern Oscillation (ENSO), Artificial Neural Network (ANN), Backpropagation, Perubahan iklim, Indeks Nino 3.4