ANALISIS PREDIKSI CURAH HUJAN DI WILAYAH KOTA SORONG MENGGUNAKAN METODE TIME SERIES FORCASTING

Yusuf, Muhammad (2022) ANALISIS PREDIKSI CURAH HUJAN DI WILAYAH KOTA SORONG MENGGUNAKAN METODE TIME SERIES FORCASTING. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 19.77.1175 Muhammad Yusuf.pdf Download (4MB)

Abstract

Dampak negatif dari perubahan iklim (climate change) adalah meningkatnya kejadian bencana alam (natural disaster) di seluruh dunia termasuk Indonesia terutama bencana banjir (flooding), tanah longsor (land slide) dan kekeringan (drought). Kejadian serupa pun sering terjadi di Provinsi Papua Barat khususnya wilayah Kota Sorong yang merupakan salah satu kota yang memiliki iklim hutan hujan tropis, dengan curah hujan bulanan rata-rata 262,41 mm. Jumlah hari hujan dalam setiap bulan berkisar antara 9 hingga 29, sehingga menyebabkan Kota Sorong rentan terhadap banjir yang disebabkan oleh naiknya permukaan air laut serta curah hujan yang berlebihan. Oleh sebab itu pentingnya dilakukan penelitian terkait prediksi curah hujan menggunakan algoritma time series forcasting pada machine learning. Tujuan penelitian ini adalah untuk melakukan pemodelan prediksi curah hujan menggunakan metode time series forcasting dengan data univariate time series menggunakan algoritma Long Short Term Memory (LSTM) dan FB Prophet sehingga mendapatkan nilai pengukuran tingkat kesalahan menggunakan evaluasi metrik berupa nilai Root Mean Squar Error (RMSE) dan Mean Absolute Error (MAE). Dataset diambil dari data iklim harian Statsiun Meteorologi DEO Sorong yang ada pada web resmi BMKG yaitu dataonline.bmkg.go.id, selama 5 (lima) tahun mulai dari Januari tahun 2017 hingga Desember 2021. Setelah melakukan pemodelan time series forcasting menggunakan algoritma Long Short Term Memory (LSTM) dan FB Prophet dengan melakukan pengujian pembagian data (split) dimana skenario 1 sebanyak 70% data latih (training) dan 30% data uji (testing), skenario 2 sebanyak 80% data latih (training) dan 20% data uji (testing), dan skenario 1 sebanyak 85% data latih (training) dan 15% data uji (testing), maka didapatkan hasil evaluasi pengukuran tingkat kesalahan dengan menggunakan skenario 2 adalah nilai RMSE pada LSTM sebesar 16,09 sedangkan pada FB Prophet sebesar 16,32 sehingga terdapat selisih sebesar 0,23 dan nilai MAE pada LSTM sebesar 11,76 sedangkan pada FB Prophet sebesar 12,12 sehingga terdapat selisih sebesar 0,36. Dari selisih hasil yang didapatkan pada RMSE dan MAE tersebut maka metode time series forcasting dengan algroitma LSTM lebih baik digunakan dalam melakukan peramalan curah hujan Kota Sorong dibandingkan algoritma FB Prophet. Namun selisih nilai evaluasi pengukuran tingkat kesalahan pada LSTM dan FB Prophet tersebut tidak terlalu signifikan.

Actions (login required)

View Item