PEMODELAN CURAH HUJAN BULANAN DENGAN KOMBINASI DISCRETE WAVELET TRANSFORM (DWT) DAN SEASONAL ARTIFICIAL NEURAL NETWORK (SANN)

Pemodelan curah hujan bulanan merupakan bentuk mitigasi dari resiko bencana
hidrometeorologi. Pengembangan model curah hujan dengan pendekatan statistik
dengan melibatkan variabilitas iklim menjadi tujuan dalam penelitian ini. Variabel
yang diteliti berupa curah hujan bulanan di Stasiun Klimatologi Bengkulu periode
Januari 1991-2022. Metode penelitian menggunakan kombinasi pre-processing
dengan transformasi diskret wavelet dengan wavelet jenis db4 dan diskret meyer
dengan model Seasonal ANN serta model wavelet-ANFIS. Hasil penelitian
menunjukkan tidak adanya pengaruh yang cukup signifikan untuk tahun kejadian
kombinasi IOD Positif dan El Nino kuat pada hasil prediksi model. Model terbaik
adalah model kombinasi DWT dmey-SANN dengan data latih curah hujan 1991-
2019 berdasarkan nilai evaluasi luaran model dengan nilai MAAPE 27.214% dan
korelasi terhadap data uji 2020-2022 sebesar R = 0.604.
Kata kunci: Transformasi Wavelet, Curah Hujan, Prediksi, Seasonal ANN,
ANFIS.