Prediksi Curah Hujan di Kota Bandung Menggunakan Metode Long Short Term Memory

Penulis

  • Riza Farikhul Firdaus Informatika, Fakultas Teknologi Industtri, Universitas Islam Indonesia, Indonesia
  • Irving Vitra Paputungan Informatika, Fakultas Teknologi Industtri, Universitas Islam Indonesia, Indonesia

DOI:

https://doi.org/10.54082/jupin.99

Kata Kunci:

Curah Hujan, Long Short Term Memory, Prediksi

Abstrak

Perkiraan curah hujan adalah salah satu hal yang sangat penting untuk menunjang kegiatan diberbagai bidang yang bisa dijadikan acuan agar bisa menjalankan aktivitas tanpa terganggu keadaan cuaca yang tidak bersahabat. Hal tersebut disebabkan karena adanya faktor yang mempengaruhi peningkatan dan penurunan curah hujan. Oleh karena itu, memprediksi curah hujan sangat penting untuk berbagai kalangan terutama yang beraktivitas di luar ruangan. Penelitian ini menggunakan data curah hujan Kota Bandung yang diambil dari website Badan Meteorologi, Klimatologi dan Geofisika (BMKG) dengan metode Long Short Term Memory (LSTM). Epoch dan batch size merupakan parameter yang dapat mempengaruhi hasil dari metode LSTM. Alur dari metode LSTM yaitu pengumpulan data, preprocessing data, normalisasi data, Long Short Term Memory network, denormalisasi, evaluasi. Akurasi tertinggi diperoleh menggunakan epoch 50 serta batch size 1 dan nilai RMSE terbaik yaitu Train Score 12.24 dan Test Score 8.86.

Referensi

Abrahamsen, E., Brastein, O. M., & Lie, B. (2018). Machine Learning in Python for Weather Forecast based on Freely Available Weather Data. Proceedings of The 59th Conference on Imulation and Modelling (SIMS 59), 26-28 September 2018, Oslo Metropolitan University, Norway, 153(September), 169–176. https://doi.org/10.3384/ecp18153169

Habibi, M. Y., & Riksakomara, E. (2017). Peramalan Harga Garam Konsumsi Menggunakan Artificial Neural Network Feedforward-Backpropagation (Studi Kasus : PT. Garam Mas, Rembang, Jawa Tengah). Jurnal Teknik ITS, 6(2). https://doi.org/10.12962/j23373539.v6i2.23200

Insani, F., Fadilah, S., & Sanjaya, S. (2020). Prediksi Cuaca Pekanbaru Menggunakan Fuzzy Tsukamoto dan Algoritma Genetika. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI), 255–262.

Intan, I., Rismayani, Ghani, S. A. D., Nurdin, & Koswara, A. T. C. (2021). Performance Analysis of Weather Forecasting using Machine Learning Algorithms. Jurnal Pekommas, 6(2), 1–8. https://doi.org/10.30818/jpkm.2021.2060221

Luthfiarta, A., Febriyanto, A., Lestiawan, H., & Wicaksono, W. (2020). Analisa Prakiraan Cuaca dengan Parameter Suhu, Kelembaban, Tekanan Udara, dan Kecepatan Angin Menggunakan Regresi Linear Berganda. JOINS (Journal of Information System), 5(1), 10–17. https://doi.org/10.33633/joins.v5i1.2760

Nurhamiddin, F., & Sulisa, F. M. (2019). Peramalan Cuaca Menggunakan Metode Rantai Markov ( Studi Kasus : Rekaman Cuaca Harian Di Kantor BMKG Kota Ternate ). Jurnal BIOSAINTEK, 2(1), 16–22. https://doi.org/10.24843/JMAT.2021.v11.i01.p131

Rachmawati, R. N. (2021). Estimation of Extreme Rainfall Patterns Using Generalized Linear Mixed Model for Spatio-temporal data in West Java, Indonesia. Procedia Computer Science, 179(2020), 330–336. https://doi.org/10.1016/j.procs.2021.01.013

Rizki, M., Basuki, S., & Azhar, Y. (2020). Implementasi Deep Learning Menggunakan Arsitektur Long Short Term Memory(LSTM) Untuk Prediksi Curah Hujan Kota Malang. Jurnal Repositor, 2(3), 331. https://doi.org/10.22219/repositor.v2i3.470

Sari, F. R., & Anifah, L. (2019). Decision Support Systems Prakiraan Cuaca Harian Berbasis Semi-Supervised Learning Menggunakan Recursive K-Means Di Bandar Udara Juanda Surabaya. 1(2).

Soekendro, C. A. (2021). Prediksi Curah Hujan di Kab. Bandung Dengan Analisis Time Series, Menggunakan Model SARIMA (Seasonal Autoregressive Integrated Moving Average). 8(2), 2865–2875.

Wiranda, L., & Sadikin, M. (2019). Penerapan Long Short Term Memory Pada Data Time Series Untuk Memprediksi Penjualan Produk Pt. Metiska Farma. Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI, 8(3), 184–196. https://ejournal.undiksha.ac.id/index.php/janapati/article/view/19139

Zhang, L., Wang, S., & Liu, B. (2018). Deep learning for sentiment analysis: A survey. WIREs Data Mining and Knowledge Discovery, 8(4), e1253. https://doi.org/https://doi.org/10.1002/widm.1253

Diterbitkan

15-11-2022

Cara Mengutip

Farikhul Firdaus, R., & Paputungan, I. V. (2022). Prediksi Curah Hujan di Kota Bandung Menggunakan Metode Long Short Term Memory. Jurnal Penelitian Inovatif, 2(3), 453–460. https://doi.org/10.54082/jupin.99