Multivariate Forecasting Curah Hujan Menggunakan Algoritma LSTM Di Kota Denpasar

Abstract

Badan Meteorologi Klimatologi dan Geofisika (BMKG) adalah institusi pemerintah yang bertugas untuk mencatat informasi curah hujan. Fluktuasi data curah hujan di Indonesia berdampak pada kebutuhan akan data curah hujan yang akurat kedepannya. Curah hujan merupakan suatu iklim yang sangat berpengauruh dalam mencirikan kondisi iklim di indonesia, misalnya bidang pertanian, industri, dan transportasi. Untuk mengetahui curah hujan di indonesiaa memiliki keragaman khususnya di Kota Denpasar, diperlukan adanya Peramalan atau forecasting yang dapat mengetahui pola tingkat keakuratan curah hujan perbulan di kantor BMKG.Teknik forecasting bertujuan untuk memprediksi pola data yang sebelumnya, sehingga dapat diketahui pola data selanjutnya. Pada penelitan ini menggunakan teknik recurrent neural network (RRN) yang digunakan dalam penelitian ini yaitu: Long Short Term Memory (LSTM). Dalam memprediksi tingkat Keakuratan curah hujan perbulanya. Dengan adanya penelitian ini data yang digunakan untuk melakukan peramalan yaitu: data curah hujan perbulan dalam waktu lima tahun terakhir yaitu dari tahun 2016-2021 dari kantor BMKG kota Denpasar. Dan hasil yang diperoleh dalam melakukan peramalan ini yang menggunakan model LSTM adalah MAE data testing sebesar 166. 56504 MAPE data test sebesar 11.89371%, dan MAE data training sebesar 199.19741, MAPE data trin sebesar 2.518% nilai yang diukur merupakan nilai eror dengan teknik MAE dan MAPE. Arsitektur LSTM yang di gunakan terdiri dari jumlah unit neuron pada hidden layer sebanyak 30 unit , menggunakan windows size sebanyak 6