Peramalan Temperatur Menggunakan Conv-BiLSTM dan BiLSTM pada Studi Kasus Tanjung Priok, Jakarta Utara

RAJABANDANU SUBHI

Informasi Umum

Kode

23.04.428

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine - Learning, Sensor-based Application Design,

Dilihat

249 kali

Informasi Lainnya

Abstraksi

<p>Peningkatan suhu udara akibat perubahan iklim dan pemanasan global telah menjadi perhatian bagi banyak orang, terutama di kota besar tak terkecuali di Jakarta, dampak dari kenaikan temperature adalah kekeringan, meningkatnya konsumsi energi hingga perubahan cuaca ekstrem, untuk mengantisipasi perubahan suhu suhu udara diperlukan suatu model yang dapat meramalkan suhu udara/temperatur. Model yang digunakan dalam penelitian ini adalah Conv-Bidirectional Long Short-Term Memory (Conv-BiLSTM) dan Bidirectional Long Short-Term Memory (BiLSTM). Pada penelitian ini data yang digunakan adalah data temperatur ERA5 yang berada di Tanjung Priok, Jakarta Utara dengan kurun waktu 5 tahun (2017-2021), sebagai data pelatihan penulis hanya menggunakan 4 tahun (80%) untuk melatih model tersebut, untuk bisa meramalkan data pengujian 1 tahun terakhir dan beberapa data pengujian pendek 3, 7, dan 14 hari ke depan. Hasil peramalan yang diperoleh oleh Conv-BiLSTM menunjukan hasil yang relatif lebih baik dibanding BiLSTM. hasil ini dikerenakan Conv-BiLSTM menggunakan 1d convolutional layer untuk menyeleksi fitur yang lebih baik untuk dimasukan kedalam BiLSTM. Hasil penelitian ini menunjukan bahwa Conv-BiLSTM memberikan performa yang lebih baik dibanding BiLSTM saat memprediksi data temperatur jangka panjang maupun pendek.</p>