Stacked Long Short-Term Memory pada Prediksi Curah Hujan Dasarian untuk Menentukan Periode Musim di Wilayah Jawa Timur

Putri, Diana Sinthya (2025) Stacked Long Short-Term Memory pada Prediksi Curah Hujan Dasarian untuk Menentukan Periode Musim di Wilayah Jawa Timur. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) repo cover.pdf Download (1MB)
	Text (Bab 1) repo bab 1.pdf Download (306kB)
	Text (Bab 2) repo bab 2.pdf Restricted to Registered users only until 18 June 2028. Download (670kB)
	Text (Bab 3) repo bab 3.pdf Restricted to Registered users only until 18 June 2028. Download (469kB)
	Text (Bab 4) repo bab 4.pdf Restricted to Registered users only until 18 June 2028. Download (2MB)
	Text (Bab 5) repo bab 5.pdf Download (252kB)
	Text (Daftar Pustaka) repo daftar pustaka.pdf Download (237kB)
	Text (Lampiran) repo lampiran.pdf Restricted to Registered users only until 18 June 2028. Download (571kB)

Abstract

Perubahan iklim telah menyebabkan pergeseran pola musim di Indonesia, khususnya di wilayah Jawa Timur yang rentan terhadap dampak anomali iklim. Ketepatan dalam memprediksi periode musim menjadi sangat penting bagi beberapa sektor seperti pertanian, sumber daya air, dan mitigasi bencana. Dalam beberapa tahun terakhir, metode deep learning, khususnya Long Short-Term Memory (LSTM), telah menunjukkan potensi dalam menangani data deret waktu yang kompleks. Penelitian ini bertujuan untuk mengimplementasikan model stacked LSTM dalam memprediksi musim di wilayah Jawa Timur. Data yang digunakan mencakup dua fitur input yaitu suhu rata-rata dan kecepatan angin rata- rata dan satu target output yaitu curah hujan dalam rentang waktu 25 tahun, yang diuji pada tiga zona musim di Jawa Timur. Model dievaluasi menggunakan metrik MSE, RMSE, dan MAE, serta dibandingkan dengan dua arsitektur LSTM lainnya. Hasil menunjukkan bahwa performa optimal model LSTM bervariasi antar zona. Model terbaik ditemukan pada 5 lapisan untuk zona pesisir (ZOM 349), 3 lapisan untuk dataran rendah (ZOM 303), dan 2 lapisan untuk dataran tinggi (ZOM 311). Hal ini menegaskan bahwa jumlah lapisan optimal bergantung pada karakteristik wilayah, dan penambahan lapisan tidak selalu meningkatkan akurasi, bahkan dapat menurunkan kinerja model. Kata Kunci: Long Short-Term Memory, Prediksi, Musim, Jawa Timur

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Saputra, Wahyu Syaifullah Jauharis	NIDN0725088601	wahyu.s.j.saputra.if@upnjatim.ac.id
Thesis advisor	Hindrayani, Kartika Maulida	NIDN0009099205	kartika.maulida.ds@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.6 Computer Programming

Divisions:

Faculty of Computer Science > Departemen of Data Science

Depositing User:

Diana Sinthya Putri

Date Deposited:

19 Jun 2025 02:01

Last Modified:

19 Jun 2025 02:01

URI:

https://repository.upnjatim.ac.id/id/eprint/38487