Penerapan jaringan Neural Propagasi Mundur untuk memprediksi kerapatan Elektron Maksimum Lapisan Ionosfer

Makalah ini membahas penerapan 5 konfigurasi jaringan neural propagasi mundur yaitu M-I, M-II, M-III, M- IV, dan M-V untuk memprediksi kerapatan elektron maksimum lapisan ionosfer. Dengan data latih dan data uji hasil pengamatan di SPD Biak (1 LS, 136 BT) pada pukul 10.00, 11.00, 12.00, dan 13.00 WIT, pada September 1992, Maret 1993, Maret 1994, dan Maret 1995, menunjukkan bahwa jaringan neural M- III menghasilkan galat prediksi paling kecil yaitu 8140 el/cm3 (0,81 MHz) atau kurang dari 10% rataan harga parameter tersebut, dengan bilangan belajar optimum 0,3. Selain itu semakin banyak faktor yang dipertimbangkan sebagai masukan, maka hasil prediksi juga semakin akurat. Hal tersebut ditunjukkan oleh M-IV dan M-V. Dua jaringan terakhir juga dapat digunakan untuk melihat tingkat pengaruh suatu masukan terhadap keluarannya. Selanjutnya penerapan jaringan neural yang dikembangkan dapat dilakukan untuk memprediksi parameter atmosfer bawah, terutama sebagai metode alternatif untuk memprediksi parameter cuaca atau iklim skala mikro yang mungkin belum dapat dilakukan dengan model sirkulasi global yang ada.