Implementasi Long Short-Term Memory (Lstm) Untuk Prediksi Intensitas Curah Hujan (Studi Kasus: Kabupaten Malang)

Muhammad, Thoriq Afa Faisal (2022) Implementasi Long Short-Term Memory (Lstm) Untuk Prediksi Intensitas Curah Hujan (Studi Kasus: Kabupaten Malang). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111840000061-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (5MB)

Abstract

Curah hujan merupakan salah satu fenomena alam yang dianggap sebagai salah satu faktor terpenting bagi setiap orang untuk meningkatkan produktivitasnya dalam berbagai sektor usaha.Kondisi ini sangat mempengaruhi dalam pengambilan keputusan yang optimal pada aspek kehidupan dengan berbagai tujuan, salah satu contohnya adalah kegiatan manusia di sektor pertanian.Sulitnya memprediksi curah hujan dikarenakan tidak menentunya keadaan cuaca. Pada beberapa daerah yang terlihat cerah, tidak lama kemudian dapat terjadi hujan bahkan badai.Kabupaten Malang merupakan daerah yang mempunyai iklim tropis dan juga memiliki sumber daya alam yang melimpah di sektor pertanian dan perkebunan.Pada sektor ini terdapat beberapa faktor yang memiliki pengaruh yang pada tingkat produktivitas yang mana salah satunya adalah curah hujan.Dengan dilakukannya prediksi curah hujan ini, diharapkan dapat meningkatkan produktivitas serta mobilitas pada aktivitas manusia.Penelitian ini membahas tentang prediksi curah hujan di Kabupaten Malang.Salah satu metode yang digunakan untuk memprediksi kondisi cuaca yaitu menggunakan Long Short- Term Memory (LSTM).Hasil penelitian ini diperoleh bahwa Model Long Short-Term Memory mempunyai performa terbaik dengan parameter yang telah ditentukan, dimana tingkat nilai error yang digunakan pada penelitian ini menggunakan RMSE dan MAE terkecil berturut-turut adalah sebesar 0.98162 dan 0.68847.Hal ini menunjukkan bahwa semakin kecil tingkat nilai error, maka semakin akurat model tersebut melakukan prediksi.
==============================================================================================================================
Rainfall is one of the natural phenomena that is considered one of the most important factors for everyone to increase their productivity in various business sectors. This condition greatly influences optimal decision making in aspects of life for various purposes, one example being human activities in the agricultural sector. The difficulty in predicting rainfall is due to uncertain weather conditions. In some areas that look clear, not long after it can rain or even storms. Malang Regency is an area that has a tropical climate and also has abundant natural resources in the agricultural and plantation sectors. In this sector, there are several factors that have an influence on the level of productivity, one of which is rainfall. By carrying out this rainfall prediction, it is hoped that it can increase productivity and mobility in human activities. This study discusses rainfall prediction in Malang Regency. One of the methods used to predict weather conditions is using Long Short-Term Memory (LSTM). The results of this study obtained that the Long Short-Term Memory model has the best performance with predetermined parameters, where the error rate levels used in this study using the smallest RMSE and MAE respectively are 0.98162 and 0.68847. This shows that the smaller the error rate, the more accurate the model is in making predictions.

Item Type:	Thesis (Other)
Additional Information:	RSMa 519.535 Muh i-1 2022
Uncontrolled Keywords:	Prediksi. Curah hujan. Long Short-Term Memory (LSTM). Rainfall intensity prediction. Case study Malang district.
Subjects:	Q Science > QA Mathematics
Divisions:	Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	08 Jun 2026 02:25
Last Modified:	08 Jun 2026 02:25
URI:	http://repository.its.ac.id/id/eprint/133619

Actions (login required)

View Item