Prediksi Jumlah Kejadian Banjir Bulanan di Indonesia Berdasarkan Analisis Long Short Term Memory

Abstract

Banjir merupakan salah satu bencana alam yang paling umum dan berbahaya di dunia. Terjadinya banjir dapat menyebabkan kehilangan nyawa, hingga ketidakstabilannya perekonomian negara. Di Indonesia sendiri, banjir merupakan bencana alam yang paling sering terjadi sejak tahun 2009. Tingginya frekuensi tersebut menambah urgensi untuk memprediksi jumlah kejadian bencana alam guna membantu pemerintah dan masyarakat dalam mengambil langkah-langkah mitigasi yang tepat, serta membantu percepatan tercapainya Sustainable Development Goals ke-15 mengenai Ekosistem Darat. Metode yang digunakan untuk memprediksi jumlah kejadian banjir bulanan di Indonesia adalah Long Short Term Memory (LSTM). Metode LSTM dipilih karena memiliki kemampuan untuk memproses data sekuensial dalam jangka waktu yang panjang. Setelah dianalisis, diperoleh hasil peramalan yang sangat akurat, dengan nilai Mean Absolute Persentage Error (MAPE) sebesar 8,04% dan Root Mean Square Error (RMSE) sebesar 5,991. Model juga dapat mengestimasi data training dengan sangat baik, yaitu dengan nilai sebesar 95,71%.