Peramalan Temperatur Menggunakan Metode ConvRNN dan RNN Studi Kasus Tanjung Perak Surabaya

MUHAMMAD AZHAR ABIMAN

Informasi Umum

Kode

23.04.553

Klasifikasi

004 - Data processing, Computer science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science, Sensor Network,

Dilihat

249 kali

Informasi Lainnya

Abstraksi

Peningkatan temperatur yang signifikan beberapa tahun lalu dalam fenomena Pemanasan Global juga Urban Heat Island(UHI) di Surabaya menjadi masalah penting. Fenomena ini berdampak dalam berbagai sektor, kesehatan, konsumsi energi, ekonomi, dll. Peramalan temperatur ini mempunyai peran yang efektif untuk mengantisipasi fenomena peningkatan suhu, data ERA5 dari ECMWF tahun 2016-2021, menjadi bahan penelitian dengan perbandingan metode deep learning yang digunakan hybrid Convolutional Recurrent Neural Network(ConvRNN) dan Recurrent Neural Network(RNN). Penelitian ini menggunakan data per-jam dengan skenario prediksi dibagi dalam 4 jenis waktu dan lookback yang berbeda. Mean Absolute Error(MAE), Root Mean Squared Error(RMSE), dan Correlation Coeffecient(CC) merupakan metrik yang digunakan dalam perhitungan akurasi peramalan temperatur ini. Dalam penelitian yang telah dilakukan didapatkan hasil yang tidak terlalu siginfikan pada nilai akurasi yang berpengaruh untuk nilai temperatur. Metode ConvRNN mempunyai nilai akurasi terbaik dengan nilai metrik Mean Absolute Error(MAE) 0.0154, Root Mean Square Error(RMSE) 0.0202 dan Correlation Coefficient(CC) 0.9948 yang menjadikan metode ini lebih baik dari metode RNN.