OPTIMALISASI DEEP LEARNING METHOD DENGAN LONG SHORT-TERM MEMORY DALAM MEMPROYEKSI CURAH HUJAN

Sulaiman, Edo (2022) OPTIMALISASI DEEP LEARNING METHOD DENGAN LONG SHORT-TERM MEMORY DALAM MEMPROYEKSI CURAH HUJAN. Sarjana thesis, UNIVERSITAS PUTRA INDONESIA YPTK PADANG.

	Text Skripsi_18101152630092_Edo Sulaiman_Abstrak.pdf Download (11kB)
	Text Skripsi_18101152630092_Edo Sulaiman_BAB I.pdf Download (319kB)
	Text Skripsi_18101152630092_Edo Sulaiman_Daftar Pustaka.pdf Download (102kB)
	Text Skripsi_18101152630092_Edo Sulaiman_Full Text.pdf Restricted to Repository staff only Download (5MB)

Abstract

ABSTRAK Dewasa ini data merupakan penunjang pengambilan keputusan secara cepat dalam berbagai aspek termasuk melakukan prediksi mengenai informasi curah hujan yang akurat di mana pemodelan yang biasa di gunakan masih memiliki kekurangan seperti penggunaan jumlah parameter, asumsi matematis, dan rumusan persamaan yang cenderung rumit, maka dari itu di bentuk suatu sistem untuk menghasilkan sebuah model prediksi yang mendekati keakuratan optimal yang lebih efisien. deep learning dapat diterapkan untuk memprediksi suatu peristiwa untuk mengambil keputusan seperti memprediksi curah hujan suatu area salah satunya padang pariaman. Salah satu metode deep learning yang cocok digunakan pada tipe data sekuensial adalah Long Short-Term Memory (LSTM). Penelitian ini menerapkan deep learning metode LSTM dengan 50 epoch 1 layer, data yang di gunakan berbanding 9:1 dimana 90% sebagai data training dan 10% sebagai data uji, rentang data yang digunakan dalam perhitungan di mulai dari tanggal 16 Oktober 2004 sampai 14 Desember 2004 dimana 54 baris data digunakan sebagai data training, sedangkan data 4 baris terakhir digunakan sebagai perbandingan hasil prediksi metode LSTM, serta pengukuran nilai MSE. Hasil penelitian menunjukkan bahwa nilai MSE hasil evaluasi dari model yang di latih selama 50 epoch mendapat nilai MSE sebesar 0.03 untuk hasil prediksi data testing 4 hari kedepan. Implementasi metode LSTM ke dalam sistem mempermudah dalam melakukan perbandingan dan prediksi yang akan datang di bandingkan melakukan perhitungan matematis secara manual, kemudahan tersebut memberikan manfaat agar proses prediksi curah hujan daerah padang pariaman dapat di lakukan lebih mudah, cepat, dan efisien. Kata Kunci : Deep Learning, BMKG, Klimatologi, Curah Hujan, Long ShortTerm Memory.

Actions (login required)

View Item