Prediksi Curah Hujan Dasarian dengan Metode Vanilla RNN dan LSTM untuk Menentukan Awal Musim Hujan dan Kemarau

Abstract

Indonesia dijuluki sebagai negara agraris dimana perekonomian nasional bergantung pada sektor pertanian. Kualitas pertanian sangat dipengaruhi oleh perubahan iklim. BMKG memperkirakan datangnya musim di Indonesia didasari pada curah hujan dasarian. Curah hujan dasarian merupakan total curah hujan selama sepuluh hari. Curah hujan dasarian diatas 50 mm berturut-turut dalam tiga dasarian maka dasarian pertama akan ditentukan sebagai awal musim hujan. Sedangkan curah hujan dasarian dibawah 50 mm dalam tiga dasarian berturut-turut maka dasarian pertama akan ditentukan sebagai awal musim kemarau. Penelitian ini bertujuan untuk melakukan prediksi curah hujan dasarian untuk menentukan awal musim hujan dan musim kemarau. Metode Vanilla Recurrent Neural Network (Vanilla RNN) dan Long Short-Term Memory (LSTM) merupakan jenis dari jaringan saraf berulang yang baik digunakan dalam pemrosesan data sekuensial. Seleksi fitur (feature selection) dengan metode Backward Elimination dilakukan untuk meningkatkan akurasi dari prediksi. Fitur yang digunakan untuk prediksi curah hujan dasarian yaitu kecepatan angin, suhu udara, kelembaban udara, jarak pandang, dan tekanan udara. Adapun fitur hasil seleksi yaitu kelembaban, tekanan, dan jarak pandang. Hasil penelitian yang diperoleh yaitu metode Vanilla RNN dengan seleksi fitur memperoleh hasil terbaik dengan nilai R-Squared sebesar 0,6139 dan RMSE sebesar 28,4308.