Daftar Isi: Prediksi Curah Hujan Menggunakan Recurrent Neural Network

Daftar Isi:

Informasi prakiraan hujan dapat membantu pengaturan sumber daya air di suatu tempat yang khususnya ketika berhubungan dengan munculnya perubahan iklim di daerah tropis seperti di Indonesia. Untuk mengatasi masalah tersebut, prediksi curah hujan dengan metode yang baik serta akurat merupakan hal yang sangat diperlukan untuk mengantisipasinya. Sepanjang pengembangan teknologi komputasi, Artificial Neural Network (ANN) telah digunakan untuk membuat prediksi curah hujan. Pada penelitian ini, penulis menggunakan salah satu model ANN untuk memprediksi curah hujan mendatang yang bernama Recurrent Neural Network – Long Short-Term Memory (RNN-LSTM). RNN-LSTM merupakan sistem jaringan syaraf buatan yang didesain khusus untuk menangani data deret waktu dalam jangka waktu yang panjang seperti curah hujan. Pada arsitekturnya, Model RNN-LSTM menggunakan 2 Hidden Layer LSTM yang terdiri dari 108 Neuron LSTM di masing-masing layer-nya. Activation function yang digunakan adalah Tanh. Loss function yang digunakan adalah Mean Square Error. Algoritma optimasi yang digunakan adalah Adam Optimizer. Hasil yang didapatkan adalah model dapat semakin baik memprediksi curah hujan mendatang jika data input yang diberikan ke model semakin panjang yang ditandai dengan nilai Root Mean Square Error yang semakin mengecil. Namun model kurang dapat memprediksi curah hujan mendatang jika output tahun prediksi semakin panjang yang ditandai dengan nilai Root Mean Square Error yang semakin membesar.